<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          聽說蘋果M1能打英偉達(dá)RTX?那跑個光追試試

          共 2653字,需瀏覽 6分鐘

           ·

          2021-06-13 09:07

          ↑ 點擊藍(lán)字 關(guān)注極市平臺

          作者丨豐色
          來源丨量子位
          編輯丨極市平臺

          不得不說,自發(fā)布以來,蘋果M1芯片的各項測評表現(xiàn)都令人印象深刻。甚至此前有人發(fā)現(xiàn)M1 Mac Mini在某項TensorFlow速度測試中的得分高于英偉達(dá)RTX 2080Ti

          所以一位從事光線追蹤 (Ray tracing)技術(shù)的程序員,就對M1產(chǎn)生了興趣。

          他發(fā)現(xiàn),M1比他的Haswell(英特爾第四代酷睿處理器)舊電腦Cinebench得分高1.6倍,比Tiger Lake(第11代)新電腦得到的分?jǐn)?shù)高2倍!

          于是他又自己動手測了個新的跑分,看一看M1純粹的光線追蹤性能。

           圖源維基百科,光線追蹤可以制作照片級真實感的圖像。

          那M1芯片的光追性能可以打英偉達(dá)RTX嗎?

          往下看。

          測試基準(zhǔn)ChameleonRT

          這位測試者買了一臺Mac Mini 來測試他自己的光線追蹤項目ChameleonRT。

          也就是此次測評采用的基準(zhǔn),一個開源的光線追蹤器,可在多個光線追蹤后端(Embree/DXR/OptiX/Vulkan/Metal/OSPRay)上運行。

          這和文章開頭提到的很流行的光線追蹤基準(zhǔn)程序CineBench有點不一樣。

          AnandTech 的 CineBench 跑分也使用了Embree 進(jìn)行光線追蹤。這是一個由英特爾開發(fā)的CPU光線追蹤庫,提供優(yōu)化的加速結(jié)構(gòu)遍歷和原始交叉內(nèi)核。Embree已廣泛應(yīng)用于電影、科學(xué)可視化和其他領(lǐng)域。所以ChameleonRT 也實現(xiàn)了一個Embree 后端。

          接下來就切入正題看看M1在ChameleonRT基準(zhǔn)上的光線追蹤性能評測:

          M1的光線追蹤性能比較

          測試使用以下兩個場景:Sponza和San Miguel。

          Sponza是一個有26萬個三角形的小場景,San Miguel有996萬個,分別對應(yīng)左右兩圖:

          比較方法:使用基準(zhǔn)運行渲染1280x720像素圖像并運行約200幀,然后記錄平均幀速率 (FPS) 每秒追蹤的百萬光線數(shù) (MRay/s)。

          下面是使用Embree CPU后端渲染兩種場景的“公平”比較結(jié)果:

          Sponza

          San Miguel

          蘋果M1芯片都居于中間水平。

          此外,出于好奇心,測評人員還進(jìn)行了“極其不公平”的比較,將 M1 上的 Metal GPU 光線追蹤后端與 英偉達(dá)RTX 2070 上的 DirectX 光線追蹤、Embree CPU 后端與 i9-9920X 進(jìn)行比較。

          “不公平”比較結(jié)果如下:

           Sponza使用Embree CPU后端進(jìn)行的基準(zhǔn)測試結(jié)果

           San Miguel使用Embree CPU后端進(jìn)行的基準(zhǔn)測試結(jié)果

          可以發(fā)現(xiàn),i9-9920X在使用AVX2指令集時表現(xiàn)最好。

           Sponza使用GPU后端進(jìn)行的基準(zhǔn)測試結(jié)果


           San Miguel使用GPU后端進(jìn)行的基準(zhǔn)測試結(jié)果

          可以看出,分?jǐn)?shù)差距較大,但評測人員本身也沒有期待它能超過極具競爭力的英偉達(dá)RTX 2070,只是為了看看M1能排在什么位置。

          最后,評測人員總結(jié)道:

          但即使是當(dāng)前這樣的性能水平,對于輕量級芯片來說也令人印象深刻,因為它不會遇到與 XPS 13 相同的熱問題(做這些基準(zhǔn)測試時風(fēng)扇很安靜),并且可以在 1/4 SIMD 寬度的 CPU 上提供更好的性能,還有一個 GPU 光線追蹤 API,可以在這些基準(zhǔn)測試中提供比 CPU 快 1.6-2 倍的加速。

          很期待在未來的M系列芯片中看到對 8-wide的 SIMD 和硬件加速光線追蹤的支持。

          “毫不奇怪M1的表現(xiàn)不是很好”

          而對于以上M1芯片的光線追蹤性能評測,有網(wǎng)友用一句“太長不看“總結(jié)道:

          基本上是7年前一臺擁有 i7-4790k處理器的臺式機(jī)的性能。


          評論區(qū)看法基本一致,另一位網(wǎng)友總結(jié)道:任何支持光線追蹤的東西都有專門的硬件來處理,毫不奇怪M1的表現(xiàn)不是很好。


          也就是說,“如果你想要一個M1 Mac來處理光線追蹤,性能好不了。但這并不是什么大事,因為圖形并不是M1真正的賣點。”


          參考鏈接:

          [1]https://www.willusher.io/graphics/2020/12/20/rt-dive-m1
          [2]https://www.reddit.com/r/apple/comments/nomun4/a_dive_into_ray_tracing_performance_on_the_apple/

          如果覺得有用,就請分享到朋友圈吧!

          △點擊卡片關(guān)注極市平臺,獲取最新CV干貨

          公眾號后臺回復(fù)“79”獲取CVPR 2021:TransT 直播鏈接~


          極市干貨
          YOLO教程:一文讀懂YOLO V5 與 YOLO V4大盤點|YOLO 系目標(biāo)檢測算法總覽全面解析YOLO V4網(wǎng)絡(luò)結(jié)構(gòu)
          實操教程:PyTorch vs LibTorch:網(wǎng)絡(luò)推理速度誰更快?只用兩行代碼,我讓Transformer推理加速了50倍PyTorch AutoGrad C++層實現(xiàn)
          算法技巧(trick):深度學(xué)習(xí)訓(xùn)練tricks總結(jié)(有實驗支撐)深度強化學(xué)習(xí)調(diào)參Tricks合集長尾識別中的Tricks匯總(AAAI2021
          最新CV競賽:2021 高通人工智能應(yīng)用創(chuàng)新大賽CVPR 2021 | Short-video Face Parsing Challenge3D人體目標(biāo)檢測與行為分析競賽開賽,獎池7萬+,數(shù)據(jù)集達(dá)16671張!


          CV技術(shù)社群邀請函 #

          △長按添加極市小助手
          添加極市小助手微信(ID : cvmart2)

          備注:姓名-學(xué)校/公司-研究方向-城市(如:小極-北大-目標(biāo)檢測-深圳)


          即可申請加入極市目標(biāo)檢測/圖像分割/工業(yè)檢測/人臉/醫(yī)學(xué)影像/3D/SLAM/自動駕駛/超分辨率/姿態(tài)估計/ReID/GAN/圖像增強/OCR/視頻理解等技術(shù)交流群


          每月大咖直播分享、真實項目需求對接、求職內(nèi)推、算法競賽、干貨資訊匯總、與 10000+來自港科大、北大、清華、中科院、CMU、騰訊、百度等名校名企視覺開發(fā)者互動交流~



          覺得有用麻煩給個在看啦~  
          瀏覽 72
          點贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  AAA久久久| 在线v片 | 丰满熟妇中文字幕精品 | 国产极品久久 | 国产精品欧美一区二区三区苍井空 |