Matlab是世界知名和广泛用于教学和生产环境的数据可视化,科学计算开发软件,正如其全称matrix&laboratory所说,其主要用于矩阵计算相关的工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。在信号处理与图像领域的作用,也使得Matlab在深度学习领域具有一席之地,如今,有无数大学和企业在使用Matlab进行工作和学习,Matlab在以科学计算为主的HPC负载中性能如何?现代处理器在Matlab软件中能否发挥出较强的性能?从Matlab测试中,我们又能发现哪些现代处理器在高性能负载中面临的挑战,以及可能会遇到哪些性能瓶颈的因素,本次测试基于Matlab实际环境操作,采用Matlab推荐的优化示例,可能不会像之前那样进行详细的执行分析(其实是没有条件),测试出来的数据也与理想状态有些出入。 本次依然会有诸多CPU参与测试,首先将他们的信息进行发布:(图片供手机查看)
|
i7-9750H |
i9-10980XE |
i9-9900K |
i7-1065G7 |
R7-3700X |
核心 |
6/12 |
18/36 |
8/16 |
4/8 |
8/16 |
全核SSE频率 |
功耗45瓦 |
3.8Ghz |
4.7Ghz |
功耗22瓦 |
4.2-4.3G |
AVX频率 |
功耗45瓦 |
3.3Ghz |
4.7Ghz |
功耗22瓦 |
4.0-4.2G |
AVX512频率 |
不支持 |
2.8Ghz |
不支持 |
功耗22瓦 |
不支持 |
内存 |
16G 2666 |
128G 3600 |
32G 3600 |
32G 3200 |
32G 3600 |
Matlab自带一个简短的基准测试,通过在编辑器内输入简单的代码:
bench bench(N) bench(0) t = bench(N)
点击运行,20秒内便能得到一个基准计算结果,有6个子项:
LU |
执行矩阵分解操作 |
常规内存需求的矩阵变换 |
FFT |
对矩阵,多维数组和向量执行快速傅里叶变换 |
较高内存绑定的矩阵运算< |