AMD Ryzen 7 3700X
MATLAB R2019a（9.6.0.1072779）
試験項目
行列計算
まず、パフォーマンステストプログラムを作成しましょう。主なテスト項目には、行列の乗算、スパース行列、逆行列、FFT、LU、QR、特異値分解、固有値、および固有ベクトルが含まれます。各テストは、平均を得るために3回実行されます。
%%%%%%%%%%%% MATLAB纯CPU性能测试 %%%%%%%%%%%
%%%%%%%%%%%% Haotian_W SEP 2020 %%%%%%%%%%%
clear, clc
A = rand(3e3);
B = rand(3e3);
num = 3;
T = zeros(8,num);
for i = 1:num
% Test1 乘法
clc
disp('^-------')
disp(['第' sprintf('%4i',i) ' 轮乘法测试中...'])
tic, X1 = A*B; T(1,i) = toc;
% Test2 稀疏矩阵
clc
disp('-^------')
disp(['第' sprintf('%4i',i) ' 轮稀疏矩阵测试中...'])
tic, X2 = sparse(A); T(2,i) = toc;
% Test3 逆矩阵
clc
disp('--^-----')
disp(['第' sprintf('%4i',i) ' 轮逆矩阵测试中...'])
tic, X3 = inv(A); T(3,i) = toc;
% Test4 快速傅里叶
clc
disp('---^----')
disp(['第' sprintf('%4i',i) ' 轮快速傅里叶测试中...'])
tic, X4 = fft(A); T(4,i) = toc;
% Test5 LU分解
clc
disp('----^---')
disp(['第' sprintf('%4i',i) ' 轮LU分解测试中...'])
tic, [L5,U5,P5] = lu(A); T(5,i) = toc;
% Test6 QR分解
clc
disp('-----^--')
disp(['第' sprintf('%4i',i) ' 轮QR分解测试中...'])
tic, X6 = qr(A); T(6,i) = toc;
% Test7 奇异值分解
clc
disp('------^-')
disp(['第' sprintf('%4i',i) ' 轮奇异值分解测试中...'])
tic, [U7,S7,V7] = svd(A); T(7,i) = toc;
% Test8 特征值与特征向量
clc
disp('-------^')
disp(['第' sprintf('%4i',i) ' 轮特征值与特征向量测试中...'])
tic, [V8,D8] = eig(A); T(8,i) = toc;
end
clc
% 各项测试平均时间
t = sum(T,2)./num;
disp(['Multiplication : ' sprintf('%6f',t(1))])
disp(['Sparse : ' sprintf('%6f',t(2))])
disp(['Inverse : ' sprintf('%6f',t(3))])
disp(['FFT : ' sprintf('%6f',t(4))])
disp(['LU : ' sprintf('%6f',t(5))])
disp(['QR : ' sprintf('%6f',t(6))])
disp(['SVD : ' sprintf('%6f',t(7))])
disp(['Eigen : ' sprintf('%6f',t(8))])
% Total
total = sum(t);
disp('----------------------------')
disp(['Total : ' sprintf('%6f',total)])
% https://blog.csdn.net/BAR_WORKSHOP/article/details/108224394% i5-7400 R2017a
Multiplication : 0.412246
Sparse : 0.083916
Inverse : 0.779796
FFT : 0.080855
LU : 0.379976
QR : 0.416257
SVD : 13.316459
Eigen : 20.372446
----------------------------
Total : 35.841952% AMD 3700X R2019a 优化前
Multiplication : 0.758483
Sparse : 0.047772
Inverse : 1.036525
FFT : 0.030290
LU : 0.336546
QR : 0.501219
SVD : 6.163582
Eigen : 12.077816
----------------------------
Total : 20.952232
% 在没有优化的R2019a中，3700X部分项目甚至还没有i5-7400快% AMD 3700X R2019a 优化后
Multiplication : 0.185732
Sparse : 0.047977
Inverse : 0.257886
FFT : 0.022052
LU : 0.117283
QR : 0.172766
SVD : 3.998370
Eigen : 7.863378
----------------------------
Total : 12.665444可視化
%%%%%%%%%%%%%%%%%%%%%%% MATLAB纯CPU性能测试 可视化计算 %%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%% Haotian_W, SEPT 2020 %%%%%%%%%%%%%%%%%%%%%%
clear
clc
t = zeros(1,5);
num = 5;
for ii = 1:num
clearvars -except t num
% 3-D Graphic
clc
disp('3-D Graphic Computing')
f = figure('position',[100,100,500,500],'color','w');
tic,
ax = axes;
ax.XLim = [1 201];
ax.YLim = [1 201];
ax.ZLim = [-53.4 160];
view(3);
s = surface(160*membrane(1,100));
s.EdgeColor = 'none';
camproj('perspective');
l1 = light;
l1.Position = [160 400 80];
l1.Style = 'local';
l1.Color = [0 0.8 0.8];
l2 = light;
l2.Position = [.5 -1 .4];
l2.Color = [0.8 0.8 0];
s.FaceColor = [0.9 0.2 0.2];
s.FaceLighting = 'gouraud';
s.AmbientStrength = 0.3;
s.DiffuseStrength = 0.6;
s.BackFaceLighting = 'lit';
s.SpecularStrength = 1;
s.SpecularColorReflectance = 1;
s.SpecularExponent = 7;
axis off
f.Color = 'none';
t(1) = toc + t(1);
% Flow Visualization
clearvars -except t num
clc
disp('Flow Visualization Computing')
tic,
figure('position',[100,100,500,500],'color','w')
cla
load wind u v w x y z
[m,n,p] = size(u);
[Cx, Cy, Cz] = meshgrid(1:4:m,1:4:n,1:4:p);
h = coneplot(u,v,w,Cx,Cy,Cz,y,4);
set(h,'EdgeColor', 'none')
axis tight equal
view(37,32)
box on
colormap(hsv)
light
figure('position',[100,100,500,500],'color','w')
cla
[m,n,p] = size(u);
[Sx, Sy, Sz] = meshgrid(1,1:5:n,1:5:p);
streamline(u,v,w,Sx,Sy,Sz)
axis tight equal
view(37,32)
box on
figure('position',[100,100,500,500],'color','w')
cla
[m,n,p] = size(u);
[Sx, Sy, Sz] = meshgrid(1,1:5:n,1:5:p);
h = streamtube(u,v,w,Sx,Sy,Sz);
set(h, 'FaceColor', 'cyan')
set(h, 'EdgeColor', 'none')
axis tight equal
view(37,32)
box on
light
figure('position',[100,100,500,500],'color','w')
cla
spd = sqrt(u.*u + v.*v + w.*w);
[fo,vo] = isosurface(x,y,z,spd,40);
[fe,ve,ce] = isocaps(x,y,z,spd,40);
p1 = patch('Faces', fo, 'Vertices', vo);
p1.FaceColor = 'red';
p1.EdgeColor = 'none';
p2 = patch('Faces', fe, 'Vertices', ve, ...
'FaceVertexCData', ce);
p2.FaceColor = 'interp';
p2.EdgeColor = 'none' ;
[fc, vc] = isosurface(x, y, z, spd, 30);
[fc, vc] = reducepatch(fc, vc, 0.2);
h1 = coneplot(x,y,z,u,v,w,vc(:,1),vc(:,2),vc(:,3),3);
h1.FaceColor = 'cyan';
h1.EdgeColor = 'none';
[sx, sy, sz] = meshgrid(80, 20:10:50, 0:5:15);
h2 = streamline(x,y,z,u,v,w,sx,sy,sz);
set(h2, 'Color', [.4 1 .4])
axis tight equal
view(37,32)
box on
light
t(2) = toc + t(2);
% 4-D Data
clearvars -except t num
clc
load patients Smoker Age Weight Systolic
nsIdx = Smoker == 0;
smIdx = Smoker == 1;
figure('position',[100,100,500,500],'color','w')
tic,
stem3(Age(nsIdx), Weight(nsIdx), Systolic(nsIdx), 'Color', 'b')
hold on
stem3(Age(smIdx), Weight(smIdx), Systolic(smIdx), 'Color', 'r')
hold off
view(-60,15)
zlim([100 140])
xlabel('Age')
ylabel('Weight')
zlabel('Systolic Blood Pressure')
legend('Non-Smoker', 'Smoker', 'Location', 'NorthWest')
t(3) = toc + t(3);
% Complex Function
clearvars -except t num
clc
figure('position',[100,100,500,500],'color','w')
tic,
r = (0:0.025:1)';
theta = pi*(-1:0.05:1);
z = r*exp(1i*theta);
w = z.^3;
surf(real(z),imag(z),real(w),imag(w))
xlabel('Real(z)')
ylabel('Imag(z)')
zlabel('Real(w)')
cb = colorbar;
cb.Label.String = 'Imag(w)';
t(4) = toc + t(4);
% Plotmatrix
clearvars -except t num
clc
load patients Height Weight Diastolic Systolic
figure('position',[100,100,500,500],'color','w')
tic,
labels = {'Height' 'Weight' 'Diastolic' 'Systolic'};
data = [Height Weight Systolic Diastolic];
[h,ax] = plotmatrix(data);
for i = 1:4
xlabel(ax(4,i), labels{i})
ylabel(ax(i,1), labels{i})
end
t(5) = toc + t(5);
close all;
end
t = t./num;
disp(['3-D Graphic : ' sprintf('%6f',t(1))])
disp(['Flow Visualization : ' sprintf('%6f',t(2))])
disp(['4-D Data : ' sprintf('%6f',t(3))])
disp(['Complex Function : ' sprintf('%6f',t(4))])
disp(['Plotmatrix : ' sprintf('%6f',t(5))])
% Total
total = sum(t);
disp('----------------------------')
disp(['Total : ' sprintf('%6f',total)])
% https://blog.csdn.net/BAR_WORKSHOP/article/details/108224394% i5 7400 R2017a
3-D Graphic : 0.023028
Flow Visualization : 0.434371
4-D Data : 0.088623
Complex Function : 0.081808
Plotmatrix : 0.234556
----------------------------
Total : 0.862387% AMD 3700X R2019a 优化前
3-D Graphic : 0.013684
Flow Visualization : 0.347523
4-D Data : 0.050936
Complex Function : 0.066544
Plotmatrix : 1.192004
----------------------------
Total : 1.670691% AMD 3700X R2019a 优化后
3-D Graphic : 0.013359
Flow Visualization : 0.344377
4-D Data : 0.049520
Complex Function : 0.063826
Plotmatrix : 1.161523
----------------------------
Total : 1.632606有限要素計算
clear
clc
tic,
nelx = 90;
nely = 30;
volfrac = 0.5;
penal = 3;
rmin = 3.5;
ft = 1;
E0 = 1;
Emin = 1e-9;
nu = 0.3;
A11 = [12 3 -6 -3; 3 12 3 0; -6 3 12 -3; -3 0 -3 12];
A12 = [-6 -3 0 3; -3 -6 -3 -6; 0 -3 -6 3; 3 -6 3 -6];
B11 = [-4 3 -2 9; 3 -4 -9 4; -2 -9 -4 -3; 9 4 -3 -4];
B12 = [ 2 -3 4 -9; -3 2 9 -2; 4 9 2 3; -9 -2 3 2];
KE = 1/(1-nu^2)/24*([A11 A12;A12' A11]+nu*[B11 B12;B12' B11]);
nodenrs = reshape(1:(1+nelx)*(1+nely),1+nely,1+nelx);
edofVec = reshape(2*nodenrs(1:end-1,1:end-1)+1,nelx*nely,1);
edofMat = repmat(edofVec,1,8)+repmat([0 1 2*nely+[2 3 0 1] -2 -1],nelx*nely,1);
iK = reshape(kron(edofMat,ones(8,1))',64*nelx*nely,1);
jK = reshape(kron(edofMat,ones(1,8))',64*nelx*nely,1);
F = sparse(2,1,-1,2*(nely+1)*(nelx+1),1);
U = zeros(2*(nely+1)*(nelx+1),1);
fixeddofs = union([1:2:2*(nely+1)],[2*(nelx+1)*(nely+1)]);
alldofs = [1:2*(nely+1)*(nelx+1)];
freedofs = setdiff(alldofs,fixeddofs);
iH = ones(nelx*nely*(2*(ceil(rmin)-1)+1)^2,1);
jH = ones(size(iH));
sH = zeros(size(iH));
k = 0;
for i1 = 1:nelx
for j1 = 1:nely
e1 = (i1-1)*nely+j1;
for i2 = max(i1-(ceil(rmin)-1),1):min(i1+(ceil(rmin)-1),nelx)
for j2 = max(j1-(ceil(rmin)-1),1):min(j1+(ceil(rmin)-1),nely)
e2 = (i2-1)*nely+j2;
k = k+1;
iH(k) = e1;
jH(k) = e2;
sH(k) = max(0,rmin-sqrt((i1-i2)^2+(j1-j2)^2));
end
end
end
end
H = sparse(iH,jH,sH);
Hs = sum(H,2);
x = repmat(volfrac,nely,nelx);
xPhys = x;
loop = 0;
change = 1;
while change > 0.01
clc
loop = loop + 1;
disp(['Iteration Times : ' sprintf('%4i',loop)])
sK = reshape(KE(:)*(Emin+xPhys(:)'.^penal*(E0-Emin)),64*nelx*nely,1);
K = sparse(iK,jK,sK); K = (K+K')/2;
U(freedofs) = K(freedofs,freedofs)\F(freedofs);
ce = reshape(sum((U(edofMat)*KE).*U(edofMat),2),nely,nelx);
c = sum(sum((Emin+xPhys.^penal*(E0-Emin)).*ce));
dc = -penal*(E0-Emin)*xPhys.^(penal-1).*ce;
dv = ones(nely,nelx);
if ft == 1
dc(:) = H*(x(:).*dc(:))./Hs./max(1e-3,x(:));
elseif ft == 2
dc(:) = H*(dc(:)./Hs);
dv(:) = H*(dv(:)./Hs);
end
l1 = 0; l2 = 1e9; move = 0.2;
while (l2-l1)/(l1+l2) > 1e-3
lmid = 0.5*(l2+l1);
xnew = max(0,max(x-move,min(1,min(x+move,x.*sqrt(-dc./dv/lmid)))));
if ft == 1
xPhys = xnew;
elseif ft == 2
xPhys(:) = (H*xnew(:))./Hs;
end
if sum(xPhys(:)) > volfrac*nelx*nely, l1 = lmid; else l2 = lmid; end
end
change = max(abs(xnew(:)-x(:)));
x = xnew;
colormap(gray); imagesc(1-xPhys); caxis([0 1]); axis equal; axis off; drawnow;
end
close all;
t = toc;
clc
disp(['90*30-Mesh FEA : ' sprintf('%6f',t)])
% https://blog.csdn.net/BAR_WORKSHOP/article/details/10822439490*30-Mesh FEA : 5.449822
Simulink
ベンチ
bench
ans =
0.0463 0.0808 0.0135 0.0673 0.3977 0.4141総括する
非常に多くのテストの後、正直に言うと、AMDのパフォーマンスは私に驚きを与えなかった、または少しでもがっかりしました。IntelのUには、アップグレード前のi5 7400が1つしかありません。当初、ギャップが大きすぎるため、水平比較を行う予定はありませんでしたが、これらの項目をテストした後、比較結果を公開することをお勧めします。
「MKLの否定的な最適化」と「MATLABのマルチコアの弱点」は知っています。3700Xが9700Kまたはそれ以上のハイエンドのIntel Uに勝てるとは思っていませんが、一部のプロジェクトでは3700Xが7400に負けるとは思いもしませんでした。 。2020バージョンの方が最適化されていると聞いたので、別の日にテストしてみましょう。残りについてはあまり触れません。この記事を書く目的は、誰が誰を踏んでいるかを宣伝することではありません。私はブランドを信じていません。私は「コンビニエンスパーティー」です。適切な製品を使用します。結果は私と似ています。それを必要とする人のためのリファレンス。個人的な意見：科学計算の分野では、AMDはおそらくソフトウェア最適化の問題のために、ZEN 2までインテルの立場を揺るがすことができませんでしたが、購入して使用されているため、全体として見る必要があります。結局のところ、自分でソフトウェアを作成することはできません。空に舞い上がるさまざまなメディアにかかわらず、事実は事実であり、ZEN 3と間もなくリリースされる第11世代Coreのパフォーマンスを楽しみにしています。
メソッドのバッチ開始
cmdに次のコマンドを入力して、matlabを実行します。
@echo off
set MKL_DEBUG_CPU_TYPE=5
call "%MKLROOT%\bin\mklvars.bat" MKL_DEBUG_CPU_TYPE=5
matlab.exe
方法2は環境変数を変更します
コントロールパネルで[システム環境変数の編集]を見つけ、[詳細環境変数]を選択して、新しいMKL_DEBUG_CPU_TYPEを検索または作成します。値は5です。上記との違いは、環境変数を変更すると、MKLを使用するすべてのプログラムに影響を与えることです。
