论指令集和超线程的作用与重要性

547737657 发表于 2015-9-19 00:11
楼主，能否加入一些AMD处理器的跑分？或者来个链接，对比下，明年ZEN出来再挖坟？ ...

首先我没有AMD处理器吧，有的坛友可以自己测试后把告诉我结果，数据可靠的我也会贴到前面。
其次这个程序是完全针对 intel i系列二代以后的 CPU 优化的。AMD处理器不一定能发挥出全部性能。

这是作者以前帖过的数据，你可以参考一下。

	時間 [sec]	性能[GFLOPS]	効率[%]	消費電力[W]
FMA版  i7-4700MQ @ Win8.1	38.23	161.29	52.5	39
CUDA版 GTX765M         @ Win8.1	20.80	296.40	22.3	57
OpenCL版 A10-7850K @ Linux	21.16	291.41	39.7	53
FMA版 A10-7850K @ Linux	80.96	76.17	64.3	95
waifu2x-caffe GTX765M(参考)	20.21	301.7(多分)	22.8	66

小夜叉 发表于 2015-9-18 22:49
有AVX 1无AVX2    6C12T和有AVX2 4C8T 价格一样，选哪个？

这个。。。要看你具体的应用。最好找对应项目的对比评测。
我这个只是浮点性能测试，需要开发者极限优化才可能有这个效果。
不要光相信我这个单独的测试skylake能翻sandy bride一倍。多数情况下，多核性能还是6核心占优。

Y6-0785 发表于 2015-9-19 13:08
AMD表现很差，并且温度不高，应该就是优化不够。
Athlon X4 760K 4.7G
all: 21.3793 sec, 59.5531 GFLOPS

有可能优化问题。不过x4和a10不是同一架构吗，怎么看上去差别这么大

Y6-0785 发表于 2015-9-20 12:09
A10-7850K是压路机，比X4 760K的打桩机新一代。
7850K 3.7G 76.2，换算到1G是20.6。
760K 4.7G 60.8，换 ...

A10-7850K看上去性能比较的合理。
A10每个模块（两个核心）的浮点计算单元只有一个FMA，数量刚好是Haswell的一半(Haswell每个核心有两个FMA，所以超线程能提升45%)。
也就是说A10单位频率性能也差不多是双核Haswell/Skylake的一半多点。

Y6-0785 发表于 2015-9-20 17:22
那就把A家双模块四核跟I家双核无HT相比。
由4590S推出Haswell双核1G无HT的成绩是23.3，由5600U推出Broadwe ...

关于A10的FMA效率问题我是这么看的。
A10相当于两个核心同时去抢一个计算单元，所以应该要比Intel带虚拟核心(HT)的两个线程去用两个单元的相对效率高。所以A10的效率是比Skylake带ht的一半好的。
至于和Intel一个核心去使用两份计算单元的i5系列，由于存在指令集多发射和并行等技术，Intel不带HT的性能自然比A10强不少。

至于为什么x4、a8不如a10。。。我有一个猜测。你去看一下你的x4、a8，CPU-Z显示的指令集支持情况。
本来我是想贴图的，但是发现搜出来A8-5600K居然有两种版本。给我感觉老版本的cpuz只显示到avx，新版本的显示fma3/4，但这一点从道理上是说不通的。这要么是cpuz有错（我倾向于不这样认为），要么是amd其实更新过一代（我也不了解amd的cpu也不好说）。

overthink 发表于 2015-9-21 10:17
说不定用得到，但是普通用户没感觉

理想很丰满，现实很骨干。FMA的适用性实际远不如AVX翻倍来的方便。
FMA能有提升其实很局限。除非像这个程序大量运行矩阵乘法: c=a*b+c，AVX做这件事则需要两步，能有可观的提升还必须瓶颈在运算单元而不在缓存和内存的。
所以如果下一代引入avx-512，并且像sandy bridge那样把L1带宽再次翻倍，那么将会有很多软件性能都再翻倍。现在sandy bridge很多时候都比前一代快近一倍的，比如photoshop、视频解码效率。

Y6-0785 发表于 2015-9-22 13:56
5600K跑的是Win7（自动更新所有补丁），760K跑的是Win10，都支持AVX、FMA3、FMA4。
我觉得AMD不会偷偷 ...

那就应该是老版本CPU-Z显示问题。既然都支持FMA3，指令集相同，那么在你和作者的A10，程序应该都是用的FMA优化。

我大概有一个新的猜测。我找了一个 A10 的截图，你看 L1 inst. 缓存。A8 是 64k，A10 是 96k，指令发射也从 2way 升级到了 3way （这里应该是指令执行效率的关键）。然后 A8 (13Gflops) 的单位性能正好是 A10 (20Gflops) 的 2/3？

这个程序我确信L1 data 缓存不是瓶颈（寄存器刚好够放运算中间结果的热数据）。而且作者程序性能的关键部分对指令集并行要求很高。我看代码，每连续两条FMA指令，用的数据是没有交叉的，也就是说理论上是可以同时独立执行的，发射越多并行效率越好。而 Intel的 L1 inst. 是 8way。

我认为 AMD L1 inst. 缓存的发射数限制了性能的发挥。你能试一试在bat文件里的那一行后面加一个 -j 2 再跑一次吗，看看性能又能发挥多少（意思是只用两个线程）？

Y6-0785 发表于 2015-9-28 03:39
不好意思，拖了几天才跑。X4 760K 4.7G 双线程 35.1299sec，36.2427GFLOPS，换算到1G是7.7，大约是四线程 ...

好的，谢谢啦。我之前的猜想也没有得到验证，还是不确信为什么有这个差距。

two-way set associative cache代表一条指令可以被同时存放在cache的两个位置，这肯定涉及同时取指令的效率问题，没有更多的数据也不好继续分析。
不过wiki上的描述是增加way，会增大缓存查找时间，但会降低缓存miss率。

64kb 2 way 和 96kb 3 way ，这图估计的差距应该还是蛮大的，看上去小了不少。。。
我把你的数据贴到2楼补充部分了。

547737657 发表于 2015-9-19 00:11
楼主，能否加入一些AMD处理器的跑分？或者来个链接，对比下，明年ZEN出来再挖坟？ ...

二楼贴了一些 AMD 处理器的成绩，你可以来看看。

暴疯狂笑 发表于 2015-10-2 07:56
消费者花钱买性能，不是花钱买支持。

能用 和 好用：天壤之别。

其实我本来没打算测试AMD的，后面有坛友问，又刚好有人测了下就帖前面了。

在游戏方面，两家的差距其实是最小的。其他任何有高性能要求的，服务器、超算，cpu部分多是intel或者IBM。

做我这件同样的事情，6700k用4s，超频的760K用21s，p9700用55s。如果再考虑每w性能，差距更大。

Xudan 发表于 2015-10-5 02:08
看来intel的cpu每年确实是在进步，只不过那些游戏程序员没有用到新特性。

是的，在服务器领域，算上核心数的提升非常恐怖。
sandy bridge那带e7最多10核，而haswell的e7能到18核了。
本来skylake的avx单元也要翻倍的，结果被推迟了到e5/e7，而skylake的e7预测能到28核。。。

royalk 发表于 2015-9-18 16:53
可以，加吧
4线程，all是223.434，filter是245.022
8线程前边截图里有了

royalk您好，之前请您用6700k跑了一个waifu2x。最近那个作者更新了一个版本，在我的5200u上有了50%的提升，效率直逼理论的74-77%。可否请您再帮忙用skylake测一下新版本的效率提升？方便的话也请再用一张大图再试试（比如这张http://bbs.pceva.com.cn/forum.php?mod=attachment&aid=MzI5MDEwfGYyYjAxZGVkfDE0NDcxMzY5OTZ8MTA1MTI5fDEyMzc5OQ%3D%3D¬humb=yes）。

新的下载地址是http://pan.baidu.com/s/1o65ZpF0
注意：run.bat最好不要重新用bat_for_cpu.exe生成（因为改了其他参数--block_size 1024，生成新的就会覆盖），直接运行就好。如果换大图，麻烦重命名一下，谢谢啦

PS，如果方便的话，bat里去掉--disable-gpu这个地方，看看你的960是不是也提升了，还是只提升了cpu性能。我估计只是cpu而已。

royalk 发表于 2015-11-10 19:11
明天我抽空跑一下，最近平台变动比较大，一直没空跑

麻烦了，等您方便时候跑跑吧。
x265那个就不麻烦您了，毕竟已经有别的成绩了。

royalk 发表于 2015-11-13 17:57
不好意思主板来迟了，平台刚搭好，用一张57M的JPG跑了一下，比之前的版本提升蛮多的，得50%了。

太感谢啦你6700k的实际运行频率是多少？是4.0G还是超频了？

确实提升很大，我看了代码的改动，AVX/FMA的核心计算部分没变，这块应该已经几乎100％。这次应该是修正了计算部分以外浪费的时间。我越来越期待canonlake的消费级8核＋AVX512了。

我测试了sandybridge，也是提升50%。在5200@2.5g上，分别有120/128的成绩。

而且这次修正大大提高了不带超线程的效率（比之前高了80%），sandybridge的avx非超线程反而更快(4-5%)，而haswell的fma超线程提高10%，感觉已经是到理论极限，超线程也就没太大作用了。像之前优化不到位，超线程的作用还是挺大。

PS. 这个版本已经可以用来烤机测试散热了。我发现运行这个版本，功耗没增加，核心利用率提升，导致温度高了不少。核心温度/实际功耗比，比运行linx和prime95还大。虽然同频下绝对温度和功耗不是最高的，但在TDP限制睿频幅度的平台上（5200u）温度比这两位还高。。。

tx97 发表于 2017-1-1 15:30
早就看到这个帖子，奈何只有一个e3v2，就没有贴测试成绩。这几天单位的服务器到了，想起还有这么个程序，就 ...

最近我也来了一个双路的e5 2683 v3，算是你的低频版，也试了一下，大概差不多600+GFLOPS。当时没有考虑超过8线程的，所以有些参数没有调整清楚，利用率上不去。

我改了一个参数，重新拿大图试了一下，包括2楼的旧版和78楼的新版。

里面的数字是filter的值，也就是纯计算部分的性能，双路能到1.5t的样子。〔all里面还包含读图写图等操作，不予考虑〕


你可以试试78楼的新版本，原作者把性能大幅优化到理论极限的78%了。我提供的附件里，包含一个更大的新测试图片，和把参数改大以后的新run.bat。如果方便的话，直接覆盖78楼里面的文件，然后运行run.bat就好。[不要做bat_for_cpu.exe > run.bat这一步]

双路2680 v4应该能超过1.5t的。我对2680v4能运行在多高的频率还是挺感兴趣的。120w的2683 v3，大概只有2.3g的样子。

tx97 发表于 2017-1-4 21:34
实在受不了，自己动手装了个win10跑了下测试，貌似还不如你。原因可能是因为我们的服务器内存是单通道的， ...

应该不是单通道的原因吧，这程序优化的很好的。有空我拔掉测试一下。你的win10应该是实体机吧。
不过看你的截图，感觉是你频率被TDP限制的很严重，感觉严重降频了

tx97 发表于 2017-1-5 10:22
有可能。之前win2008是物理机，win10是虚拟机。貌似ESXI不支持睿频，只能跑基频 ...

双核下，虚拟机大概会损失10%的性能。不过看任务管理器，你确实连基础频率跑到吧？
其实应该可以直接单独插一个系统盘上去的