PG Turnaj 2018 - testy a nastavení

[Czech Human]

Tak jsem našel chvilku.

Prime95 64-bit version 29.2, RdtscTiming=1
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 1 worker): 1.36 ms. Throughput: 736.88 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 2 workers): 1.78, 1.85 ms. Throughput: 1103.42 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 4 workers): 2.87, 2.76, 2.87, 2.78 ms. Throughput: 1418.13 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 6 workers): 4.37, 4.94, 4.39, 4.64, 3.93, 3.65 ms. Throughput: 1403.04 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 8 workers): 5.22, 5.66, 5.20, 5.29, 5.62, 5.59, 5.33, 5.23 ms. Throughput: 1485.24 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 12 workers): 10.27, 10.59, 10.65, 10.82, 7.04, 7.65, 7.68, 7.16, 7.09, 7.52, 7.35, 6.84 ms. Throughput: 1476.96 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 16 workers): 10.45, 10.21, 11.07, 10.99, 10.08, 10.18, 10.17, 10.07, 10.21, 10.62, 10.25, 10.27, 10.13, 10.45, 10.05, 10.08 ms. Throughput: 1550.08 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 20 workers): 20.19, 19.45, 19.72, 19.50, 19.99, 21.15, 20.85, 21.78, 11.04, 11.70, 12.59, 12.99, 10.33, 10.65, 10.96, 10.44, 11.77, 11.05, 12.71, 12.71 ms. Throughput: 1437.00 iter/sec.
[Fri Sep 21 10:19:54 2018]
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 24 workers): 20.78, 19.53, 19.43, 19.55, 19.90, 19.80, 22.77, 19.95, 19.53, 19.65, 19.46, 19.51, 19.53, 19.53, 19.52, 19.52, 10.19, 10.28, 10.56, 10.45, 10.32, 10.33, 10.33, 10.55 ms. Throughput: 1577.40 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 28 workers): 19.76, 19.71, 20.25, 19.64, 22.05, 20.75, 20.82, 20.07, 19.75, 19.81, 19.74, 19.67, 19.83, 19.75, 19.74, 19.74, 20.24, 20.09, 20.10, 20.10, 20.28, 20.08, 20.13, 20.53, 10.62, 10.82, 10.46, 10.53 ms. Throughput: 1571.42 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores, 32 workers): 19.84, 20.61, 20.18, 21.15, 19.99, 20.30, 20.42, 20.43, 19.70, 19.68, 19.68, 19.68, 19.71, 19.65, 19.66, 19.65, 19.83, 19.68, 19.76, 19.73, 21.62, 20.82, 19.97, 19.64, 19.72, 20.27, 19.68, 19.78, 19.64, 19.63, 19.81, 19.63 ms. Throughput: 1602.07 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 1 worker): 2.10 ms. Throughput: 476.54 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 2 workers): 1.93, 1.85 ms. Throughput: 1057.37 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 4 workers): 3.01, 2.87, 2.86, 2.87 ms. Throughput: 1379.00 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 6 workers): 4.72, 4.90, 4.53, 4.62, 3.89, 3.79 ms. Throughput: 1374.08 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 8 workers): 5.44, 5.84, 5.40, 5.41, 5.42, 5.58, 5.43, 5.38 ms. Throughput: 1459.00 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 12 workers): 10.63, 10.62, 10.80, 10.94, 7.23, 7.57, 7.75, 7.45, 7.82, 8.51, 7.84, 8.14 ms. Throughput: 1401.80 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 16 workers): 10.85, 10.68, 10.89, 10.96, 10.75, 11.11, 10.68, 10.66, 10.81, 10.89, 10.69, 10.65, 10.81, 10.66, 10.83, 10.90 ms. Throughput: 1481.52 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 20 workers): 21.13, 21.15, 21.20, 21.25, 21.12, 21.26, 22.06, 21.14, 11.00, 10.68, 10.68, 10.68, 10.80, 10.87, 10.76, 10.75, 11.00, 11.12, 10.65, 10.63 ms. Throughput: 1487.06 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 24 workers): 21.25, 21.26, 21.26, 21.30, 21.18, 21.38, 21.57, 21.21, 21.31, 21.30, 21.29, 21.29, 21.23, 21.25, 21.28, 21.29, 10.97, 11.22, 10.70, 10.77, 10.77, 10.84, 10.75, 10.73 ms. Throughput: 1489.42 iter/sec.
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 28 workers): 21.17, 21.20, 21.19, 21.15, 21.16, 21.44, 21.37, 21.17, 21.17, 21.14, 21.13, 21.15, 21.20, 21.24, 21.19, 21.26, 21.19, 21.25, 21.22, 21.23, 21.21, 21.25, 21.15, 21.12, 11.29, 10.69, 10.72, 10.71 ms. Throughput: 1500.58 iter/sec.
[Fri Sep 21 10:25:34 2018]
FFTlen=1728K all-complex, Type=3, Arch=4, Pass1=384, Pass2=4608, clm=4 (32 cores hyperthreaded, 32 workers): 21.20, 21.59, 21.25, 21.55, 21.20, 21.31, 21.22, 21.26, 21.18, 21.18, 21.20, 21.18, 21.26, 21.22, 21.13, 21.19, 21.22, 21.17, 21.27, 21.20, 21.18, 21.17, 21.26, 21.13, 21.32, 21.16, 21.31, 21.25, 21.16, 21.17, 21.17, 21.13 ms. Throughput: 1507.28 iter/sec.

V poměru čas:výkon mi nejlíp vyšlo 4 WU naráz a vypnuté HT - 1418,13 iter/s. Když bych počítal 8 WU což by bylo efektivnější ale delší, nejsem si jistý s časem, je to hodně blízko konce turnaje a raději odevzdám 4WU jistě a 8 skoro jistě, než 8 skoro jistě. Nejvýkonnější je samozřejmě 1 WU na 1 jádro ale to tu nedá použít. Každopádně počítat tento projekt nějak dlouhodoběji, žádné paralelizování se nevyplatí, minimálně na AMD ne a taky HT v tomto případě ničemu nepomůžou, aplikace potřebuje AVX jednotku a ta je jen jedna na dvě vlákna.

Co se malého výkonu týká 3000:1600, uvědom si že je to 32 jader vs. 44 jader s vyšší frekvencí a mnohem výkonější AVX jednotkou, takže mi to zase tak překvapující nepřijde. A hlavně těch 32 jader slupne 255W v zátěži celkově, to pak situace vypadá zase trochu veseleji když se začne počítat i poměr watt/body .

[LookAS]

zajímavé, nejvyšší propustnost je při 32/32 1602.07 iter/sec, ale stejně mi to přijde poněkud slabší na to množství jader.

[Czech Human]

Mě to zase tak zajímavé nepřijde, je to v souladu s Amdahlem. Čím méně threadů 1 úloha má, tím méně práce s jejich správou. Funguje to na Opteronu 6380 i na Epyc. Ale oba mají podobný typ AVX jednotky - je poloviční proti Intelu, sdílená mezi thready pokud má počítat 256bitově. Intel tu má opravdu velkou výhodu v "plnotučné" AVX jednotce. Myslím že v tom bude zakopaný pes, ta architektura AMD je postavená nevhodně pro tyto úlohy. Zdvojnásobit AVX jednotku bude určitě hlavní úkol pro Zen 3, počet jader je už v podstatě příliš veliký pro matematické výpočty s tak slabým FPU, nestíhá to krmit. HT jsem každopádně vypnul, bez něj je výkon zdarma navíc.

A ono to kolísá, jednou je to 1600 podruhé 1630, jednou 1680... Bral jsem nejnižší hodnotu . Epyc má relativně nízkou frekvenci - 2,5GHz při zátěži všech jader a když jsem to chvilku sledoval, tak tam někdy spadne i 2,35 GHz, protože základ je 2,2GHz. Dzordzikův Xeon se stejným základem 2,2 GHz si kupříkladu lebedí na 2,8 GHz při zátěži všech CPU, to je dost rozdíl vzhledem k počtu jader a má mnohem lepší AVX výkon, to je další rozdíl navíc. Zase ty Xeony mají mnohem víc rády elektřinu, fyziku prostě neobalamutíš. Mě by třeba zajímal rozdíl ve výkonu mezi windows a linuxem na Albertovi ve stejné úloze, po turnaji si to otestuji s Golemem 2.0, tam mám dual boot a výsledky za linux hotové tak budu moct porovnávat.

[Dzordzik]

Tak jsem našel chvilku.

Říkáš to obráceně. Já jsem na tom frekvenčně hůř než ty a to o dost. Já jedu při PG na 2600 MHz, na kolika ty? A vyděl si ten poměr 44/32, frekvence 2600/2300? a výkon 3000/1630, když dobře. To fakt moc nesedí. Na PG a obecně AVX projektu je pro mě ten výkon velkým zklamáním a že jich je čím dál víc, aspoň co sleduju podle frekvence CPU.
Jinak jsem se včera díval že při max vytížení bere 1 Xeon 111W, dva 222, všechno ostatní navíc je tím co v kompu mám.

[Czech Human]

Epyc běží na 2,5 GHz při zátěži všech jader, tedy na frekvenci je i tak pomalejší. Těch 111W v zátěži PG na 1 CPU moc nevěřím když mají oficiálně TDP 145 W a to je u Intela počítané na nižší než maximální zatížení ale i kdyby, to AMD má 180W spotřebu, zbytek do těch 255 je taky deska, RAM a GPU s chlazením.
Máš o 12 fyzických jader víc a mnohem lepší AVX výkon na jádro, vždyť je jasné že ty Xeony budou v této úloze mít o hodně větší výkon. Epyc má jen 72% počtu CPU a když vezmeš že jeho AVX je o 50% pomalejší, reálně tu někdo psal okolo 30%... Mě z toho vychází ta polovina, jaképak zklamání. Taky si vezmi pořizovací cenu, za 1 CPU intel by sis koupil 2 AMD.

Šest jader i7 v AVX pobije 8 jader Ryzenu o 25%, tedy v AVX potřebuješ na 6 intelích zhruba 10 AMD jader aby se výkon +/- srovnal. Musel bych mít CPU se 73 CPU taktu Ryzenu aby mělo stejný výkon v AVX jako 44 jader i7 s takty ice lake. Ale v non-avx úloze zase ten Ryzen roznese to i7, tak záleží jakou úlohu potřebuješ počítat. V asteroidech to není zdaleka tak špatné pro AMD jako tady v PG.

Ostatně nemáš důvod být zklamaný, máš Intela tak máš dobrý výkon v AVX na PG, já ho normálně vůbec nepočítám a v projektech, které počítám, mi tohle na PG zcela nevhodný CPU dá nejlepší poměr množství bodů ke spotřebě.

[Dzordzik]

111W na CPU to je když si manuálně přes ProcesLasso vyhradím které jádro bude stále volné. Pokud PL nepoužiju a nechám, to žít vlastním životem, tak je to aktuálně 128W/CPU, vyčteno přímo z utility na čtení info o CPU. Mění se to v reálném čase cca o +-2W.

[bundaboy]

Byl by nekdo ochotny dat dohromady tabulku s nejlepsim nastavenim pro dane procesory? A treba ji soupnout do prvniho prispevku v tomhle threadu?

Kamarad mi ted na turnaj pujcil ThreadRipper 1920X (12/24), nastavili jsme mu, aby pocital 2 ukoly naraz, kazdy po 6 jadrech a v tomhle nastaveni oba spocita za cca 14 hodin, coz bude na AMD asi OK. Ale kdyby to slo lip, tak bych se nezlobil.

Chtel bych to mit vyladene na dalsi turnaj.

Kód: Vybrat vše

<app_config>
<app>
<name>llrCUL</name>
<fraction_done_exact/>
<max_concurrent>2</max_concurrent>
</app>
<app_version>
<app_name>llrCUL</app_name>
<cmdline>-t 6</cmdline>
<avg_ncpus>6</avg_ncpus>
<max_ncpus>6</max_ncpus>
</app_version>
</app_config>

[Czech Human]

Já myslím že efektivnější je dzordzikuv+forestův návod na test. Pokud se liší i výsledky od různé konfigurace RAM na stejném CPU, nebudou výsledky přímo aplikovatelné na každý počítač, navíc pokud máte běžný počítač a ne kombajn, je to i poměrně rychlé.

[forest]

Byl by nekdo ochotny dat dohromady tabulku s nejlepsim nastavenim pro dane procesory? A treba ji soupnout do prvniho prispevku v tomhle threadu?

Kamarad mi ted na turnaj pujcil ThreadRipper 1920X (12/24), nastavili jsme mu, aby pocital 2 ukoly naraz, kazdy po 6 jadrech a v tomhle nastaveni oba spocita za cca 14 hodin, coz bude na AMD asi OK. Ale kdyby to slo lip, tak bych se nezlobil.

Chtel bych to mit vyladene na dalsi turnaj.

Vzhledem k tomu, že na 1950X jsou časy kolem 10:30, tak bych to bral jako velice dobrý výsledek

[Czech Human]

A kolik WU? 2 nebo 4? Epyc počítal 4 kusy okolo 16 hodin, jak to bude teď když jsem mu vypnul HT protože to vychází o nějaké to procento líp teprve uvidím. Jak jsem v tom šťoural tak jsou časy posledních odevzdaných jednotek děsně rozptýlené, až na poslední várce zítra uvidím jak se to případně vylepšilo. Golem dá 2 jednotky za 21 hodin, což jak vidím přesně odpovídá půlce 1950X i jsem to tak odhadoval. Nepamatuješ si za kolik to dávaly původní Bulldozery?

[v.svantner]

Zdravím.

Máte někdo optimalizaci pro AP na GPU?

Aby mi jely cca 3 jednotky/GPU?

[Honza1616]

Zdravím.

Máte někdo optimalizaci pro AP na GPU?

Aby mi jely cca 3 jednotky/GPU?

mělo by to být

Kód: Vybrat vše

<app_config>
<app>
<name>ap27</name>
<fraction_done_exact/>
<gpu_versions>
<gpu_usage>0.33</gpu_usage>
<cpu_usage>.01</cpu_usage>
</gpu_versions>
</app>
</app_config>

[nenym]

To asi pojednou 4 jednotky, lépe takto

Kód: Vybrat vše

<gpu_usage>0.34</gpu_usage>

[forest]

A kolik WU? 2 nebo 4? Epyc počítal 4 kusy okolo 16 hodin, jak to bude teď když jsem mu vypnul HT protože to vychází o nějaké to procento líp teprve uvidím. Jak jsem v tom šťoural tak jsou časy posledních odevzdaných jednotek děsně rozptýlené, až na poslední várce zítra uvidím jak se to případně vylepšilo. Golem dá 2 jednotky za 21 hodin, což jak vidím přesně odpovídá půlce 1950X i jsem to tak odhadoval. Nepamatuješ si za kolik to dávaly původní Bulldozery?

Na 1950kách je nejlepší nyní provozovat dvě jednotky, ale s HT zapnutým.

Jak by na tom byly původncí buldozery netuším.

[Czech Human]

Epyc počítá 4 naráz ale bez HT, to má o malinko vyšší výkon. Je celkem zajímavé jak dost podobná CPU potřebují odlišné nastavení Nejvyšší výkon dodá pokud Prime95 nekecá když počítá 1WU na 1 jádro, časově velice náročné ale údajně výkonově nejrychlejší...

Ad ty Bulldozery - škoda ale co se dá dělat, vyměňovat je zpět nebudu, výkon by stejně šel jedině dolů .

[forest]

Znáte někdo FFT pro přípravu na další kolo turnaje?

[LookAS]

aktuálně 1920k

[RoKro]

Ve složce C:\ProgramData\BOINC\slots\0 mám soubor stderr.txt a v něm se uvádí 1920k. Aktuálně se mi počítá Woodall jednotka, tak se snad koukám na správné místo.
Nastavení mi dle Prime95 vychází stejné jako pro Cullen, tj. jedna jednotka na 6 jádrech i7 8700K. HT ani nebudu zkoušet.

[Czech Human]

Za chvilku se týmové počítače budou spojovat do clusteru aby se dalo zvítězit v turnaji doručením alespoň jedné dokončené jednotky... Otestoval jsem Golema 2 a ve výsledku má cca poloviční rychlost zpracování proti poslednímu turnaji, tedy 1 jednotka vyjde na 12 dnů při nejefektivnějším nastavení, nebo na 1 den při nejrychlejším nastavení... To snad už ani nemá cenu vzhledem ke spotřebě.

[LookAS]

WOO jednotky jsou o cca 20% delší než v minulém kole CUL