树莓派 5 - 性能测试

系列文章目录



本文翻译自官网

前言

对于工程师来说,拿到一个新硬件后,最重要的事情莫过于立即尝试计算它的运行速度。另一方面,工程师之间对如何测量速度也争论不休。但就像很多事情一样,你应该测量什么实际上取决于你如何以及为什么要首先使用硬件。

在这里插入图片描述


一、使用 Geekbench 进行基准测试

基准测试框架有很多,但这是我的基准测试框架,而为什么是我的基准测试框架,这又回到了 "如何测试 "和 "为什么测试 "的问题上。Geekbench 并不只是直接计算一些毫无意义的数字,而是尝试进行一些测试,试图反映人们通常是如何使用电脑的:加载网站、渲染 PDF 和为图片添加滤镜。

与许多其他基准测试一样,Geekbench 的标题分数分为单核分数和多核分数。不过,由于基准测试的性质,Geekbench 分数在每次运行时会有很大差异。在 config.txt 中设置 force_turbo=1,并避免软件更新等操作,可以在一定程度上减少运行之间的噪音,但最佳策略还是取多次运行的平均值。我们就是这么做的。

如果运行的是 Raspberry Pi OS 的 64 位发行版,则会启用 16KB 页面大小,这样可以略微提高性能,但却牺牲了与旧版 ARMv7 32 位二进制文件的兼容性。

因此,我们也使用 16KB 和 4KB 页面大小对 Raspberry Pi 5 进行了测试。为此,我们使用了内部构建的 Geekbench 6.2,该版本已打补丁以支持 16KB 页面大小(现成的版本无法使用 16KB 页面大小,需要重新启动并使用 4KB 页面大小)。

对于 Geekbench 基准测试,数字越大越好!

1.1 单核

单核分数衡量的是一个 CPU 内核的处理能力,对于轻线程应用(即主要依靠单核处理指令)而言,单核分数更为重要。

在这里插入图片描述

Single CoreScore
Raspberry Pi 5 (16KB page size)774
Raspberry Pi 5 (4KB page size)764
Raspberry Pi 4340

Geekbench 6.2 的单核分数:
在 Geekbench 6 的 100 次运行中,我们看到 Raspberry Pi 5 在页面大小为 4KB 的情况下平均得分为 764±6,而在页面大小为 16KB 的情况下平均得分为 774±6。与 Raspberry Pi 4 相比,速度提高了 2.4 倍。

1.2 多核

另外,多核跑分则试图衡量更实际的情况,即工作分布在主板 CPU 的所有内核上。这类分数更适用于重线程应用,如网络浏览器,它通常会将单个标签卸载到独立的进程线程中。

在这里插入图片描述

Multi CoreScore
Raspberry Pi 5 (16KB page size)1588
Raspberry Pi 5 (4KB page size)1604
Raspberry Pi 4723

Geekbench 6.2 的多核分数:
在 Geekbench 6 的 100 次运行中,我们看到 Raspberry Pi 5 在页面大小为 4KB 的情况下平均得分为 1,604±22,而在页面大小为 16KB 的情况下平均得分为 1588±63。与 Raspberry Pi 4 相比,速度提高了 2.2 倍。

1.3 超频

因此:我们不建议人们对 Raspberry Pi 进行超频,我们也不一定会告诉你如何超频,或者在你超频时给你任何保证。另一方面,也许有人已经写了一篇关于超频的博文。谢谢 Jeff。

在这里插入图片描述

Core2.4GHz3.0GHz
Single-core score774906
Multi-core score16041634

将 CPU 超频至 3.0GHz :
将 CPU 的频率从 2.4GHz 超频至 3.0GHz,将 GPU 的频率从 800MGHz 超频至 1GHz,我们可以看到性能有了相应的提升,单核测试得分提高了 1.2 倍。有趣的是,在多核测试中我们并没有看到类似的性能提升。这种差异可能是由于内存带宽的限制造成的,但很难确定。

二、其他人,其他基准

这就是我的基准测试结果,但你不应该只听我的一面之词。你绝对应该去看看其他人是如何在我们的新硬件上进行基准测试和性能测试的。

因为正如你所期望的那样,大多数人在拿到 Raspberry Pi 5 预览版后做的第一件事就是运行一些基准测试,这将为我们提供大量的数字和图表。

和往常一样,Jeff Geerling 提供了从以太网和无线吞吐量、内存吞吐量到密码性能的各种性能数据,其中 Raspberry Pi 5 的速度是 Raspberry Pi 4 的 45 倍,这要归功于 BCM2712 处理器为 Raspberry Pi 带来的 Arm 密码扩展。

在这里插入图片描述

随后,Core Electronics 公司的工作人员对这款硬件进行了一系列基准测试。

基准测试结果显示了酷睿电子的性能改进。
但我认为最有趣的基准测试来自 Seeed Studio,他们使用 ncnn 框架对 Raspberry Pi 5 进行了基准测试。

ncnn 框架是一个深度学习推理框架,支持各种神经网络模型(如 PyTorch 和 TensorFlow)和一系列硬件。该框架专为移动部署而设计,通过 Vulkan API 提供 GPU 加速,我们看到 Raspberry Pi 4 和 5 之间的性能提升非常有趣。

在这里插入图片描述

不过请记住,与我自己的 Geekbench 基准测试不同,这里的数据越小越好,而他们从 Raspberry Pi 5 上获得了一些非常不错的数据。在 Raspberry Pi 5 上使用 640×640 像素视频流测试 YOLOv8n 模型,推理速度约为 12fps。


总结

当我们在 2019 年推出 Raspberry Pi 4 时,其四核 Arm Cortex-A72 处理器的主频为 1.5GHz,比 2012 年的原始 Raspberry Pi 型号快了约 40 倍。但随着 Raspberry Pi 5 四核 Arm Cortex-A76 处理器主频达到 2.4GHz,我们现在的 CPU 和 GPU 性能再次提高了两到三倍,内存和 I/O 带宽大约提高了两倍,而且我们首次在旗舰 Raspberry Pi 设备上采用了 Raspberry Pi 芯片。

我们对性能的提升感到非常自豪。但最重要的是,我们看到人们在野外发现了我们在过去几年中取得的巨大进步。如果你想自己进行任何基准测试,请在下面的评论中提供链接:我们喜欢看你在做什么!


  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
树莓派raspi-2040可以用于进行图像识别。树莓派raspi-2040是一款功能强大且高性能的微型计算机,可以运行各种操作系统和图像处理软件。以下是一些步骤来使用树莓派raspi-2040进行图像识别: 1. 准备所需硬件和软件:除了树莓派raspi-2040外,还需要一台计算机,连接电缆,摄像头模块和适配器。在树莓派上安装操作系统并配置各项设置,然后安装支持图像识别的软件库,如OpenCV。 2. 连接摄像头模块:将摄像头模块连接到树莓派raspi-2040上,确保连接正确并稳定。 3. 编写图像识别代码:使用所选的编程语言(如Python)编写代码以实现图像识别功能。可以利用OpenCV的图像处理功能来进行图像的分析和处理。 4. 训练图像识别模型:使用机器学习算法和提供的数据集对图像识别模型进行训练。这可以通过将数据集分为训练集和测试集,并使用训练集对模型进行训练,然后使用测试集评估模型的准确性。 5. 测试和优化:使用摄像头模块拍摄不同类型的图像,并将其输入到训练好的模型中进行识别。通过分析模型的输出结果来评估其识别准确性,并根据需要对其进行进一步优化和改进。 通过使用树莓派raspi-2040进行图像识别,我们可以实现各种应用,如人脸识别、物体识别、行人检测等。这种低成本、高性能的解决方案可以被广泛应用于智能家居、安防系统、机器人技术等领域。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值