Geekbench: Kako to zapravo radi

Usporedna analiza pametnih telefona i računala uključuje testiranje performansi uređaja u nekoliko različitih kategorija. Možete usporediti različite metrike, uključujući grafičku izvedbu, umjetnu inteligenciju i računanje. Geekbench je benchmark koji je postao glavni dio svijeta benchmarkinga, a prvenstveno je usmjeren na računanje. Geekbench 6 je najnovija verzija, ali što je to točno? Što testira i kako?

Što je Geekbench?

Geekbench je multiplatformska benchmarking aplikacija koja može dati ocjenu jednojezgrenim i višejezgrenim računalnim sposobnostima vašeg uređaja. Ovaj se rezultat može koristiti kao točka usporedbe sa susjednim uređajima i kalibriran je prema a osnovni rezultat od 2500, za koji Primate Labs kaže da je rezultat Dell Precision 3460 s Intel Coreom i7-12700. Doduše, pregledavanje Geekbench 6 rezultata čini se da ukazuje na to da CPU jedva skuplja 2000 bodova u jednojezgreni, ali osim toga, premisa je da se za uređaj koji postigne ocjenu 5000 kaže da ima dvostruko bolje performanse od i7-12700.

U slučaju Geekbench 6, to je najnovija iteracija Geekbench paketa za usporednu analizu, a cilj mu je izmjerite mogućnosti svog pametnog telefona na načine koji su zapravo važni kada je u pitanju korištenje bilo kojeg od najbolji telefoni.

• Veće fotografije u rezolucijama snimljene modernim pametnim telefonima (12-48MP)
• HTML primjeri koji predstavljaju moderne standarde web dizajna
• Veća biblioteka slika za testove uvoza
• Veće karte za navigacijske testove
• Veći i moderniji PDF primjeri
• Povećanje veličine radnog opterećenja Clanga

Postoje i GPU računalni testovi, a može testirati OpenCL, Metal i Vulkan. Referentna vrijednost GPU računanja koristi radna opterećenja strojnog učenja kao što su zamućenje pozadine i prepoznavanje lica za testiranje sposobnosti prepoznavanja objekata. Povrh toga, pokreće radna opterećenja za uređivanje slika, kao što su otkrivanje horizonta, otkrivanje rubova i Gaussovo zamućenje. Konačno, tu su radna opterećenja sinteze slike koja izvršavaju podudaranje značajki i stereo podudaranje, zajedno sa simulacijskim benchmarkom koji simulira fiziku čestica.

Koje platforme podržava Geekbench 6?

Geekbench 6 podržava sljedeće platforme, s podrškom za Windows on Arm za neke od njih najbolji laptopi dolazi s Geekbenchom 6.1:

Kako radi Geekbench CPU benchmark?

Geekbench-ov CPU benchmark podijeljen je na niz ključnih testova koji imaju single-core i multi-core dio. Svaki odjeljak grupiran je u dva pododjeljka: cjelobrojna radna opterećenja i radna opterećenja s pomičnim zarezom. Postoje razmaci između svakog testa od dvije sekunde prema zadanim postavkama kako bi se minimalizirao učinak toplinskih problema na performanse.

Geekbench 6 predstavio je zajednički model zadatka za višenitno testiranje, gdje se radna opterećenja dijele na više niti kako bi se prikazala realističnija radna opterećenja. Prethodno je Geekbench rasporedio radna opterećenja na pojedinačne niti, što se dobro skalira, ali nudi vrlo malo komunikacije između niti. U slučaju modela dijeljenih zadataka, svaka nit obrađuje dio većeg zajedničkog zadatka. Ne skalira se tako dobro, ali više predstavlja slučajeve korištenja u stvarnom svijetu.

Rezultati se izračunavaju korištenjem ponderirane aritmetičke sredine rezultata pododjeljaka, s cijelim brojem pododjeljak koji čini 65% rezultata, a pododjeljak s pomičnim zarezom za preostalih 35%.

Što se tiče načina na koji Geekbench testira sposobnost čipseta vašeg uređaja, on testira različite vrste radnih opterećenja podijeljenih u kategorije. Te su kategorije podijeljene na produktivnost, programere, strojno učenje i sintezu slika.

Geekbench 6 Radna opterećenja produktivnosti

Ovo su radna opterećenja koja testiraju koliko je vaš uređaj učinkovit u svakodnevnim kritičnim zadacima.

Kompresija datoteke

Radna opterećenja kompresije datoteka testiraju koliko je vaš uređaj dobar u kompresiji i dekompresiji datoteka pomoću različitih formata kompresije. Modeli koriste slučajeve u kojima korisnik može komprimirati datoteku kako bi je poslao nekom drugom kako bi smanjio podatke i propusnost. Komprimira izvornu arhivu Ruby 3.1.2, koja je arhiva od 75 MB koja sadrži 9841 datoteku, koristeći LZ4 i ZSTD kompresiju. Zatim provjerava komprimirane datoteke putem SHA-1 raspršivanja.

Te se datoteke zatim pohranjuju pomoću in-memory šifriranog datotečnog sustava, a ovo radno opterećenje koristi upute koje ubrzavaju AES šifriranje i dešifriranje. Također koristi upute koje ubrzavaju algoritme raspršivanja SHA-1.

Navigacija

Koristimo navigaciju preko svih vrsta uređaja, posebno pametnih telefona. Radno opterećenje navigacije ima za cilj generirati upute između niza lokacija i modelira ljude koji koriste aplikacije poput Google Maps u izvanmrežnom načinu rada. Koristi Dijkstrin algoritam za izračun 24 različite rute na dvije različite OpenStreetMap karte. Jedan je u Waterloou, Ontario, a jedan je u Torontu, Ontario.

HTML5 preglednik

HTML5 preglednik otvara niz HTML5 stranica i modelira korisnika koji pregledava web u modernom pregledniku kao što je Chrome ili Safari. Koristi preglednik bez glave i otvara, analizira, postavlja i prikazuje tekstove i slike na temelju popularnih web stranica, uključujući Instagram, Wikipedia i Ars Technica. Koristi sljedeće biblioteke:

• Google Gumbo kao HTML parser
• litehtml kao CSS parser, stroj za izgled i renderiranje
• FreeType kao pokretač fontova
• Geometrija protiv zrnatosti kao biblioteka za renderiranje 2D grafike
• libjpeg-turbo i libpng kao slikovni kodeci

Ovaj test prikazuje osam stranica u jednojezgrenom načinu rada i 32 stranice u višejezgrenom načinu rada.

PDF prikaz

Radno opterećenje PDF renderiranja otvara složene PDF dokumente pomoću PDFiuma, koji je Chromeov PDF renderer. Renderira PDF karte parkova iz Američke službe za nacionalne parkove, s veličinama u rasponu od 897 kb do 1,5 MB. Ove datoteke sadrže velike vektorske slike, linije i tekst.

Ovaj test renderira četiri PDF-a u jednojezgrenom načinu i 16 PDF-ova u višejezgrenom načinu.

Knjižnica fotografija

Radno opterećenje organizacije fotografija kategorizira i označava fotografije na temelju objekata koje sadrže, omogućujući korisnicima pretraživanje fotografija po ključnoj riječi u aplikacijama za organiziranje slika. Koristi MobileNet 1.0 za klasifikaciju fotografija i SQLite bazu podataka za pohranjivanje metapodataka fotografija uz njihove oznake.

Ovo radno opterećenje izvodi sljedeće korake za svaku fotografiju:

1. Dekomprimirajte fotografiju iz komprimirane JPEG datoteke.
2. Pohranite metapodatke fotografija u SQLite bazu podataka. Ova baza podataka unaprijed je popunjena metapodacima za više od 70.000 fotografija.
3. Generirajte sličicu pregleda i kodirajte je kao JPEG.
4. Generirajte sličicu zaključka.
5. Pokrenite model klasifikacije slike na sličici zaključka.
6. Pohranite oznake klasifikacije slika u SQLite bazu podataka.

Radno opterećenje knjižnice fotografija radi na 16 fotografija u jednojezgrenom načinu rada i 64 fotografije u višejezgrenom načinu rada.

Geekbench 6 Radno opterećenje programera

Radna opterećenja programera u Geekbenchu ​​6 mjere koliko dobro vaš uređaj rješava tipične razvojne zadatke kao što su uređivanje teksta, kompilacija koda i kompresija sredstava.

zveket

Kompajler Clang koristi se za kompajliranje Lua tumača, modeliranje slučaja korištenja kod programera koji grade svoj kod i pravovremenu kompilaciju koju će korisnici često iskusiti na svojim uređajima. Koristi musl libc kao C standardnu ​​biblioteku za kompajlirane datoteke. Sastavlja osam datoteka u jednojezgrenom i 96 datoteka u višejezgrenom načinu rada.

Obrada teksta

Obrada teksta učitava brojne datoteke, analizira njihov sadržaj pomoću regularnih izraza, pohranjuje metapodatke u SQLite bazu podataka i izvozi sadržaj u drugi format. Modelira tipične algoritme za obradu teksta koji manipuliraju, analiziraju i transformiraju podatke za objavljivanje i dobivanje uvida.

Ovo radno opterećenje implementirano je u mješavini Pythona i C++, koristeći Python 3.9.0 i obrađujući 190 markdown datoteka za unos.

Kompresija imovine

Kompresija sredstava sažima 3D teksturalne i geometrijske elemente pomoću raznih popularnih kompresijskih kodeka kao što su ASTC, BC7 i DXT5. Modelira standardne kanale kompresije sadržaja koje koriste programeri igara.

Radno opterećenje koristi bc7enc za svoje BC& i DXTC implementacije i Arm ASTC Encoder za svoju ASTC implementaciju.

Radna opterećenja strojnog učenja

Radna opterećenja strojnog učenja prvenstveno mjere koliko dobro vaš CPU može podnijeti prepoznavanje objekata na slikama i scenama.

Otkrivanje objekata

Radno opterećenje otkrivanja objekata koristi strojno učenje kako bi moglo otkriti i klasificirati objekte na fotografijama. Koristi se konvolucijskom neuronskom mrežom nazvanom MobileNet v1 SSD za otkrivanje i klasificiranje objekata na fotografijama, a fotografije su veličine 300x300 piksela. Izvodi sljedeće korake za prepoznavanje objekata na slici:

1. Učitaj fotografiju
2. Ekstrahirajte objekte s fotografije koristeći MobileNet v1 SSD
3. Generirajte ocjenu pouzdanosti ili detekcije koja predstavlja točnost detekcije
4. Nacrtajte okvir oko objekta i ispišite ocjenu pouzdanosti

Detekcija objekata obrađuje 16 fotografija u single-core modu i 64 fotografije u multi-core modu.

Zamućenje pozadine

Radno opterećenje zamućenja pozadine odvaja prednji plan od pozadine u video streamovima i zamućuje pozadinu, baš kao što mogu učiniti usluge kao što su Zoom, Discord i Google Meet.

Uređivanje slika

Radna opterećenja uređivanja slika mjere koliko dobro vaš CPU može podnijeti i jednostavna i složena uređivanja slika.

Uklanjač predmeta

Radno opterećenje alata za uklanjanje objekata uklanja objekte s fotografija i popunjava prazninu koja je ostala iza njih, modelirajući ispunu s obzirom na sadržaj i Googleov vlastiti Magic Eraser. Radno opterećenje daje sliku od 3 MP s nepoželjnim područjem, a radno opterećenje uklanja ovo područje i koristi shemu inpaintinga za rekonstrukciju praznine koja je ostala iza.

Detekcija horizonta

Radno opterećenje otkrivanja horizonta može otkriti i ispraviti neravne ili krive linije horizonta kako bi se poboljšale fotografije. Modelira korektore linija horizonta u aplikacijama za uređivanje fotografija i koristi detektor rubova Canny za primjenu Houghove transformacije za otkrivanje linije horizonta. Kao ulaz koristi fotografiju od 48 MP.

Filter za fotografije

Radno opterećenje filtra za fotografije primjenjuje filtre za poboljšanje izgleda fotografije, modelirajući uobičajene filtre u aplikacijama društvenih medija poput Instagrama. Primjenjuje sljedeće efekte na 10 različitih fotografija, s fotografijama u rasponu veličina od 3 MP do 15 MP.

• Filtri boja i zamućenja
• Podešavanje razine
• Obrezivanje i skaliranje
• Slaganje slike

HDR

HDR radno opterećenje spaja šest uobičajenih fotografija kako bi se stvorila jedna HDR fotografija koja je šarena i živopisna. Modelira HDR značajke koje se nalaze u modernim aplikacijama za kameru na pametnom telefonu, stvarajući jednu HDR sliku od 16 MP od šest uobičajenih slika od 16 MP.

Sinteza slike

Ova radna opterećenja mjere kako vaš CPU može podnijeti stvaranje potpuno umjetnih slika.

Tragač zraka

Praćenje zraka je u modi i može se koristiti za generiranje fotorealističnih slika modeliranjem interakcije svjetlosnih zraka s objektima u virtualnim scenama. Ovo modelira procese renderiranja koje bi koristio softver za 3D renderiranje poput Blendera ili Cinema 4D.

Struktura iz pokreta

Struktura iz pokreta je tehnika koja generira 3D geometriju iz više 2D slika. Sustavi proširene stvarnosti koriste ovakve tehnike za razumijevanje scena iz stvarnog svijeta. Ovo radno opterećenje uzima devet 2D slika iste scene i konstruira procjenu 3D koordinata točaka koje su vidljive na obje slike.

Kako preuzeti Geekbench

Geekbench je jedno od uobičajenih mjerila koje ljudi koriste za testiranje uređaja poput najboljih telefona, prijenosnih računala i tablete, a možete ga preuzeti s Apple App Store, Google Play Store i web stranici Primate Labs.