Geekbench: Как всъщност работи

Бенчмаркингът на смартфони и компютри включва тестване на производителността на устройството в няколко различни категории. Можете да сравнявате различни показатели, включително графична производителност, изкуствен интелект и изчисления. Geekbench е бенчмарк, който се е превърнал в основна част от света на бенчмаркинга и е фокусиран основно върху изчисленията. Geekbench 6 е най-новата версия, но какво точно представлява? Какво тества и как?

Какво е Geekbench?

Geekbench е приложение за междуплатформен сравнителен анализ, което може да припише резултат както на едноядрените, така и на многоядрените изчислителни възможности на вашето устройство. Този резултат може да се използва като точка за сравнение със съседни устройства и се калибрира спрямо a базов резултат от 2500, който според Primate Labs е резултатът на Dell Precision 3460 с Intel Core i7-12700. Трябва да се признае, че разглеждането на резултатите от Geekbench 6 изглежда сочи към този конкретен процесор, който едва достига 2000 точки в едноядрен, но настрана от това, предпоставката е, че устройство, което отбелязва 5000, се казва, че има два пъти по-висока производителност от i7-12700.

В случая с Geekbench 6, това е най-новата итерация на пакета за сравнителен анализ на Geekbench и има за цел да измервайте възможностите на вашия смартфон по начини, които действително имат значение, когато става въпрос за използване на някой от най-добрите телефони.

• По-големи снимки в разделителна способност, заснети от модерни смартфони (12-48MP)
• HTML примери, представителни за съвременните стандарти за уеб дизайн
• По-голяма библиотека от изображения за тестове за импортиране
• По-големи карти за навигационни тестове
• По-големи и по-модерни PDF примери
• Увеличаване на размера на работното натоварване на Clang

Има и GPU изчислителни тестове и може да тества OpenCL, Metal и Vulkan. Бенчмаркът за GPU изчисления използва натоварвания на машинно обучение като замъгляване на фона и разпознаване на лица, за да тества възможностите за разпознаване на обекти. На всичкото отгоре, той изпълнява работни натоварвания за редактиране на изображения, като откриване на хоризонт, откриване на ръбове и замъгляване по Гаус. И накрая, има работни натоварвания за синтез на изображения, които изпълняват съвпадение на функции и стерео съвпадение, заедно със симулационен бенчмарк, който симулира физиката на частиците.

Какви платформи поддържа Geekbench 6?

Geekbench 6 поддържа следните платформи, с поддръжка на Windows on Arm за някои от най-добрите лаптопи готов да дойде с Geekbench 6.1:

Как работи бенчмаркът на процесора на Geekbench?

CPU бенчмаркът на Geekbench е разделен на редица ключови тестове, които имат едноядрен и многоядрен раздел. Всеки раздел е групиран в два подраздела: цели числа и работни натоварвания с плаваща запетая. Между всеки тест има интервали от две секунди по подразбиране, за да се сведе до минимум ефектът, който термичните проблеми имат върху производителността.

Geekbench 6 въведе модел на споделени задачи за многопоточно тестване, където работните натоварвания се споделят между множество нишки, за да се представят по-реалистични работни натоварвания. Преди това Geekbench разпределяше работните натоварвания между отделни нишки, което се мащабира добре, но предлага много малко комуникация между нишките. В случай на модели на споделени задачи, всяка нишка обработва част от по-голяма споделена задача. Той не се мащабира толкова добре, но е по-представителен за случаите на употреба в реалния свят.

Резултатите се изчисляват с помощта на претеглена средна аритметична стойност на резултатите от подраздели, с цяло число подраздел, отчитащ 65% от резултата, и подраздел с плаваща запетая, отчитащ останалите 35%.

Що се отнася до начина, по който Geekbench тества способността на чипсета на вашето устройство, той тества различни видове натоварвания, разделени на категории. Тези категории са разделени на производителност, програмист, машинно обучение и синтез на изображения.

Работни натоварвания на Geekbench 6 за производителност

Това са работни натоварвания, които тестват колко ефективно е вашето устройство при ежедневни критични задачи.

Компресиране на файлове

Работните натоварвания за компресиране на файлове тестват колко добро е вашето устройство в компресирането и декомпресирането на файлове с помощта на различни формати за компресиране. Той използва модели, в които потребител може да иска да компресира файл, за да го изпрати на някой друг, за да намали данните и честотната лента. Той компресира изходния архив на Ruby 3.1.2, който е 75MB архив, съдържащ 9841 файла, използвайки LZ4 и ZSTD компресия. След това проверява компресираните файлове чрез хеш SHA-1.

След това тези файлове се съхраняват с помощта на шифрована файлова система в паметта и това работно натоварване използва инструкции, които ускоряват AES криптирането и декриптирането. Той също така използва инструкции, които ускоряват алгоритмите за хеширане на SHA-1.

Навигация

Използваме навигация на всякакви устройства, особено смартфони. Навигационното работно натоварване има за цел да генерира упътвания между поредица от местоположения и моделира хората, използващи приложения като Google Maps в офлайн режим. Той използва алгоритъма на Dijkstra за изчисляване на 24 различни маршрута на две различни карти OpenStreetMap. Едната е във Ватерло, Онтарио, а другата е в Торонто, Онтарио.

HTML5 браузър

Браузърът HTML5 отваря редица HTML5 страници и моделира потребител, който сърфира в мрежата в модерен браузър като Chrome или Safari. Той използва браузър без глава и отваря, анализира, оформя и изобразява текстове и изображения въз основа на популярни сайтове, включително Instagram, Wikipedia и Ars Technica. Той използва следните библиотеки:

• Google Gumbo като анализатор на HTML
• litehtml като CSS парсер, оформление и машина за изобразяване
• FreeType като машина за шрифтове
• Геометрия против зърно като библиотека за изобразяване на 2D графики
• libjpeg-turbo и libpng като кодеци за изображения

Този тест изобразява осем страници в едноядрен режим и 32 страници в многоядрен режим.

PDF рендиране

Работното натоварване за изобразяване на PDF отваря сложни PDF документи с помощта на PDFium, което е PDF изобразяването на Chrome. Той изобразява PDF файлове на паркови карти от Американската служба за национални паркове с размери, вариращи от 897kb до 1,5MB. Тези файлове съдържат големи векторни изображения, линии и текст.

Този тест изобразява четири PDF файла в едноядрен режим и 16 PDF файла в многоядрен режим.

Фото библиотека

Работното натоварване за организиране на снимки категоризира и маркира снимки въз основа на обекти, които съдържат, позволявайки на потребителите да търсят снимките си по ключова дума в приложенията за организиране на изображения. Той използва MobileNet 1.0 за класифициране на снимки и SQLite база данни за съхраняване на метаданните на снимките заедно с техните етикети.

Това работно натоварване изпълнява следните стъпки за всяка снимка:

1. Декомпресирайте снимката от компресиран JPEG файл.
2. Съхранявайте метаданни за снимки в SQLite база данни. Тази база данни е предварително попълнена с метаданни за повече от 70 000 снимки.
3. Генерирайте миниатюра за визуализация и я кодирайте като JPEG.
4. Генерирайте миниатюра за извод.
5. Пуснете модел за класификация на изображение върху миниатюрата за извод.
6. Съхранявайте етикети за класификация на изображения в SQLite база данни.

Работното натоварване на библиотеката със снимки работи върху 16 снимки в едноядрен режим и 64 снимки в многоядрен режим.

Натоварвания на разработчиците на Geekbench 6

Натоварванията на разработчиците в Geekbench 6 измерват доколко вашето устройство се справя с типичните задачи на разработчиците като редактиране на текст, компилиране на код и компресиране на активи.

дрънкане

Компилаторът Clang се използва за компилиране на интерпретатора на Lua, като моделира случая на използване на разработчиците, изграждащи своя код и компилация точно навреме, която потребителите често ще изпитат на своите устройства. Той използва musl libc като C стандартна библиотека за компилираните файлове. Той компилира осем файла в едноядрен и 96 файла в многоядрен режим.

Обработка на текст

Обработката на текст зарежда множество файлове, анализира съдържанието им с помощта на регулярни изрази, съхранява метаданни в база данни SQLite и експортира съдържанието в различен формат. Той моделира типични алгоритми за обработка на текст, които манипулират, анализират и трансформират данни за публикуване и придобиване на прозрения.

Това работно натоварване е реализирано в комбинация от Python и C++, като се използва Python 3.9.0 и се обработват 190 файла за маркиране за въвеждане.

Компресиране на активи

Компресирането на активи компресира 3D текстурни и геометрични активи с помощта на различни популярни кодеци за компресиране като ASTC, BC7 и DXT5. Той моделира стандартните канали за компресиране на съдържание, които се използват от разработчиците на игри.

Работното натоварване използва bc7enc за своите BC& и DXTC реализации и Arm ASTC Encoder за своята ASTC реализация.

Натоварвания на машинното обучение

Работните натоварвания на машинното обучение измерват основно колко добре вашият процесор може да се справи с разпознаването на обекти в изображения и сцени.

Откриване на обект

Работното натоварване за откриване на обекти използва машинно обучение, за да може да открива и класифицира обекти в снимки. Той използва конволюционна невронна мрежа, наречена MobileNet v1 SSD, за откриване и класифициране на обекти в снимки, а снимките са с размер 300x300 пиксела. Той изпълнява следните стъпки за идентифициране на обекти в изображение:

1. Заредете снимката
2. Извличайте обекти от снимката с помощта на MobileNet v1 SSD
3. Генерирайте оценка на достоверността или откриването, която представлява точността на откриването
4. Начертайте ограничителна рамка около обекта и изведете резултат за достоверност

Откриването на обекти обработва 16 снимки в едноядрен режим и 64 снимки в многоядрен режим.

Замъгляване на фона

Работното натоварване за замъгляване на фона разделя предния план от фона във видео потоците и замъглява фона, точно както могат да правят услуги като Zoom, Discord и Google Meet.

Редактиране на изображения

Натоварванията за редактиране на изображения измерват доколко вашият процесор може да се справи както с прости, така и със сложни редакции на изображения.

Премахване на обекти

Работното натоварване за премахване на обекти премахва обекти от снимки и запълва празнината, останала след тях, като моделира запълване, съобразено със съдържанието и собствения Magic Eraser на Google. Работното натоварване предоставя 3MP изображение с нежелан регион и работното натоварване премахва този регион и използва схема за рисуване, за да реконструира празнината, която остава.

Откриване на хоризонта

Работното натоварване за откриване на хоризонт може да открие и изправи неравни или криви линии на хоризонта, за да подобри снимките. Той моделира коректорите на линията на хоризонта в приложенията за редактиране на снимки и използва детектора за ръбове Canny, за да приложи трансформация на Hough за откриване на линията на хоризонта. Той използва 48MP снимка като вход.

Филтър за снимки

Работното натоварване на филтъра за снимки прилага филтри за подобряване на външния вид на снимката, като моделира общи филтри в приложения за социални медии като Instagram. Той прилага следните ефекти към 10 различни снимки, като снимките варират по размер от 3MP до 15MP.

• Филтри за цвят и размазване
• Корекции на нивото
• Изрязване и мащабиране
• Композиране на изображения

HDR

HDR работното натоварване смесва шест обикновени снимки, за да създаде една HDR снимка, която е цветна и жизнена. Той моделира HDR функциите, намиращи се в съвременните приложения за камери на смартфони, създавайки едно 16MP HDR изображение от шест 16MP обикновени изображения.

Синтез на изображения

Тези натоварвания измерват как вашият процесор може да се справи със създаването на изцяло изкуствени изображения.

Проследяване на лъчи

Проследяването на лъчи е на мода и може да се използва за генериране на фотореалистични изображения чрез моделиране на взаимодействието на светлинните лъчи с обектите във виртуални сцени. Това моделира процесите на изобразяване, които софтуерът за 3D изобразяване като Blender или Cinema 4D би използвал.

Структура от движение

Структура от движение е техника, която генерира 3D геометрия от множество 2D изображения. Системите за разширена реалност използват техники като тези, за да разберат сцени от реалния свят. Това работно натоварване взема девет 2D изображения на една и съща сцена и конструира оценка на 3D координатите на точките, които се виждат и в двете изображения.

Как да изтеглите Geekbench

Geekbench е един от бенчмарковете, които хората използват за тестване на устройства като най-добрите телефони, лаптопи и таблетки, и можете да го изтеглите от Apple App Store, Google Play Store и уебсайта на Primate Labs.