Geekbench: Kako dejansko deluje

Primerjalno testiranje pametnih telefonov in računalnikov vključuje testiranje delovanja naprav v nekaj različnih kategorijah. Primerjate lahko različne meritve, vključno z grafično zmogljivostjo, umetno inteligenco in računanjem. Geekbench je merilo uspešnosti, ki je postalo stalnica v svetu primerjalnega testiranja in je osredotočeno predvsem na računanje. Geekbench 6 je najnovejša različica, toda kaj točno je? Kaj testira in kako?

Kaj je Geekbench?

Geekbench je primerjalna aplikacija za več platform, ki lahko pripiše oceno tako enojedrnim kot večjedrnim računalniškim zmogljivostim vaše naprave. Ta rezultat se lahko uporabi kot primerjava s sosednjimi napravami in se umeri glede na a izhodiščna ocena 2500, za katero Primate Labs pravi, da je ocena Dell Precision 3460 z Intel Core i7-12700. Res je, da se zdi, da brskanje po rezultatih Geekbench 6 kaže na to, da ta CPE komaj zbere 2000 točk v enojedrni, a poleg tega predpostavka je, da naj bi imela naprava, ki doseže 5000, dvakrat večjo zmogljivost kot i7-12700.

V primeru Geekbench 6 je to najnovejša ponovitev zbirke primerjalnih analiz Geekbench, njen cilj pa je izmerite zmogljivosti svojega pametnega telefona na načine, ki so dejansko pomembni, ko gre za uporabo katerega koli od najboljši telefoni.

• Večje fotografije v ločljivostih, posnetih s sodobnimi pametnimi telefoni (12-48MP)
• Primeri HTML, ki predstavljajo sodobne standarde spletnega oblikovanja
• Večja knjižnica slik za teste uvoza
• Večji zemljevidi za navigacijske teste
• Večji in sodobnejši primeri PDF
• Povečanje velikosti delovne obremenitve Clang

Obstajajo tudi računalniški testi GPE in lahko testira OpenCL, Metal in Vulkan. Primerjalno merilo GPU računanja uporablja delovne obremenitve strojnega učenja, kot sta zameglitev ozadja in zaznavanje obrazov, za preizkušanje zmožnosti prepoznavanja predmetov. Poleg tega izvaja delovne obremenitve urejanja slik, kot so zaznavanje horizonta, zaznavanje robov in Gaussova zameglitev. Nazadnje obstajajo delovne obremenitve sinteze slik, ki izvajajo ujemanje funkcij in stereo ujemanje, skupaj s simulacijskim merilom uspešnosti, ki simulira fiziko delcev.

Katere platforme podpira Geekbench 6?

Geekbench 6 podpira naslednje platforme, s podporo za Windows on Arm za nekatere najboljši prenosniki naj bi prišel z Geekbench 6.1:

Kako deluje Geekbenchovo merilo CPU?

Geekbenchovo merilo uspešnosti procesorja je razdeljeno na več ključnih testov, ki imajo enojedrni in večjedrni del. Vsak razdelek je združen v dva pododdelka: delovne obremenitve s celimi števili in delovne obremenitve s plavajočo vejico. Med vsakim preizkusom sta privzeto dve sekundi presledka, da se čim bolj zmanjša učinek toplotnih težav na delovanje.

Geekbench 6 je uvedel skupni model nalog za večnitno testiranje, kjer so delovne obremenitve deljene v več nitih, da bi predstavljale bolj realistične delovne obremenitve. Prej je Geekbench razporedil delovne obremenitve po posameznih nitih, kar se je dobro prilagajalo, vendar ponuja zelo malo komunikacije med nitmi. V primeru modelov nalog v skupni rabi vsaka nit obdela del večje naloge v skupni rabi. Ne spreminja se tako dobro, vendar je bolj reprezentativen za primere uporabe v resničnem svetu.

Rezultati se izračunajo z uporabo utežene aritmetične sredine rezultatov pododdelkov s celim številom pododdelek, ki predstavlja 65 % ocene, in pododdelek s plavajočo vejico, ki predstavlja preostalih 35 %.

Glede tega, kako Geekbench preizkuša zmogljivost nabora čipov vaše naprave, preizkuša različne vrste delovnih obremenitev, razdeljenih v kategorije. Te kategorije so razdeljene na produktivnost, razvijalce, strojno učenje in sintezo slik.

Geekbench 6 Produktivne delovne obremenitve

To so delovne obremenitve, ki preverjajo, kako učinkovita je vaša naprava pri vsakodnevnih kritičnih nalogah.

Stiskanje datotek

Delovne obremenitve stiskanja datotek preverjajo, kako dobra je vaša naprava pri stiskanju in razpakiranju datotek z uporabo različnih formatov stiskanja. Modelira uporabo primerov, ko uporabnik morda želi stisniti datoteko, da jo pošlje nekomu drugemu, da bi zmanjšal podatke in pasovno širino. Stisne izvorni arhiv Ruby 3.1.2, ki je 75 MB velik arhiv, ki vsebuje 9841 datotek, z uporabo stiskanja LZ4 in ZSTD. Nato preveri stisnjene datoteke prek zgoščene vrednosti SHA-1.

Te datoteke se nato shranijo z uporabo šifriranega datotečnega sistema v pomnilniku, ta delovna obremenitev pa uporablja navodila, ki pospešijo šifriranje in dešifriranje AES. Uporablja tudi navodila, ki pospešijo algoritme zgoščevanja SHA-1.

Navigacija

Uporabljamo navigacijo prek vseh vrst naprav, predvsem pametnih telefonov. Delovna obremenitev navigacije je namenjena ustvarjanju navodil med zaporedjem lokacij in modelira ljudi, ki uporabljajo aplikacije, kot je Google Zemljevidi, v načinu brez povezave. Uporablja Dijkstrajev algoritem za izračun 24 različnih poti na dveh različnih zemljevidih ​​OpenStreetMap. Eden je v Waterlooju v Ontariu, drugi pa v Torontu v Ontariu.

Brskalnik HTML5

Brskalnik HTML5 odpre številne strani HTML5 in modelira uporabnika, ki brska po spletu v sodobnem brskalniku, kot sta Chrome ali Safari. Uporablja brezglavi brskalnik in odpira, razčlenjuje, postavlja in upodablja besedila in slike na podlagi priljubljenih spletnih mest, vključno z Instagramom, Wikipedijo in Ars Technica. Uporablja naslednje knjižnice:

• Google Gumbo kot razčlenjevalnik HTML
• litehtml kot razčlenjevalnik CSS, mehanizem za postavitev in upodabljanje
• FreeType kot mehanizem pisav
• Anti-Grain Geometry kot knjižnica za upodabljanje 2D grafike
• libjpeg-turbo in libpng kot slikovna kodeka

Ta preizkus upodablja osem strani v enojedrnem načinu in 32 strani v večjedrnem načinu.

Upodabljanje PDF

Delovna obremenitev upodabljanja PDF odpira zapletene dokumente PDF s pomočjo PDFiuma, ki je Chromov upodabljalnik PDF. Upodablja datoteke PDF zemljevidov parkov ameriške službe za nacionalne parke, velikosti od 897 kb do 1,5 MB. Te datoteke vsebujejo velike vektorske slike, črte in besedilo.

Ta preizkus upodablja štiri PDF-je v enojedrnem načinu in 16 PDF-jev v večjedrnem načinu.

Knjižnica fotografij

Delovna obremenitev organizacije fotografij kategorizira in označuje fotografije na podlagi predmetov, ki jih vsebujejo, kar uporabnikom omogoča iskanje fotografij po ključnih besedah ​​v aplikacijah za urejanje slik. Uporablja MobileNet 1.0 za razvrščanje fotografij in bazo podatkov SQLite za shranjevanje metapodatkov fotografij poleg njihovih oznak.

Ta delovna obremenitev izvede naslednje korake za vsako fotografijo:

1. Raztegnite fotografijo iz stisnjene datoteke JPEG.
2. Shranite metapodatke o fotografijah v zbirko podatkov SQLite. Ta zbirka podatkov je vnaprej napolnjena z metapodatki za več kot 70.000 fotografij.
3. Ustvarite sličico predogleda in jo kodirajte kot JPEG.
4. Ustvarite sličico sklepanja.
5. Zaženite model klasifikacije slike na sličici sklepanja.
6. Shranite oznake za klasifikacijo slik v zbirko podatkov SQLite.

Delovna obremenitev knjižnice fotografij deluje na 16 fotografijah v enojedrnem načinu in 64 fotografijah v večjedrnem načinu.

Geekbench 6 Delovne obremenitve razvijalcev

Delovne obremenitve razvijalcev v Geekbenchu ​​6 merijo, kako dobro vaša naprava obravnava tipične naloge razvijalcev, kot so urejanje besedila, prevajanje kode in stiskanje sredstev.

Clang

Prevajalnik Clang se uporablja za prevajanje tolmača Lua, modeliranje primera uporabe razvijalcev, ki gradijo svojo kodo in pravočasno prevajanje, ki ga bodo uporabniki pogosto izkusili na svojih napravah. Uporablja musl libc kot standardno knjižnico C za prevedene datoteke. Prevaja osem datotek v enojedrnem in 96 datotek v večjedrnem načinu.

Obdelava besedila

Obdelava besedila naloži številne datoteke, razčleni njihovo vsebino z uporabo regularnih izrazov, shrani metapodatke v zbirko podatkov SQLite in izvozi vsebino v drug format. Modelira tipične algoritme za obdelavo besedila, ki manipulirajo, analizirajo in preoblikujejo podatke za objavo in pridobitev vpogleda.

Ta delovna obremenitev je implementirana v mešanici Pythona in C++, z uporabo Pythona 3.9.0 in obdelavo 190 markdown datotek za vnos.

Stiskanje sredstev

Stiskanje sredstev stisne 3D teksturna in geometrijska sredstva z uporabo različnih priljubljenih kodekov za stiskanje, kot so ASTC, BC7 in DXT5. Modelira standardne cevovode za stiskanje vsebine, ki jih uporabljajo razvijalci iger.

Delovna obremenitev uporablja bc7enc za implementacije BC& in DXTC ter kodirnik Arm ASTC za implementacijo ASTC.

Delovne obremenitve strojnega učenja

Delovne obremenitve strojnega učenja predvsem merijo, kako dobro lahko vaš CPE obravnava prepoznavanje predmetov na slikah in prizorih.

Zaznavanje predmetov

Delovna obremenitev za odkrivanje predmetov uporablja strojno učenje, da lahko zazna in razvrsti predmete na fotografijah. Za zaznavanje in razvrščanje objektov na fotografijah uporablja konvolucijsko nevronsko mrežo, imenovano MobileNet v1 SSD, fotografije pa so velikosti 300x300 slikovnih pik. Za prepoznavanje predmetov na sliki izvede naslednje korake:

1. Naložite fotografijo
2. Ekstrahirajte predmete iz fotografije z uporabo MobileNet v1 SSD
3. Ustvarite oceno zaupanja ali zaznave, ki predstavlja natančnost zaznave
4. Okoli predmeta narišite omejevalni okvir in izpišite oceno zaupanja

Zaznavanje predmetov obdela 16 fotografij v enojedrnem načinu in 64 fotografij v večjedrnem načinu.

Zameglitev ozadja

Delovna obremenitev zameglitve ozadja loči ospredje od ozadja v video tokovih in zamegli ozadje, tako kot to zmorejo storitve, kot so Zoom, Discord in Google Meet.

Urejanje slik

Delovne obremenitve urejanja slik merijo, kako dobro lahko vaš CPE obravnava preprosta in zapletena urejanja slik.

Odstranjevalec predmetov

Delovna obremenitev za odstranjevanje predmetov odstrani predmete s fotografij in zapolni vrzel, ki ostane za njimi, modelira vsebinsko zapolnjeno in Googlovo lastno Magic Eraser. Delovni obremenitvi je zagotovljena slika 3 MP z nezaželeno regijo, delovna obremenitev pa odstrani to regijo in uporabi shemo slikanja za rekonstrukcijo vrzeli, ki ostane zadaj.

Zaznavanje horizonta

Delovna obremenitev zaznavanja obzorja lahko zazna in poravna neravne ali ukrivljene linije obzorja, da izboljša fotografije. Modelira korektorje obzorja v aplikacijah za urejanje fotografij in uporablja detektor robov Canny za uporabo Houghove transformacije za zaznavanje obzorja. Kot vhod uporablja fotografijo 48 MP.

Foto filter

Delovna obremenitev foto filtra uporablja filtre za izboljšanje videza fotografije, modeliranje običajnih filtrov v aplikacijah družbenih medijev, kot je Instagram. Naslednje učinke uporabi za 10 različnih fotografij, pri čemer so fotografije velikosti od 3 MP do 15 MP.

• Barvni in zamegljeni filtri
• Prilagoditve ravni
• Obrezovanje in skaliranje
• Sestavljanje slik

HDR

Delovna obremenitev HDR združi šest običajnih fotografij, da ustvari eno barvito in živahno fotografijo HDR. Modelira funkcije HDR, ki jih najdemo v sodobnih aplikacijah za kamere pametnih telefonov, in ustvari eno sliko HDR s 16 MP iz šestih navadnih slik s 16 MP.

Sinteza slike

Te delovne obremenitve merijo, kako lahko vaš CPE obvlada ustvarjanje popolnoma umetnih slik.

Sledilnik žarkov

Sledenje žarkom je v modi in ga je mogoče uporabiti za ustvarjanje fotorealističnih slik z modeliranjem interakcije svetlobnih žarkov s predmeti v virtualnih prizorih. To modelira postopke upodabljanja, ki bi jih uporabljala programska oprema za 3D upodabljanje, kot sta Blender ali Cinema 4D.

Struktura iz gibanja

Struktura iz gibanja je tehnika, ki ustvari 3D geometrijo iz več 2D slik. Sistemi razširjene resničnosti uporabljajo takšne tehnike za razumevanje prizorov iz resničnega sveta. Ta delovna obremenitev zajema devet 2D slik iste scene in sestavi oceno 3D koordinat točk, ki so vidne na obeh slikah.

Kako prenesti Geekbench

Geekbench je eno od primerjalnih meril, ki ga ljudje uporabljajo za preizkušanje naprav, kot so najboljši telefoni, prenosniki in tablete, in ga lahko prenesete iz Apple App Store, Trgovina Google Play in spletnem mestu Primate Labs.