Geekbench: kā tas faktiski darbojas

Viedtālruņu un datoru salīdzinošā novērtēšana ietver ierīču veiktspējas testēšanu dažās dažādās kategorijās. Varat salīdzināt dažādus dažādus rādītājus, tostarp grafisko veiktspēju, mākslīgo intelektu un aprēķinus. Geekbench ir etalons, kas ir kļuvis par etalonuzdevumu pasaules pamatelementu, un tas galvenokārt ir vērsts uz aprēķiniem. Geekbench 6 ir jaunākā versija, bet kas tā īsti ir? Ko tas pārbauda un kā?

Kas ir Geekbench?

Geekbench ir starpplatformu etalonuzdevumu lietojumprogramma, kas var piešķirt punktu skaitu gan jūsu ierīces viena kodola, gan daudzkodolu skaitļošanas iespējām. Šo rādītāju var izmantot kā salīdzināšanas punktu ar blakus esošajām ierīcēm, un tas ir kalibrēts pret a Sākotnējais rādītājs ir 2500, kas, kā norāda Primate Labs, ir Dell Precision 3460 ar Intel Core rādītājs. i7-12700. Jāatzīst, ka Geekbench 6 rezultātu pārlūkošana, šķiet, norāda uz to, ka konkrētais CPU tikai knapi nokasa 2000 punktus. viena kodola, taču tiek pieņemts, ka ierīcei, kuras vērtējums ir 5000, ir divreiz lielāka veiktspēja nekā ierīcei. i7-12700.

Geekbench 6 gadījumā tā ir jaunākā Geekbench etalonuzdevumu komplekta iterācija, un tā mērķis ir Izmēriet viedtālruņa iespējas tādos veidos, kas faktiski ir svarīgi, kad runa ir par jebkura no viedtālruņa izmantošanu labākie telefoni.

• Lielāki fotoattēli ar izšķirtspēju, kas uzņemti ar mūsdienu viedtālruņiem (12–48 MP)
• HTML piemēri, kas reprezentē mūsdienu tīmekļa dizaina standartus
• Lielāka attēlu bibliotēka importēšanas testiem
• Lielākas kartes navigācijas testiem
• Lielāki un modernāki PDF piemēri
• Clang darba slodzes palielināšana

Ir arī GPU skaitļošanas testi, un tas var pārbaudīt OpenCL, Metal un Vulkan. GPU skaitļošanas etalons izmanto mašīnmācīšanās darba slodzes, piemēram, fona izplūšanu un sejas noteikšanu, lai pārbaudītu objektu atpazīšanas iespējas. Papildus tam tiek veiktas attēlu rediģēšanas darba slodzes, piemēram, horizonta noteikšana, malu noteikšana un Gausa izplūšana. Visbeidzot, ir attēlu sintēzes darba slodzes, kas veic funkciju saskaņošanu un stereo saskaņošanu, kā arī simulācijas etalons, kas simulē daļiņu fiziku.

Kādas platformas atbalsta Geekbench 6?

Geekbench 6 atbalsta tālāk norādītās platformas, ar Windows on Arm atbalstu dažām platformām labākie klēpjdatori komplektā ar Geekbench 6.1:

Kā darbojas Geekbench CPU etalons?

Geekbench CPU etalons ir sadalīts vairākos galvenajos testos, kuriem ir viena kodola un daudzkodolu sadaļa. Katra sadaļa ir sagrupēta divās apakšsadaļās: veselu skaitļu darba slodzes un peldošā komata darba slodzes. Pēc noklusējuma starp katru testu ir divu sekunžu atstarpes, lai samazinātu termisko problēmu ietekmi uz veiktspēju.

Geekbench 6 ieviesa kopīgu uzdevumu modeli vairāku pavedienu testēšanai, kur darba slodzes tiek koplietotas vairākos pavedienos, lai attēlotu reālistiskāku darba slodzi. Iepriekš Geekbench sadalīja darba slodzi pa atsevišķiem pavedieniem, kas ir labi mērogojams, taču piedāvā ļoti mazu savstarpējo saziņu. Kopīgotu uzdevumu modeļu gadījumā katrs pavediens apstrādā daļu no lielāka koplietota uzdevuma. Tas nav tik labi mērogots, bet vairāk atspoguļo reālās pasaules lietošanas gadījumus.

Rezultāti tiek aprēķināti, izmantojot apakšsadaļas punktu svērto aritmētisko vidējo ar veselu skaitli apakšiedaļa, kas veido 65% no rezultāta, un peldošā komata apakšiedaļa, kas veido atlikušie 35%.

Attiecībā uz to, kā Geekbench pārbauda jūsu ierīces mikroshēmojuma iespējas, tas pārbauda dažāda veida darba slodzes, kas sadalītas kategorijās. Šīs kategorijas ir sadalītas produktivitātē, izstrādātājā, mašīnmācībā un attēlu sintēzē.

Geekbench 6 produktivitātes darba slodzes

Šīs ir darba slodzes, kas pārbauda jūsu ierīces veiktspēju ikdienas svarīgu uzdevumu veikšanā.

Failu saspiešana

Failu saspiešanas darba slodzes pārbauda, ​​cik labi jūsu ierīce spēj saspiest un atspiest failus, izmantojot dažādus saspiešanas formātus. Tas modelē gadījumus, kad lietotājs var mēģināt saspiest failu, lai to nosūtītu kādam citam, lai samazinātu datu apjomu un joslas platumu. Tas saspiež Ruby 3.1.2 avota arhīvu, kas ir 75 MB arhīvs, kurā ir 9841 fails, izmantojot LZ4 un ZSTD kompresiju. Pēc tam tas pārbauda saspiestos failus, izmantojot SHA-1 hash.

Pēc tam šie faili tiek saglabāti, izmantojot atmiņā šifrētu failu sistēmu, un šī darba slodze izmanto instrukcijas, kas paātrina AES šifrēšanu un atšifrēšanu. Tas arī izmanto instrukcijas, kas paātrina SHA-1 jaukšanas algoritmus.

Navigācija

Mēs izmantojam navigāciju visās ierīcēs, īpaši viedtālruņos. Navigācijas darba slodzes mērķis ir ģenerēt norādes starp atrašanās vietu secību un modelēt cilvēkus, kuri bezsaistes režīmā izmanto tādas lietotnes kā Google Maps. Tas izmanto Dijkstra algoritmu, lai aprēķinātu 24 dažādus maršrutus divās dažādās OpenStreetMap kartēs. Viens atrodas Vaterlo, Ontārio štatā, un viens atrodas Toronto, Ontario.

HTML5 pārlūks

HTML5 pārlūks atver vairākas HTML5 lapas un modelē lietotāju, kas pārlūko tīmekli modernā pārlūkprogrammā, piemēram, Chrome vai Safari. Tas izmanto bezgalvu pārlūkprogrammu un atver, parsē, izkārto un renderē tekstus un attēlus, pamatojoties uz populārām vietnēm, tostarp Instagram, Wikipedia un Ars Technica. Tas izmanto šādas bibliotēkas:

• Google Gumbo kā HTML parsētājs
• litehtml kā CSS parsētājs, izkārtojums un renderēšanas dzinējs
• FreeType kā fontu dzinējs
• Anti-Grain Geometry kā 2D grafikas renderēšanas bibliotēka
• libjpeg-turbo un libpng kā attēla kodekus

Šis tests atveido astoņas lapas viena kodola režīmā un 32 lapas vairāku kodolu režīmā.

PDF renderētājs

PDF renderēšanas darba slodze atver sarežģītus PDF dokumentus, izmantojot PDFium, kas ir Chrome PDF renderētājs. Tas atveido Amerikas Nacionālā parka dienesta parku karšu PDF failus ar izmēriem no 897 KB līdz 1,5 MB. Šajos failos ir lieli vektora attēli, līnijas un teksts.

Šis tests atveido četrus PDF failus viena kodola režīmā un 16 PDF failus vairāku kodolu režīmā.

Fotogrāfiju bibliotēka

Fotoattēlu organizēšanas darba slodze kategorizē un atzīmē fotoattēlus, pamatojoties uz tajos esošajiem objektiem, ļaujot lietotājiem attēlu organizētāju lietotnēs meklēt savus fotoattēlus pēc atslēgvārda. Tā izmanto MobileNet 1.0, lai klasificētu fotoattēlus, un SQLite datu bāzi, lai saglabātu fotoattēlu metadatus kopā ar to atzīmēm.

Šī darba slodze katram fotoattēlam veic šādas darbības:

1. Atspiediet fotoattēlu no saspiesta JPEG faila.
2. Saglabājiet fotoattēlu metadatus SQLite datu bāzē. Šī datu bāze ir iepriekš aizpildīta ar metadatiem vairāk nekā 70 000 fotoattēlu.
3. Ģenerējiet priekšskatījuma sīktēlu un iekodējiet to kā JPEG.
4. Ģenerējiet secinājuma sīktēlu.
5. Palaidiet attēla klasifikācijas modeli uz secinājuma sīktēla.
6. Glabājiet attēlu klasifikācijas tagus SQLite datu bāzē.

Fotoattēlu bibliotēkas darba slodze darbojas ar 16 fotoattēliem viena kodola režīmā un 64 fotoattēliem vairāku kodolu režīmā.

Geekbench 6 izstrādātāju darba slodzes

Izstrādātāju darba slodzes Geekbench 6 mēra, cik labi jūsu ierīce tiek galā ar tipiskiem izstrādātāja uzdevumiem, piemēram, teksta rediģēšanu, koda apkopošanu un līdzekļu saspiešanu.

zvana

Clang kompilators tiek izmantots, lai kompilētu Lua tulku, modelējot izstrādātāju lietošanas gadījumu, veidojot savu kodu, un kompilāciju tieši laikā, ko lietotāji bieži pieredzēs savās ierīcēs. Tas izmanto musl libc kā C standarta bibliotēku apkopotajiem failiem. Tas apkopo astoņus failus viena kodola režīmā un 96 failus daudzkodolu režīmā.

Teksta apstrāde

Teksta apstrāde ielādē daudzus failus, parsē to saturu, izmantojot regulāras izteiksmes, saglabā metadatus SQLite datu bāzē un eksportē saturu citā formātā. Tas modelē tipiskus teksta apstrādes algoritmus, kas manipulē, analizē un pārveido datus publicēšanai un ieskatu iegūšanai.

Šī darba slodze ir ieviesta Python un C++ kombinācijā, izmantojot Python 3.9.0 un apstrādājot ievadei 190 atzīmes failus.

Līdzekļu saspiešana

Līdzekļu saspiešana saspiež 3D tekstūras un ģeometriskus līdzekļus, izmantojot dažādus populārus kompresijas kodekus, piemēram, ASTC, BC7 un DXT5. Tas modelē standarta satura saspiešanas cauruļvadus, ko izmanto spēļu izstrādātāji.

Darba slodze izmanto bc7enc BC& un DXTC ieviešanai un Arm ASTC Encoder tā ASTC ieviešanai.

Mašīnmācīšanās darba slodzes

Mašīnmācīšanās darba slodze galvenokārt mēra, cik labi jūsu centrālais procesors spēj atpazīt objektus attēlos un ainās.

Objektu noteikšana

Objektu noteikšanas darba slodze izmanto mašīnmācīšanos, lai tā varētu atklāt un klasificēt objektus fotoattēlos. Tas izmanto konvolucionālo neironu tīklu, ko sauc par MobileNet v1 SSD, lai atklātu un klasificētu objektus fotoattēlos, un fotoattēlu izmērs ir 300x300 pikseļi. Tas veic šādas darbības, lai attēlā identificētu objektus:

1. Ielādējiet fotoattēlu
2. Izņemiet objektus no fotoattēla, izmantojot MobileNet v1 SSD
3. Izveidojiet ticamības vai noteikšanas punktu skaitu, kas atspoguļo noteikšanas precizitāti
4. Uzzīmējiet robežlodziņu ap objektu un izvadiet ticamības rādītāju

Objektu noteikšana apstrādā 16 fotoattēlus viena kodola režīmā un 64 fotoattēlus vairāku kodolu režīmā.

Fona izplūdums

Fona aizmiglošanas darba slodze atdala priekšplānu no fona video straumēs un aizmiglo fonu, tāpat kā to var darīt tādi pakalpojumi kā Zoom, Discord un Google Meet.

Attēlu rediģēšana

Attēlu rediģēšanas darba slodze mēra, cik labi jūsu centrālais procesors spēj apstrādāt gan vienkāršus, gan sarežģītus attēlu rediģēšanas darbus.

Objektu noņēmējs

Objektu noņemšanas darba slodze noņem objektus no fotoattēliem un aizpilda atstāto atstarpi, modelējot saturam atbilstošu aizpildījumu un Google Magic Eraser. Darba slodzei tiek nodrošināts 3 MP attēls ar nevēlamu reģionu, un darba slodze noņem šo reģionu un izmanto iekrāsošanas shēmu, lai rekonstruētu atstāto atstarpi.

Horizonta noteikšana

Horizonta noteikšanas darba slodze var atklāt un iztaisnot nevienmērīgas vai greizas horizonta līnijas, lai uzlabotu fotoattēlus. Tā modelē horizonta līniju korektorus fotoattēlu rediģēšanas lietotnēs un izmanto Canny malu detektoru, lai izmantotu Hough transformāciju, lai noteiktu horizonta līniju. Tas izmanto 48 MP fotoattēlu kā ievadi.

Fotoattēlu filtrs

Fotoattēlu filtra darba slodze izmanto filtrus, lai uzlabotu fotoattēlu izskatu, modelējot izplatītos filtrus sociālo mediju lietotnēs, piemēram, Instagram. Tā piemēro šādus efektus 10 dažādiem fotoattēliem, kuru izmērs ir no 3 MP līdz 15 MP.

• Krāsu un izplūšanas filtri
• Līmeņa regulēšana
• Apgriešana un mērogošana
• Attēlu komponēšana

HDR

HDR darba slodze apvieno sešus parastos fotoattēlus, lai izveidotu vienu HDR fotoattēlu, kas ir krāsains un dinamisks. Tas modelē HDR funkcijas, kas atrodamas mūsdienu viedtālruņu kameru lietotnēs, izveidojot vienu 16MP HDR attēlu no sešiem 16MP parastajiem attēliem.

Attēlu sintēze

Šīs darba slodzes mēra, kā jūsu centrālais procesors spēj izveidot pilnīgi mākslīgus attēlus.

Staru izsekotājs

Staru izsekošana ir populāra, un to var izmantot, lai radītu fotoreālistiskus attēlus, modelējot gaismas staru mijiedarbību ar objektiem virtuālās ainās. Tas modelē renderēšanas procesus, ko izmantotu 3D renderēšanas programmatūra, piemēram, Blender vai Cinema 4D.

Struktūra no kustības

Struktūra no kustības ir paņēmiens, kas ģenerē 3D ģeometriju no vairākiem 2D attēliem. Papildinātās realitātes sistēmas izmanto šādas metodes, lai izprastu reālās pasaules ainas. Šī darba slodze uzņem deviņus vienas un tās pašas ainas 2D attēlus un konstruē abos attēlos redzamo punktu 3D koordinātas.

Kā lejupielādēt Geekbench

Geekbench ir viens no populārākajiem etaloniem, ko cilvēki izmanto, lai pārbaudītu ierīces, piemēram, labākos tālruņus, klēpjdatorus un tabletes, un varat to lejupielādēt no vietnes Apple App Store, Google Play veikals un Primate Labs vietne.