Geekbench: kaip tai iš tikrųjų veikia

Išmaniųjų telefonų ir kompiuterių lyginamoji analizė apima įrenginių našumo testavimą keliose skirtingose ​​kategorijose. Galite palyginti įvairias metrikas, įskaitant grafinį našumą, dirbtinį intelektą ir skaičiavimus. „Geekbench“ yra etalonas, kuris tapo pagrindiniu lyginamosios analizės pasaulio etalonu ir daugiausia orientuotas į skaičiavimus. „Geekbench 6“ yra naujausia versija, bet kas tai tiksliai? Ką tai tikrina ir kaip?

Kas yra Geekbench?

„Geekbench“ yra kelių platformų lyginamoji programa, kuri gali priskirti balą tiek vieno branduolio, tiek kelių branduolių jūsų įrenginio skaičiavimo galimybėms. Šis balas gali būti naudojamas kaip gretimų įrenginių palyginimo taškas ir yra kalibruojamas pagal a pradinis balas yra 2500, o tai yra „Dell Precision 3460“ su „Intel Core“ įvertinimu. i7-12700. Reikia pripažinti, kad naršymas po Geekbench 6 balus rodo, kad tas procesorius vos nubraukia 2000 taškų. vieno branduolio, bet neskaitant to, daroma prielaida, kad prietaisas, surinkęs 5000 balų, turi dvigubai didesnį našumą nei i7-12700.

„Geekbench 6“ atveju tai yra naujausia „Geekbench“ lyginamosios analizės rinkinio iteracija ir siekiama išmatuokite savo išmaniojo telefono galimybes tokiais būdais, kurie iš tikrųjų yra svarbūs, kai reikia naudoti bet kurį iš jų geriausi telefonai.

• Didesnės raiškos nuotraukos, užfiksuotos šiuolaikiniais išmaniaisiais telefonais (12–48 MP)
• HTML pavyzdžiai, reprezentuojantys šiuolaikinius interneto dizaino standartus
• Didesnė vaizdų biblioteka importo testams
• Didesni žemėlapiai navigacijos testams
• Didesni ir modernesni PDF pavyzdžiai
• „Clang“ darbo krūvio padidėjimas

Taip pat yra GPU skaičiavimo testai ir jie gali išbandyti OpenCL, Metal ir Vulkan. GPU skaičiavimo etalonas naudoja mašininio mokymosi darbo krūvius, pvz., fono suliejimą ir veido aptikimą, kad išbandytų objektų atpažinimo galimybes. Be to, jis vykdo vaizdo redagavimo darbo krūvius, pvz., horizonto aptikimą, kraštų aptikimą ir Gauso suliejimą. Galiausiai, yra vaizdo sintezės darbo krūviai, kurie atlieka funkcijų suderinimą ir stereofoninį suderinimą, taip pat modeliavimo etalonas, imituojantis dalelių fiziką.

Kokias platformas palaiko „Geekbench 6“?

„Geekbench 6“ palaiko šias platformas, o kai kurias iš jų palaiko „Windows on Arm“. geriausi nešiojamieji kompiuteriai su „Geekbench 6.1“:

Kaip veikia „Geekbench“ procesoriaus etalonas?

„Geekbench“ procesoriaus etalonas yra suskirstytas į keletą pagrindinių testų, turinčių vieno branduolio ir kelių branduolių skyrius. Kiekviena sekcija sugrupuota į du poskyrius: sveikųjų skaičių ir slankiojo kablelio darbo krūvius. Pagal numatytuosius nustatymus tarp kiekvieno bandymo yra dviejų sekundžių tarpai, kad būtų sumažintas šilumos problemų poveikis veikimui.

„Geekbench 6“ pristatė bendrų užduočių modelį, skirtą kelių gijų testavimui, kai darbo krūviai dalijami keliose gijose, kad būtų galima pateikti tikroviškesnius darbo krūvius. Anksčiau „Geekbench“ paskirstydavo darbo krūvius atskirose gijose, o tai gerai plečiasi, tačiau siūlo labai mažai komunikacijos tarp gijų. Bendrų užduočių modelių atveju kiekviena gija apdoroja didesnės bendrinamos užduoties dalį. Jis taip pat nesikeičia, bet labiau atspindi realaus pasaulio naudojimo atvejus.

Taškai apskaičiuojami naudojant poskyrių balų svertinį aritmetinį vidurkį su sveikuoju skaičiumi poskyris sudaro 65 % balo ir slankiojo kablelio poskyris likę 35 proc.

Kalbant apie tai, kaip „Geekbench“ tikrina jūsų įrenginio mikroschemų rinkinio galimybes, jis išbando įvairių tipų darbo krūvius, suskirstytas į kategorijas. Šios kategorijos yra suskirstytos į produktyvumą, kūrėją, mašininį mokymąsi ir vaizdo sintezę.

Geekbench 6 produktyvumo darbo krūviai

Tai yra darbo krūviai, kuriais tikrinamas jūsų įrenginio efektyvumas atliekant kasdienes svarbias užduotis.

Failų suspaudimas

Failų glaudinimo darbo krūviai tikrina, kaip gerai jūsų įrenginys suglaudina ir išskleidžia failus naudojant skirtingus glaudinimo formatus. Jame naudojami atvejai, kai vartotojas gali suspausti failą, kad jį išsiųstų kam nors kitam, kad sumažintų duomenų kiekį ir pralaidumą. Jis suglaudina Ruby 3.1.2 šaltinio archyvą, kuris yra 75 MB archyvas, kuriame yra 9 841 failas, naudojant LZ4 ir ZSTD glaudinimą. Tada jis patikrina suspaustus failus naudodamas SHA-1 maišą.

Tada šie failai saugomi naudojant atmintyje užšifruotą failų sistemą, o šis darbo krūvis naudoja instrukcijas, kurios pagreitina AES šifravimą ir iššifravimą. Jame taip pat naudojamos instrukcijos, kurios pagreitina SHA-1 maišos algoritmus.

Navigacija

Naudojame navigaciją visuose įrenginiuose, ypač išmaniuosiuose telefonuose. Navigacijos darbo krūvis skirtas generuoti nuorodas tarp vietovių sekos ir modeliuoti žmones, naudojančius tokias programas kaip „Google“ žemėlapiai neprisijungus. Jis naudoja Dijkstra algoritmą, kad apskaičiuotų 24 skirtingus maršrutus dviejuose skirtinguose OpenStreetMap žemėlapiuose. Vienas yra Vaterlo mieste, Ontarijo valstijoje, o kitas – Toronte, Ontarijo valstijoje.

HTML5 naršyklė

HTML5 naršyklė atidaro daugybę HTML5 puslapių ir modeliuoja vartotoją, naršantį internete modernia naršykle, pvz., Chrome arba Safari. Jis naudoja begalvę naršyklę ir atidaro, analizuoja, išdėsto ir pateikia tekstus bei vaizdus pagal populiarias svetaines, įskaitant „Instagram“, „Wikipedia“ ir Ars Technica. Jis naudoja šias bibliotekas:

• Google Gumbo kaip HTML analizatorius
• litehtml kaip CSS analizatorius, išdėstymas ir atvaizdavimo variklis
• FreeType kaip šrifto variklis
• Anti-Grain Geometry kaip 2D grafikos atvaizdavimo biblioteka
• libjpeg-turbo ir libpng kaip vaizdo kodekus

Šis bandymas pateikia aštuonis puslapius vieno branduolio režimu ir 32 puslapius kelių branduolių režimu.

PDF atvaizdavimas

PDF pateikimo darbo krūvis atveria sudėtingus PDF dokumentus naudodamas PDFium, kuris yra Chrome PDF atvaizdavimo priemonė. Jis pateikia Amerikos nacionalinio parko tarnybos parkų žemėlapių PDF failus, kurių dydis svyruoja nuo 897 kb iki 1,5 MB. Šiuose failuose yra didelių vektorinių vaizdų, linijų ir teksto.

Šis testas atkuria keturis PDF vieno branduolio režimu ir 16 PDF failų kelių branduolių režimu.

Nuotraukų biblioteka

Nuotraukų organizavimo darbo krūvis suskirsto nuotraukas į kategorijas ir žymi nuotraukas pagal jose esančius objektus, todėl naudotojai gali ieškoti nuotraukų pagal raktinį žodį vaizdų tvarkyklės programose. Jis naudoja „MobileNet 1.0“ nuotraukoms klasifikuoti ir „SQLite“ duomenų bazę, kad saugotų nuotraukų metaduomenis kartu su jų žymomis.

Šis darbo krūvis kiekvienai nuotraukai atlieka šiuos veiksmus:

1. Išskleiskite nuotrauką iš suspausto JPEG failo.
2. Saugokite nuotraukų metaduomenis SQLite duomenų bazėje. Ši duomenų bazė iš anksto užpildyta daugiau nei 70 000 nuotraukų metaduomenimis.
3. Sugeneruokite peržiūros miniatiūrą ir užkoduokite ją kaip JPEG.
4. Sugeneruokite išvados miniatiūrą.
5. Paleiskite vaizdo klasifikavimo modelį išvados miniatiūroje.
6. Saugokite vaizdų klasifikavimo žymas SQLite duomenų bazėje.

Nuotraukų bibliotekos darbo krūvis veikia su 16 nuotraukų vieno branduolio režimu ir 64 nuotraukų kelių branduolių režimu.

„Geekbench 6“ kūrėjo darbo krūviai

Kūrėjo darbo krūviai „Geekbench 6“ įvertina, kaip jūsų įrenginys atlieka įprastas kūrėjo užduotis, tokias kaip teksto redagavimas, kodo kompiliavimas ir išteklių glaudinimas.

Skambinti

„Clang“ kompiliatorius naudojamas Lua interpretatoriui kompiliuoti, modeliuojant kūrėjų, kuriančių savo kodą, naudojimo atvejį ir kompiliavimą laiku, kurį vartotojai dažnai patirs savo įrenginiuose. Jis naudoja musl libc kaip C standartinę biblioteką sudarytiems failams. Jis kaupia aštuonis failus vieno branduolio ir 96 failus kelių branduolių režimu.

Teksto apdorojimas

Teksto apdorojimas įkelia daugybę failų, analizuoja jų turinį naudodamas reguliarius posakius, saugo metaduomenis SQLite duomenų bazėje ir eksportuoja turinį į kitą formatą. Jis modeliuoja tipinius teksto apdorojimo algoritmus, kurie manipuliuoja, analizuoja ir transformuoja duomenis, kad būtų galima paskelbti ir įgyti įžvalgų.

Šis darbo krūvis įgyvendinamas naudojant Python ir C++ mišinį, naudojant Python 3.9.0 ir apdorojant 190 įvesties žymėjimo failų.

Turto suspaudimas

Išteklių glaudinimas suglaudina 3D tekstūrinius ir geometrinius išteklius naudojant įvairius populiarius glaudinimo kodekus, tokius kaip ASTC, BC7 ir DXT5. Jis modeliuoja standartinius turinio glaudinimo vamzdynus, kuriuos naudoja žaidimų kūrėjai.

Darbo krūvis naudoja bc7enc savo BC& ir DXTC diegimui ir Arm ASTC Encoder savo ASTC įgyvendinimui.

Mašininio mokymosi darbo krūviai

Mašininio mokymosi darbo krūviai visų pirma įvertina, kaip jūsų CPU gali atpažinti objektus vaizduose ir scenose.

Objekto aptikimas

Objektų aptikimo darbo krūvis naudoja mašininį mokymąsi, kad galėtų aptikti ir klasifikuoti objektus nuotraukose. Objektams nuotraukose aptikti ir klasifikuoti naudojamas konvoliucinis neuroninis tinklas, vadinamas MobileNet v1 SSD, o nuotraukos yra 300 x 300 pikselių dydžio. Ji atlieka šiuos veiksmus, kad atpažintų objektus vaizde:

1. Įkelti nuotrauką
2. Ištraukite objektus iš nuotraukos naudodami MobileNet v1 SSD
3. Sugeneruokite patikimumo arba aptikimo balą, kuris atspindi aptikimo tikslumą
4. Aplink objektą nubrėžkite ribojantį langelį ir išveskite patikimumo balą

Objektų aptikimas apdoroja 16 nuotraukų vieno branduolio režimu ir 64 nuotraukas kelių branduolių režimu.

Fono suliejimas

Fono suliejimo darbo krūvis atskiria priekinį planą nuo fono vaizdo įrašų srautuose ir sulieja foną, kaip tai gali padaryti tokios paslaugos kaip „Zoom“, „Discord“ ir „Google Meet“.

Vaizdo redagavimas

Vaizdo redagavimo darbo krūviai matuoja, kaip jūsų procesorius gali atlikti tiek paprastus, tiek sudėtingus vaizdo redagavimus.

Objektų šalinimo priemonė

Objektų šalinimo darbo krūvis pašalina objektus iš nuotraukų ir užpildo paliktą spragą, modeliuodamas turinį atitinkantį užpildymą ir „Google“ stebuklingą trintuką. Darbo krūviui suteikiamas 3 MP vaizdas su nepageidaujama sritimi, o darbo krūvis pašalina šią sritį ir naudoja piešimo schemą, kad atkurtų paliktą spragą.

Horizonto aptikimas

Horizonto aptikimo darbo krūvis gali aptikti ir ištiesinti nelygias ar kreivas horizonto linijas, kad būtų patobulintos nuotraukos. Jis modeliuoja horizonto linijos korektorius nuotraukų redagavimo programose ir naudoja „Canny“ krašto detektorių, kad pritaikytų Hough transformaciją, kad aptiktų horizonto liniją. Kaip įvestis naudoja 48 MP nuotrauką.

Nuotraukų filtras

Nuotraukų filtro darbo krūvis taiko filtrus, kad pagerintų nuotraukų išvaizdą, modeliuodami bendruosius filtrus tokiose socialinės žiniasklaidos programose kaip „Instagram“. Jis taiko šiuos efektus 10 skirtingų nuotraukų, kurių nuotraukos svyruoja nuo 3 MP iki 15 MP.

• Spalvų ir suliejimo filtrai
• Lygio reguliavimas
• Apkarpymas ir mastelio keitimas
• Vaizdo komponavimas

HDR

HDR darbo krūvis sujungia šešias įprastas nuotraukas, kad būtų sukurta viena spalvinga ir ryški HDR nuotrauka. Jis modeliuoja HDR funkcijas, esančias šiuolaikinėse išmaniųjų telefonų fotoaparatų programose, sukurdamas vieną 16 MP HDR vaizdą iš šešių 16 MP įprastų vaizdų.

Vaizdo sintezė

Šie darbo krūviai matuoja, kaip jūsų CPU gali susidoroti su visiškai dirbtinių vaizdų kūrimu.

Ray tracer

Spindulių sekimas yra labai populiarus ir gali būti naudojamas fotorealistiniams vaizdams generuoti modeliuojant, kaip šviesos spinduliai sąveikauja su objektais virtualiose scenose. Taip modeliuojami atvaizdavimo procesai, kuriuos naudotų 3D atvaizdavimo programinė įranga, pvz., „Blender“ arba „Cinema 4D“.

Struktūra nuo judesio

Struktūra iš judesio yra technika, kuri sukuria 3D geometriją iš kelių 2D vaizdų. Papildytos realybės sistemos naudoja tokius metodus, kad suprastų realaus pasaulio scenas. Šis darbo krūvis nufotografuoja devynis tos pačios scenos dvimačius vaizdus ir sukuria abiejuose vaizduose matomų taškų 3D koordinačių įvertinimą.

Kaip atsisiųsti Geekbench

„Geekbench“ yra vienas iš pagrindinių etalonų, kuriuos žmonės naudoja norėdami išbandyti tokius įrenginius kaip geriausi telefonai, nešiojamieji kompiuteriai ir tabletės, ir galite jį atsisiųsti iš Apple App Store, „Google Play“ parduotuvėje ir „Primate Labs“ svetainėje.