hb_perf测试的模型静态性能和hrt_model_exec测试的实际性能不一致

用户您好，请详细描述您所遇到的问题：

1. 系统软件版本：x3_ubuntu_v1.1.5

2. 问题涉及的技术领域： 推理性能测试

3. 问题描述：在测试模型推理速度的时候发现，将PC端使用hb_perf工具测试的推理速度和在板上使用hrt_model_exec工具测试的性能进行对比，发现mobilenetv2、resnet18等分类模型基本一致，但是nanodet-m-1.5x-416、unet和deeplabv3+等检测、分割模型相差一倍。测试过程中，已经对X3派关闭CPU降频。希望能了解一下推理速度不一致的原因，以及如何提高板上的模型推理性能，使其接近静态性能的理论结果。下面是测试数据，测试的三个模型在附件中：

   1. nanodet-m-1.5x-416在PC端hb_perf测试推理时间为19.01ms，在X3板上hrt_model_exec测试结果为46.89ms

   2. unet在PC端hb_perf测试推理时间为15.38ms，在X3板上hrt_model_exec测试结果为32.35ms

   3. deeplabv3+在PC端hb_perf测试推理时间为50.32ms，在X3板上hrt_model_exec测试结果为120.36ms

4. 复现概率：可根据模型直接复现

5. 提供必要的问题日志： 测试指令大致为hb_perf nanodet-m-1.5x.bin和hrt_model_exec --model_file nanodet-m-1.5x.bin，模型core_num设置为2，无其他参数

6. 软件上是否有做自定义修改：无