Der allgemeine Benchmark-Thread

[Xaar]

Hm, das stimmt auch wieder. Das Board mit dem U5SX ist auch das Neuste der drei - während die beiden anderen von Anfang 1993 sind, ist das mit dem U5SX von Mitte 1995.

Ich müsste mal schauen, dass ich alle CPUs auf dem gleichen Board teste - leider sind der i486SX-25 und der U5SX-33 beide verlötet - aber ich hab' ja gleiche Exemplare auch noch als PGA-Ausführungen hier

Btw.: Das Board mit dem U5SX drauf lässt mich ohne Probleme den Prozessor mit 20, 25, 33, 40 oder 50 MHz takten - einfach über ein paar geänderte Jumper. Die Integer-Performance kriege ich bei 50 MHz damit auf eine Wertung von 24.09 gepusht Allerdings wirkt sich die höhere Taktung nicht überall positiv aus:

CPU Takt	CPU Speed Index	Memory Bandwidth	Read bis 8 kB	Read ab 8 kB	Write 8 kB
20 MHz	10,78	44,01 MB/s	38,16 MB/s	13,64 MB/s	24,22 MB/s
25 MHz	13,48	55,42 MB/s	47,69 MB/s	17,08 MB/s	30,53 MB/s
33 MHz	17,99	74,53 MB/s	63,61 MB/s	22,93 MB/s	41,05 MB/s
40 MHz	20,80	68,48 MB/s	76,39 MB/s	23,25 MB/s	37,11 MB/s
50 MHz	24,09	52,47 MB/s	95,44 MB/s	21,96 MB/s	31,17 MB/s

Der Datendurchsatz beim L1-Cache-gestützten Lesen geht ordentlich hoch - aber sobald es zum Schreiben kommt, sinkt die Datenrate - um gleich mal 25 % im Vergleich von 33 zu 50 MHz, fast auf das Niveau von 25 MHz. Ich vermute mal, hier werden irgendwelche Wartezyklen reingeschoben, da sonst der Speicher oder der Chipsatz nicht hinterher kommt.

Hier noch die Screenshots von den 4 Versuchen abseits der 33 MHz (20/25/40/50 MHz):


Allgemein finde ich es interessant, dass die Schreibwerte gleich flott bleiben über den gesamten Bereich und auch bei größeren Blöcken als die Caches über denen der Lesewerte liegen. Mach' bzw. verstehe ich da was falsch?

[michi]

Es gibt jetzt einen AI Benchmark von Geekbench, mit dem man die Workloads auf verschiedenen Teilen des Rechners testen kann. Ich hab folgende Benchmarks mal probiert:

New Shyzen (x86_64; Windows 11)

Processing Unit	Modell	AI Framework	Single Precision Score (FP32)	Half Precision Score (FP16)	Quantized Score (INT8)	Link
CPU	AMD Ryzen 3 3100	ONNX	1261	408	1250	Link
GPU (OpenML)	AMD Radeon RX 6400	ONNX	7089	7963	5354	Link

ThinkPad (Aarch64; Windows 11)

Processing Unit	Modell	AI Framework	Single Precision Score (FP32)	Half Precision Score (FP16)	Quantized Score (INT8)	Link
CPU	Qualcomm Snapdragon 8cx gen3	ONNX	1011	970	2499	Link
NPU	Qualcomm Snapdragon 8cx gen3	ONNX	1004	299	316	Link

Smartphone (Aarch64; Android 14)

Processing Unit	Modell	AI Framework	Single Precision Score (FP32)	Half Precision Score (FP16)	Quantized Score (INT8)	Link
CPU	Google Tensor G3	TensorFlow Lite	1355	1127	1519	Link
GPU	Google Tensor G3	TensorFlow Lite	636	710	685	Link
NPU	Google Tensor G3	TensorFlow Lite	384	4364	5541	Link

Also im Smartphone dürfte das mit der NPU noch ein bisschen besser funktionieren wie bei Windows on ARM, der Quantizised Score ist bei andreren NPUs normal der stärkste (und scheinbar auch am Öftesten genutzt bei ML). *EDIT: Okay Moment; beim "NPU" Benchmark am ThinkPad arbeitet im Endeffekt die CPU laut Taskmanager. HP und Q läuft dabei nur auf einem P-core, SP auf allen Kernen. Also da ist wohl ein Treiberproblem.. GPU konnte ich beim Snapdragon nicht auswählen, da dürfte es keine Treiber geben.

[freaked]

UDMA5


SATA1.5

[michi]

SSD Power