处理器的计算能力如何计算

咱们经常使用双精度浮点运算能力衡量一个处理器的科学计算的能力,就是处理64bit小数点浮动数据的能力
  • 支持AVX2的处理器的单指令的长度是256bit,每一个intel核心假设包含2个FMA,一个FMA一个时钟周期能够进行2次乘或者加的运算,那么这个处理器在1个核心1个时钟周期能够执行256bit*2FMA*2M/A/64=16次浮点运算,也称为16FLOPs,就是Floating Point Operations Per Second;
  • 支持AVX512的处理器的单指令的长度是512Bit,每一个intel核心假设包含2个FMA,一个FMA一个时钟周期能够进行2次乘或者加的运算,那么这个处理器在1个核心1个时钟周期能够执行512bit*2FMA*2M/A/64=32次浮点运算,也称为32FLOPs,
这就是说理论上后者的运算能力实际上是前者的一倍,可是实际中不可能达到,由于进行更长的指令运算,流水线之间更加密集,但核心频率会下降;致使整个处理器的能力下降;
一个处理器的计算能力和核心的个数,核心的频率,核心单时钟周期的能力三个因素有关系
  • 例如:如今intel purley platform的旗舰skylake 8180是28Core@2.5GHZ,支持AVX512,其理论双精度浮点性能是:28Core*2.5GHZ*32FLOPs/Cycle=2240GFLPs=2.24TFLOPs
  • 例如:如今intel purley platform的旗舰cascade lake 8280是28Core@2.7GHZ,支持AVX512,其理论双精度浮点性能是:28Core*2.7GHZ*32FLOPs/Cycle=2419.2GFLPs=2.4192TFLOPs
 
 
GPU能作的CPU都能作,CPU能作的GPU却不必定可以作到,GPU通常一个时钟周期能够操做64bit的数据,1个核心实现1个FMA。
  • 这个GPU的计算能力的单元是:64bit*1FMA*2M/A/64bit=2FLOPs/Cycle
GPU的计算能力也是同样和核心个数,核心频率,核心单时钟周期能力三个因素有关。
可是架不住GPU的核心的数量多呀
  • 例如:对如今nvidia tesla class 的pascal旗舰 p100而言,是1792core@1.328GHZ,其理论的双精度浮点性能是:1792Core*1.328GHZ*2FLOPs/Cycle=4759.552GFLOPs=4.7TFLOPs
  • 例如:对如今nvidia tesla class 的volta旗舰 v100而言,是2560Core@1.245GHX,其理论的双精度浮点性能是:2560Core*1.245GHZ*2FLOPs/Cycle=6374.4GFLOPs=6.3TFLOPs
 
 
如今ML繁荣的时代,对64bit长度的浮点运算需求不是那么的大,反而是32bit或者16bit的浮点运算的需求比较大。
所以nvidia 最新的tesla一直在强调单精度甚至半精度,turing就是这样的。
intel为了加速这些计算,也在其处理器中实现了一些加速低精度运算的指令。
相关文章
相关标签/搜索