有一个Linear的算子，我尝试去分析他的Roofline，
该算子的输入尺寸为（96，198，768），权重为（768，3072），输出为（96，198，3072）。
理论分析：
(1)理论上他的计算FLOPs为96 x198 x 768x3972x2 ( mul+add operation)=89690996736FLOPs
(2)如果考虑权重复用，其理论内存访问为96x198x 768x2（2Byte）+ 96x 198x3072x 2（2Byte）+768x3072x 2（2Byte）= 150700032Byte
(3)理论操作密度为595
实际分析：
但我使用ncu分析该kernel时发现，实际操作密度只有0.57
我尝试统计了这些值：
想请问如何解释只需要58982400条FFMA指令就可以完成该kernel的计算呢？ 并且为什么操作密度是0.57,统计的规则是什么呢？