Geekbench: Aslında nasıl çalışıyor?

Akıllı telefonların ve bilgisayarların karşılaştırılması, cihaz performansının birkaç farklı kategoride test edilmesini içerir. Grafik performansı, yapay zeka ve hesaplama dahil olmak üzere çeşitli farklı ölçümleri karşılaştırabilirsiniz. Geekbench, kıyaslama dünyasının temelini oluşturan bir kıyaslamadır ve öncelikle hesaplamaya odaklanmıştır. Geekbench 6 en son sürüm, peki tam olarak nedir? Neyi test ediyor ve nasıl?

Geekbench nedir?

Geekbench, cihazınızın hem tek çekirdekli hem de çok çekirdekli hesaplama yeteneklerine puan atayabilen, platformlar arası bir kıyaslama uygulamasıdır. Bu puan, bitişik cihazlara karşı bir karşılaştırma noktası olarak kullanılabilir ve bir Primate Labs'ın söylediğine göre 2.500'lük temel puan, Intel Core'lu Dell Precision 3460'ın puanı i7-12700. Kuşkusuz, Geekbench 6 puanlarına göz atmak, söz konusu CPU'nun yalnızca 2000 puan aldığını gösteriyor tek çekirdekli, ancak bunun dışında 5000 puan alan bir cihazın performansının iki kat daha fazla olduğu söyleniyor. i7-12700.

Geekbench 6, Geekbench kıyaslama paketinin en son versiyonudur ve şunları amaçlamaktadır: Akıllı telefonunuzun yeteneklerini, herhangi bir özelliğin kullanımı söz konusu olduğunda gerçekten önemli olan yollarla ölçün. en iyi telefonlar.

• Modern akıllı telefonların yakaladığı çözünürlüklerde daha büyük fotoğraflar (12-48MP)
• Modern web tasarım standartlarını temsil eden HTML örnekleri
• İçe aktarma testleri için daha geniş bir görsel kitaplığı
• Navigasyon testleri için daha büyük haritalar
• Daha büyük ve daha modern PDF örnekleri
• Clang iş yükü boyutunda artış

GPU hesaplama testleri de var ve OpenCL, Metal ve Vulkan'ı test edebiliyor. GPU hesaplama kıyaslaması, nesne tanıma yeteneklerini test etmek için arka plan bulanıklığı ve yüz algılama gibi makine öğrenimi iş yüklerinden yararlanır. Bunun da ötesinde ufuk algılama, kenar algılama ve Gauss bulanıklığı gibi görüntü düzenleme iş yüklerini çalıştırır. Son olarak, özellik eşleştirmeyi ve stereo eşleştirmeyi yürüten görüntü sentezi iş yüklerinin yanı sıra parçacık fiziğini simüle eden bir simülasyon karşılaştırması da vardır.

Geekbench 6 hangi platformları destekliyor?

Geekbench 6, bazı platformlar için Windows on Arm desteğiyle aşağıdaki platformları destekler: en iyi dizüstü bilgisayarlar Geekbench 6.1 ile birlikte gelecek:

Geekbench'in CPU kıyaslaması nasıl çalışıyor?

Geekbench'in CPU kıyaslaması, tek çekirdekli ve çok çekirdekli bölümleri olan bir dizi önemli teste ayrılmıştır. Her bölüm iki alt bölüme ayrılmıştır: tamsayı iş yükleri ve kayan nokta iş yükleri. Termal sorunların performans üzerindeki etkisini en aza indirmek için her test arasında varsayılan olarak iki saniyelik boşluklar bulunur.

Geekbench 6, daha gerçekçi iş yüklerini temsil etmek amacıyla iş yüklerinin birden fazla iş parçacığı arasında paylaşıldığı, çoklu iş parçacığı testi için paylaşılan bir görev modelini tanıttı. Daha önce Geekbench, iş yüklerini bireysel iş parçacıklarına dağıtıyordu; bu da iyi ölçekleniyor ancak iş parçacıkları arası iletişim çok az sunuyordu. Paylaşılan görev modellerinde, her iş parçacığı daha büyük bir paylaşılan görevin bir kısmını işler. Aynı şekilde ölçeklenmiyor ancak gerçek dünyadaki kullanım durumlarını daha iyi temsil ediyor.

Puanlar, alt bölüm puanlarının tam sayı ile ağırlıklı aritmetik ortalaması kullanılarak hesaplanır. puanın %65'ini oluşturan alt bölüm ve puanın %65'ini oluşturan kayan nokta alt bölümü kalan %35.

Geekbench'in cihazınızın yonga setinin yeteneğini nasıl test ettiğine gelince, kategorilere ayrılmış farklı iş yükü türlerini test eder. Bu kategoriler üretkenlik, geliştirici, makine öğrenimi ve görüntü sentezi olarak ayrılmıştır.

Geekbench 6 Üretkenlik iş yükleri

Bunlar, cihazınızın günlük kritik görevlerde ne kadar performanslı olduğunu test eden iş yükleridir.

Dosya Sıkıştırması

Dosya sıkıştırma iş yükleri, cihazınızın farklı sıkıştırma formatlarını kullanarak dosyaları sıkıştırma ve açma konusunda ne kadar iyi olduğunu test eder. Verileri ve bant genişliğini azaltmak amacıyla bir kullanıcının başka birine göndermek üzere bir dosyayı sıkıştırmaya çalışabileceği kullanım durumlarını modeller. 9.841 dosya içeren 75 MB'lık bir arşiv olan Ruby 3.1.2 kaynak arşivini LZ4 ve ZSTD sıkıştırmasını kullanarak sıkıştırır. Daha sonra sıkıştırılmış dosyaları bir SHA-1 karması aracılığıyla doğrular.

Bu dosyalar daha sonra bellek içi şifrelenmiş bir dosya sistemi kullanılarak depolanır ve bu iş yükü, AES şifrelemesini ve şifre çözmeyi hızlandıran talimatları kullanır. Ayrıca SHA-1 karma algoritmalarını hızlandıran talimatları da kullanır.

Navigasyon

Navigasyonu her türlü cihazda, özellikle de akıllı telefonlarda kullanıyoruz. Navigasyon iş yükü, bir dizi konum arasında yol tarifleri oluşturmayı ve Google Haritalar gibi uygulamaları çevrimdışı modda kullanan kişileri modellemeyi amaçlar. İki farklı OpenStreetMap haritasında 24 farklı rotayı hesaplamak için Dijkstra'nın algoritmasını kullanıyor. Biri Waterloo, Ontario'da ve diğeri Toronto, Ontario'da.

HTML5 Tarayıcı

HTML5 tarayıcısı bir dizi HTML5 sayfasını açar ve web'de Chrome veya Safari gibi modern bir tarayıcıda gezinen kullanıcıyı modeller. Başsız bir tarayıcı kullanır ve Instagram, Wikipedia ve dahil olmak üzere popüler sitelere dayalı olarak metinleri ve görselleri açar, ayrıştırır, düzenler ve işler. Ars Teknik. Aşağıdaki kütüphaneleri kullanır:

• HTML ayrıştırıcısı olarak Google Gumbo
• CSS ayrıştırıcı, düzen ve oluşturma motoru olarak litehtml
• Font motoru olarak FreeType
• 2D grafik oluşturma kitaplığı olarak Tahıl Karşıtı Geometri
• Görüntü codec'leri olarak libjpeg-turbo ve libpng

Bu test, tek çekirdekli modda sekiz sayfa ve çok çekirdekli modda 32 sayfa oluşturur.

PDF Oluşturma

PDF oluşturma iş yükü, Chrome'un PDF oluşturucusu olan PDFium'u kullanarak karmaşık PDF belgelerini açar. Amerika Ulusal Park Servisi'nin park haritalarının PDF'lerini 897kb ile 1,5MB arasında değişen boyutlarda oluşturur. Bu dosyalar büyük vektör görselleri, çizgiler ve metin içerir.

Bu test, tek çekirdekli modda dört PDF ve çok çekirdekli modda 16 PDF oluşturur.

Fotoğraf kütüphanesi

Fotoğraf düzenleme iş yükü, fotoğrafları içerdikleri nesnelere göre kategorilere ayırıp etiketleyerek kullanıcıların, resim düzenleyici uygulamalarında fotoğraflarını anahtar kelimeye göre aramalarına olanak tanır. Fotoğrafları sınıflandırmak için MobileNet 1.0'ı ve fotoğraf meta verilerini etiketlerinin yanında saklamak için bir SQLite veritabanını kullanır.

Bu iş yükü her fotoğraf için aşağıdaki adımları gerçekleştirir:

1. Sıkıştırılmış bir JPEG dosyasındaki fotoğrafın sıkıştırmasını açın.
2. Fotoğraf meta verilerini bir SQLite veritabanında saklayın. Bu veritabanı 70.000'den fazla fotoğrafa ait meta verilerle önceden doldurulmuştur.
3. Bir önizleme küçük resmi oluşturun ve bunu JPEG olarak kodlayın.
4. Bir çıkarım küçük resmi oluşturun.
5. Çıkarım küçük resminde bir görüntü sınıflandırma modeli çalıştırın.
6. Görüntü sınıflandırma etiketlerini bir SQLite veritabanında saklayın.

Fotoğraf kitaplığı iş yükü, tek çekirdekli modda 16 fotoğraf ve çok çekirdekli modda 64 fotoğrafla çalışır.

Geekbench 6 Geliştirici iş yükleri

Geekbench 6'daki geliştirici iş yükleri, cihazınızın metin düzenleme, kod derleme ve varlık sıkıştırma gibi tipik geliştirici görevlerini ne kadar iyi yerine getirdiğini ölçer.

çıngırak

Clang derleyicisi, Lua yorumlayıcısını derlemek için kullanılır; geliştiricilerin kendi kodlarını oluşturma kullanım durumlarını ve kullanıcıların cihazlarında sıklıkla deneyimleyeceği tam zamanında derlemeyi modellemektedir. Derlenen dosyalar için C standart kütüphanesi olarak musl libc'yi kullanır. Tek çekirdekli sekiz dosyayı ve çok çekirdekli modda 96 dosyayı derler.

Metin işleme

Metin işleme çok sayıda dosya yükler, içeriklerini normal ifadeler kullanarak ayrıştırır, meta verileri bir SQLite veritabanında saklar ve içeriği farklı bir formata aktarır. Yayınlama ve öngörü kazanımı için verileri işleyen, analiz eden ve dönüştüren tipik metin işleme algoritmalarını modeller.

Bu iş yükü, Python 3.9.0 kullanılarak ve giriş için 190 işaretleme dosyası işlenerek Python ve C++ karışımıyla uygulanır.

Varlık sıkıştırma

Varlık sıkıştırma, ASTC, BC7 ve DXT5 gibi çeşitli popüler sıkıştırma codec'lerini kullanarak 3B dokusal ve geometrik varlıkları sıkıştırır. Oyun geliştiricileri tarafından kullanılan standart içerik sıkıştırma hatlarını modeller.

İş yükü, BC& ve DXTC uygulamaları için bc7enc'yi ve ASTC uygulaması için Arm ASTC Encoder'ı kullanıyor.

Makine Öğrenimi iş yükleri

Makine öğrenimi iş yükleri öncelikle CPU'nuzun görüntülerdeki ve sahnelerdeki nesneleri tanımayı ne kadar iyi işleyebildiğini ölçer.

Nesne algılama

Nesne algılama iş yükü, fotoğraflardaki nesneleri algılayıp sınıflandırabilmek için makine öğreniminden yararlanır. Fotoğraflardaki nesneleri tespit etmek ve sınıflandırmak için MobileNet v1 SSD adı verilen evrişimli bir sinir ağını kullanıyor ve fotoğraflar 300x300 piksel boyutunda. Bir görüntüdeki nesneleri tanımlamak için aşağıdaki adımları gerçekleştirir:

1. Fotoğrafı yükle
2. MobileNet v1 SSD'yi kullanarak fotoğraftaki nesneleri çıkarın
3. Tespitin doğruluğunu temsil eden bir güven veya tespit puanı oluşturun
4. Nesnenin çevresine bir sınırlayıcı kutu çizin ve bir güven puanı çıktısı alın

Nesne algılama, tek çekirdekli modda 16 fotoğrafı ve çok çekirdekli modda 64 fotoğrafı işler.

Arka plan bulanıklığı

Arka plan bulanıklaştırma iş yükü, tıpkı Zoom, Discord ve Google Meet gibi hizmetlerin yapabildiği gibi, video akışlarında ön planı arka plandan ayırır ve arka planı bulanıklaştırır.

Resim düzenleme

Görüntü düzenleme iş yükleri, CPU'nuzun hem basit hem de karmaşık görüntü düzenlemelerini ne kadar iyi işleyebildiğini ölçer.

Nesne çıkarıcı

Nesne kaldırma iş yükü, fotoğraflardan nesneleri kaldırır ve geride kalan boşluğu doldurarak içeriğe duyarlı bir dolgu ve Google'ın kendi Sihirli Silgisini modeller. İş yüküne istenmeyen bir bölgeye sahip 3 MP'lik bir görüntü sağlanır ve iş yükü bu bölgeyi kaldırır ve geride kalan boşluğu yeniden oluşturmak için bir iç boyama şeması kullanır.

Ufuk tespiti

Ufuk algılama iş yükü, fotoğrafları iyileştirmek için düzensiz veya çarpık ufuk çizgilerini algılayıp düzeltebilir. Fotoğraf düzenleme uygulamalarındaki ufuk çizgisi düzelticilerini modeller ve ufuk çizgisini tespit etmek amacıyla Hough dönüşümü uygulamak için Canny kenar dedektörünü kullanır. Giriş olarak 48MP fotoğraf kullanır.

fotoğraf filtresi

Fotoğraf filtresi iş yükü, Instagram gibi sosyal medya uygulamalarındaki yaygın filtreleri modelleyerek fotoğraf görünümünü iyileştirmek için filtreler uygular. Boyutları 3MP ile 15MP arasında değişen 10 farklı fotoğrafa aşağıdaki efektleri uygular.

• Renk ve bulanıklık filtreleri
• Seviye ayarlamaları
• Kırpma ve ölçeklendirme
• Görüntü birleştirme

HDR

HDR iş yükü, renkli ve canlı tek bir HDR fotoğraf oluşturmak için altı normal fotoğrafı birleştirir. Modern akıllı telefon kamera uygulamalarında bulunan HDR özelliklerini modelleyerek altı adet 16MP normal görüntüden tek bir 16MP HDR görüntü oluşturur.

Görüntü Sentezi

Bu iş yükleri, CPU'nuzun tamamen yapay görüntüler oluşturmayı nasıl başarabildiğini ölçer.

Işın izleyici

Işın izleme çok moda ve ışık ışınlarının sanal sahnelerdeki nesnelerle nasıl etkileşime girdiğini modelleyerek fotogerçekçi görüntüler oluşturmak için kullanılabilir. Bu, Blender veya Cinema 4D gibi 3D işleme yazılımlarının kullanacağı işleme süreçlerini modeller.

Hareketten yapı

Hareketten yapı, birden fazla 2 boyutlu görüntüden 3 boyutlu geometri oluşturan bir tekniktir. Artırılmış gerçeklik sistemleri, gerçek dünyadaki sahneleri anlamak için buna benzer teknikleri kullanır. Bu iş yükü, aynı sahnenin dokuz adet 2 boyutlu görüntüsünü alır ve her iki görüntüde de görülebilen noktaların 3 boyutlu koordinatlarının bir tahminini oluşturur.

Geekbench nasıl indirilir

Geekbench, insanların en iyi telefonlar, dizüstü bilgisayarlar ve benzeri cihazları test etmek için kullandıkları referans ölçütlerden biridir. tabletleradresinden indirebilirsiniz. Apple Uygulama Mağazası, Google Play Store ve Primat Laboratuvarları web sitesi.