『同一クロックではIvy Bridgeの2/3程度の能力かな？』のクチコミ掲示板

[i-brown]

ちょっとメインマシンと比較してみると、やっぱり差は大きいようです。
日常用途には、もちろん足りていますけど。

【負荷】
4096点のShortデータをFloat精度でFFT-16次未満除去-逆FFTする自作プログラム。
データは256×4096点で、FFTカーネルは基数4長さ4096のCooley-Tukey型。
経過時間は100回ループの平均とする。
拡張命令は可能な限り使用する。A6はSSE3、Core i5はAVX。
バイナリは64bit（x64）版を使用する（x86よりレジスタが多くてCPUの全速が出やすい）
ともに4ワーカースレッド並列、ワーカースレッドの優先順位は最大とする。
データ用に必要なメモリは2MB + 8MB + 8MB = 18MB。
ただし1回のFFTカーネル実行で必要なのは 8kB + 16kB + 16kB = 40kB。

OS：Windows 7 SP1 64bit

【CPU仕様比較】
CPU：A6-3670K（2.7GHz） vs Core i5 3570(3.4GHz)
　1次キャッシュ　（命令64kB + データ64kB） × 4　vs （命令32kB + データ32kB） × 4
　2次キャッシュ　1024kB × 4　vs　256kB × 4
　3次キャッシュ　なし　vs　6MB
メモリ：DDR3-1600 4GB×2

【CPU演算結果】
結果：3.74ms vs 1.55ms でCore i5の勝ち。
速度比は2.41倍。クロック比1.30倍、SSEとAVXの速度比がおよそ1.25倍（Core i5での実測値）なので、1クロック当たり実効性能が1.48倍位違うと推測した。


【GPU仕様比較】
GPU：Radeon HD 6530D（BeaverCreek） vs Radeon HD7990（Tahiti）
Compute Units：4 vs 32
最大周波数：444 vs 1000
倍精度浮動小数点演算：不可 vs 可能（今回は単精度のため無関係）
Global Memory Cache：なし vs R/W 16kB

【GPGPU演算結果】
結果：151ms vs 13ms でRadeon HD 7970が勝利。
256並列で実行しているのと、1ユニット64スレッド並列のため、A6が一度に並列実行できる限界の並列度になる。
速度比は11.61倍、クロック比2.25倍なので、クロック当たりの実効効率は5.16倍になる。この差を生んだ原因を以下の通り推測する。
・GCNアーキテクチャでキャッシュメモリが追加されたのが、ランダムアクセスするFFTに合っていた。
・7970はユニット数に余裕があった。
　（7970でも手動で1ユニットに64個のスレッドを集めると、ドライバに任せたときより速度が落ちたことがあるので、ドライバにスレッドとユニットの割り付けを任せた方が良さそう）

　なお、今回は全く同じプログラムを使用しているが、A6はメインメモリ共用型なので、元データの送信と結果データの受信処理を省くことができる。7970で送受信処理だけ試してみても2〜3ms程度だったので、やはりランダムアクセスを伴うGPGPUをするならGCNアーキテクチャのHD7000番台以降が良さそう。
　GPGPUをするには問題規模が小さすぎて、CPUに対する優位性はなかった。

書込番号：16001289

[i-brown]

AMDの不得意な浮動小数点で評価してはかわいそうだと思い、整数演算でも評価してみました。

【負荷】
Short型の256×4096点のデータに7x7ガウシアンフィルタをかける。
拡張命令は不使用。
使用メモリは2MB＋2MB＝4MB。1回のカーネルで必要なのは4B×49＝196B。
カーネルはShort -> Intで演算 -> Shortに戻すという処理を行っている。
（コンパイラはVisual Studio 2012 for Desktopのx64版Release。
　Intelのコンパイラは使っていません。）

【結果】
A6-3670K = 2.10ms vs Core i5 3570 = 1.05ms でCore i5の勝利。
速度比は2.00倍。クロック比1.30倍を考慮すると、実効効率の差は1.53倍。

K8登場が2003年、改良版のK10登場が2007年。Sandy Bridge登場は2011年なので、4年の差は致し方のないところか。
がんばれAMD！

書込番号：16005301