Тестирование процессоров «Эльбрус-4С» и «Эльбрус-8С»

Опубликованы результаты сравнительного тестирования отечественных процессоров двух поколений — «Эльбрус-4С» (2014 год) и «Эльбрус-8С"(2016 год) в работе приложений по распознаванию паспортов и распознаванию автомобилей.

Специалисты Smart Engines сравнивали 4-ядерный и 8-ядерный 64-битные российские процессоры между собой в работе со своими приложениями, запущенными под операционной системой (ОС) «Эльбрус».

4-ядерный «Эльбрус-4С», которому уже больше 3 лет, работает на тактовой частоте 800 МГц. Проекты на его основе уже неоднократно обсуждались в российской техносфере разного рода специалистами и любителями. Приведенные авторами теста общие характеристики «железа» предыдущего поколения соответствуют ранее опубликованным: 23 операции на ядро за такт, L1 кэш (на ядро) 64 Кб, L2 кэш (на ядро) 2 Мб, поддержка до 3 каналов DDR3-1600, технологический процесс 65 нм, поддержка многопроцессорных систем — до 4 процессоров.

У русского 8-ядерника «Эльбрус-8С», который впервые всем стали демонстрировать в 2016 году, характеристики поинтереснее. Это и частота 1300 МГц, и 25 операций за такт на ядро. Появился L3 кэш 16 Мб. Поддержка до 4 каналов DDR3-1600. Техпроцесс — 28 нм.

Как пишут авторы, они ожидали качественного роста характеристик, и им удалось в этом убедиться. В зависимости от вида задачи новый российский процессор, показал увеличение производительности от 1,7 до 3,2 раза.

Результаты для распознавания паспорта получились довольно скромные, поскольку наше приложение в своем текущем виде не может эффективно задействовать более 4 потоков. Похожая ситуация с детекцией автомобилей и визуальной локацией: алгоритмы имеют нераспараллеленные участки, поэтому не приходится ожидать линейного масштабирования при росте числа ядер. Однако там, где нет ограничений на загрузку приложениями всех ядер процессора, мы наблюдаем рост в 3.2 раза, это близко к теоретическому пределу в 3.6 раз. В среднем разница производительности между поколениями процессоров МЦСТ на нашем наборе задач составляет порядка 2-3 раз, и это очень радует. Только за счёт увеличения частоты и совершенствования архитектуры мы наблюдаем выигрыш более чем в 1.7 раза.

В процессе тестов под полной нагрузкой мы не испытывали проблем с зависаниями и падениями, что говорит о зрелости процессорной архитектуры. Подход VLIW, развиваемый в Эльбрусах-8С, позволяет добиваться работы в реальном времени различных алгоритмов компьютерного зрения, а библиотека EML содержит весьма солидный набор математических функций, которые позволяют экономить время тем, кто не собирается оптимизировать код сам.

Детекция автомобилей на Эльбрус-8С:

Детекция объектов заданного типа — одна из классических задач технического зрения. Это может быть детекция лиц, людей, оставленных предметов или любого другого типа объектов, обладающих явными отличительными признаками.

Для примера взята задача детекции автомобилей, движущихся в попутном направлении. Подобный детектор может использоваться в системах автоматического управления транспортными средствами, в системах распознавания автомобильных номеров и т. д.

Визуальная локализация на Эльбрус-8С:

В этом приложении демонстрируется визуальная локализация на основе особых точек. Использовав панорамы Google Street View с GPS-привязкой, мы научили нашу систему узнавать местонахождение камеры без использования данных о её GPS-координатах или другой внешней информации. Такая система может использоваться для беспилотников и роботов в качестве резервной системы навигации, для уточнения текущего местоположения или для работы в системах без GPS.