这是一个创建于 1636 天前的主题，其中的信息可能已经有所发展或是发生改变。
受此贴启发，除鲲鹏 920 外的数据也来自此贴: https://v2ex.com/t/733777
成绩对比选的是基于 Numpy 的数值计算（ Neon SIMD 加速），测试脚本为：
https://gist.github.com/markus-beuckelmann/8bc25531b11158431a5b09a45abd6276
废话不多说，上成绩：
| 项目 | M1 | 鲲鹏 920-12 核 | 鲲鹏 920-24 核 | Core i9 |
|---|---|---|---|---|
| 4096x4096 矩阵乘法 | 0.53 s | 1.48 s | 0.76 s | 0.45 s |
| 524288 向量点积 | 0.25 ms | 0.49 ms | 0.48 ms | 0.05 ms |
| 2048x1024 SVD | 0.59 s | 1.10 s | 0.93 s | 0.32 s |
| 2048x2048 Cholesky 分解 | 0.08 s | 0.14 s | 0.13 s | 0.08 s |
| 2048x2048 特征分解 | 4.74 s | 8.36 s | 7.66 s | 3.53 s |
结论：
由于是调用的底层加速库，Numpy 在数值计算方面可以有效使用多核进行运算。大体上看，哪怕是 24 核鲲鹏 920 的数值计算性能也比 M1 慢一半左右，向量乘法和 SVD 几乎慢一倍。
Core i9 是原帖网友 @pb941129 基于 16 寸 MBP i9 所得，由于数值计算是英特尔的传统强项，外加在 MKL 底层的加持下，各项方面性能均领先 M1 (原帖网友 @YUX 所测).
备注：
1 鲲鹏 920 是在华为云上测试的。
2 除 Core i9 外，Numpy 安装统一用的是 Miniforge，加速库配置为：
blas_info: libraries = ['cblas', 'blas', 'cblas', 'blas'] library_dirs = ['/root/miniforge3/lib'] include_dirs = ['/root/miniforge3/include'] language = c define_macros = [('HAVE_CBLAS', None)] blas_opt_info: define_macros = [('NO_ATLAS_INFO', 1), ('HAVE_CBLAS', None)] libraries = ['cblas', 'blas', 'cblas', 'blas'] library_dirs = ['/root/miniforge3/lib'] include_dirs = ['/root/miniforge3/include'] language = c lapack_info: libraries = ['lapack', 'blas', 'lapack', 'blas'] library_dirs = ['/root/miniforge3/lib'] language = f77 lapack_opt_info: libraries = ['lapack', 'blas', 'lapack', 'blas', 'cblas', 'blas', 'cblas', 'blas'] library_dirs = ['/root/miniforge3/lib'] language = c define_macros = [('NO_ATLAS_INFO', 1), ('HAVE_CBLAS', None)] include_dirs = ['/root/miniforge3/include'] 23 条回复 2021-04-25 16:28:50 +08:00
 | 1 felixcode 2021-04-23 17:34:31 +08:00 华为云上用的是独服吗？ i9 达到功耗墙和温度墙了没有？ |
 | 2 YRInc OP @felixcode 功耗墙可能不会影响这个，因为就几秒钟的满负载运算。华为云用的是单节点，也是跑到满负载，不是到是不是独服 |
 | 3 IgniteWhite 2021-04-23 17:53:04 +08:00 via iPhone 赞 |
 | 4 0987363 2021-04-23 18:15:55 +08:00 多核参考意义不大啊，有没有单核成绩 |
 | 6 0987363 2021-04-23 18:39:05 +08:00 Dotted two 4096x4096 matrices in 0.35 s. Dotted two vectors of length 524288 in 0.03 ms. SVD of a 2048x1024 matrix in 0.30 s. Cholesky decomposition of a 2048x2048 matrix in 0.05 s. Eigendecomposition of a 2048x2048 matrix in 3.05 s. 黑果 10850k 跑了下 最高只能用到 10 线程 |
| 7 YRInc OP @0987363 嗯嗯，取决于加速库的配置，默认情况下（具体为啥我也不知），最大线程数限制在物理核心数上，不使用超线程。这也是 Matlab 和 Mathmatica 所采用的策略。 |
| 8 0987363 2021-04-23 18:44:06 +08:00 @YRInc 在 debian 上，能用上超线程，2630l v4 Dotted two 4096x4096 matrices in 0.91 s. Dotted two vectors of length 524288 in 0.05 ms. SVD of a 2048x1024 matrix in 0.90 s. Cholesky decomposition of a 2048x2048 matrix in 0.18 s. Eigendecomposition of a 2048x2048 matrix in 12.48 s. |
 | 11 Deepseafish 2021-04-23 19:23:49 +08:00  1 非空载跑的，前两项波动比较大 E5-2680 v4 Dotted two 4096x4096 matrices in 0.33 s. Dotted two vectors of length 524288 in 0.03 ms. SVD of a 2048x1024 matrix in 0.34 s. Cholesky decomposition of a 2048x2048 matrix in 0.10 s. Eigendecomposition of a 2048x2048 matrix in 3.82 s. Xeon(R) Platinum 8170 Dotted two 4096x4096 matrices in 0.77 s. Dotted two vectors of length 524288 in 0.13 ms. SVD of a 2048x1024 matrix in 0.48 s. Cholesky decomposition of a 2048x2048 matrix in 0.30 s. Eigendecomposition of a 2048x2048 matrix in 5.94 s. E5-2690 v4 Dotted two 4096x4096 matrices in 0.93 s. Dotted two vectors of length 524288 in 0.14 ms. SVD of a 2048x1024 matrix in 1.60 s. Cholesky decomposition of a 2048x2048 matrix in 0.13 s. Eigendecomposition of a 2048x2048 matrix in 6.90 s. |
 | 12 yanwen 2021-04-23 19:25:49 +08:00 华为云上的。。 性能打折扣了。 |
 | 13 secondwtq 2021-04-23 19:36:23 +08:00 via iPhone 就鲲鹏 12 核和 24 核的结果对比来看，貌似除了矩阵乘之外的算法并不能”有效”利用多核啊 |
 | 14 alphatoad 2021-04-23 19:44:06 +08:00 i9 还是很强，是用了 AVX 吗 不过考虑到 M1 只是个低功耗试水产品很看到后续产品线 |
| 16 YRInc OP |
 | 17 jr55475f112iz2tu 2021-04-23 23:43:17 +08:00 via Android 鲲鹏是服务器 U M1 是消费级 U 不知道有什么好比的 |
| 18 YRInc OP @czfy 额，这不才说明都服务器级别了，这么多核心了，功耗这么大了，差距还是存在一些，进步空间还不小么 |
 | 19 dayeye2006199 2021-04-24 03:55:07 +08:00 arm 的数值计算有什么技术进展吗？指令集带来的差异，下层的库能拉平性能差异么？求科普 |
| 20 YRInc OP @dayeye2006199 只知道下一代 Arm v9 更新了 SIMD 指令集，SVE2 。以后的数值计算能力也会越来越强吧 |
 | 21 dabaibai 2021-04-24 16:21:57 +08:00 华为云上用的是独服吗？如果是云主机的话 毫无参考价值 |
 | 22 datou 2021-04-25 13:40:06 +08:00 Dotted two 4096x4096 matrices in 0.67 s. Dotted two vectors of length 524288 in 0.05 ms. SVD of a 2048x1024 matrix in 0.96 s. Cholesky decomposition of a 2048x2048 matrix in 0.28 s. Eigendecomposition of a 2048x2048 matrix in 6.69 s. 3500X win10 |
 | 23 neosfung 2021-04-25 16:28:50 +08:00 拿了 2019 年 16 寸 MacBook 和服务器分别测了一下，供参考 Intel(R) Xeon(R) CPU E5-2680 v4 @ 2.40GHz * 2 Dotted two 4096x4096 matrices in 1.45 s. Dotted two vectors of length 524288 in 0.17 ms. SVD of a 2048x1024 matrix in 0.90 s. Cholesky decomposition of a 2048x2048 matrix in 0.20 s. Eigendecomposition of a 2048x2048 matrix in 8.83 s. Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz Dotted two 4096x4096 matrices in 0.73 s. Dotted two vectors of length 524288 in 0.08 ms. SVD of a 2048x1024 matrix in 0.52 s. Cholesky decomposition of a 2048x2048 matrix in 0.09 s. Eigendecomposition of a 2048x2048 matrix in 4.89 s. |
Select Language