Snapdragon 820 は Qualcomm 独自の 64bit CPU core Kyro を搭載しています。vfpbench で浮動小数点演算速度を計測してみました。
Qualcomm はもともと自社製 CPU core の Scorpion や Krait シリーズを採用していました。早い時期から 1GHz を超える高クロック化、また multi-core 化を実現しており主にハイエンド SoC での差別化を図っています。
ところが 64bit 時代に入ると一転し、フラグシップの Snapdragon 810 も ARM の一般的な Cortex-A57/A53 の big.LITTLE 構成となっていました。Kyro は久々に登場した Qualcomm の独自 CPU でかつ初の 64bit core になります。
2 + 2 の非対称 Multi core なので vfpbench では正しく計測することができませんでした。そのため Single-Thread 時の結果を中心に見ています。
Snapdragon 820 Kyro (2.2GHz x2 + 1.6GHz x2)
ARCH: ARMv8A
CPU core: 4
VFP: AArch64 NEON
FMA: Yes
NEON: Yes
Result
SingleT SP max: 10.517 GFLOPS
SingleT DP max: 5.216 GFLOPS
上の値は 1 core あたりの性能です。思ったよりも低い数値が出ています。より詳細なログは下記の通り。
* VFP/NEON (単精度 fp) single-thread
sec MFLOPS
---------------------------------------------------
FPU fmul (32bit x1) n8 : 0.469 2559.9
FPU fadd (32bit x1) n8 : 0.251 4777.4
FPU fmadd (32bit x1) n8 : 0.571 4205.1
NEON fmul.2s (32bit x2) n8 : 0.456 5257.7
NEON fadd.2s (32bit x2) n8 : 0.252 9510.8
NEON fmla.2s (32bit x2) n8 : 0.456 10516.8
NEON fmul.4s (32bit x4) n8 : 0.913 5258.8
NEON fadd.4s (32bit x4) n8 : 0.489 9825.7
NEON fmla.4s (32bit x4) n8 : 0.924 10387.4
FPU fmul (32bit x1) ns4 : 1.141 1051.6
FPU fadd (32bit x1) ns4 : 0.685 1752.7
FPU fmadd (32bit x1) ns4 : 0.913 2630.1
NEON fmul.2s (32bit x2) ns4 : 1.141 2103.5
NEON fadd.2s (32bit x2) ns4 : 0.685 3504.8
NEON fmla.2s (32bit x2) ns4 : 1.146 4187.6
NEON fmul.4s (32bit x4) ns4 : 1.144 4194.1
NEON fadd.4s (32bit x4) ns4 : 0.728 6595.9
NEON fmla.4s (32bit x4) ns4 : 1.142 8403.3
FPU fmul (32bit x1) n1 : 0.459 2614.5
FPU fadd (32bit x1) n1 : 0.274 4380.9
FPU fmadd (32bit x1) n1 : 4.568 525.5
NEON fmul.2s (32bit x2) n1 : 0.458 5245.7
NEON fadd.2s (32bit x2) n1 : 0.251 9562.2
NEON fmla.2s (32bit x2) n1 : 3.651 1314.6
NEON fmul.4s (32bit x4) n1 : 0.913 5257.8
NEON fadd.4s (32bit x4) n1 : 0.488 9828.5
NEON fmla.4s (32bit x4) n1 : 3.651 2629.5
NEON fmul.4s (32bit x4) n12 : 1.376 5234.2
NEON fadd.4s (32bit x4) n12 : 0.720 10001.3
NEON fmla.4s (32bit x4) n12 : 1.381 10429.9
乗算、加算ともに 64bit 単位で、1 cycle あたり 乗算1, 加算2 の構成になっているように見えます。よって 32bit 単精度の場合は 6 flop/cycle となり、Atom 系 (Silvermont, Airmont) に近い値になると思われます。同時に積和命令だけではピークにならないので、実際の理論値はおそらく 6 flop x 2.2GHz = 13.2 GFLOPS くらいでしょうか。2+2 の 4 core で 45.6 GFLOSP 前後。
上の vfpbench の結果は 4 flop/cycle 時のピーク値なので、4 x 2.2GHz = 8.8 GFLOPS。それよりも数値が伸びているので、2.2GHz よりも高い clock に boost されている可能性があります。もしくは、パイプラインが深いために vfpbench でピーク性能を捉えきれていないだけかもしれません。
どちらにせよ、浮動小数点演算だけに注目すると若干控えめな結果といえます。世代が上がる毎に浮動小数点演算をひたすら強化してきた Apple Aシリーズとは大きく特性が異なります。なにせ Apple A9 Twister に至っては 24 flop/clock で初期の AVX を超えています。
* VFP/NEON (倍精度 fp) single-thread
sec MFLOPS
---------------------------------------------------
FPU fmul (64bit x1) n8 : 0.465 2578.8
FPU fadd (64bit x1) n8 : 0.251 4781.4
FPU fmadd (64bit x1) n8 : 0.685 3506.0
NEON fmul.2d (64bit x2) n8 : 0.913 2627.7
NEON fadd.2d (64bit x2) n8 : 0.489 4912.0
NEON fmla.2d (64bit x2) n8 : 0.924 5194.1
FPU fmul (64bit x1) ns4 : 1.369 876.4
FPU fadd (64bit x1) ns4 : 0.685 1752.6
FPU fmadd (64bit x1) ns4 : 0.913 2629.6
NEON fmul.2d (64bit x2) ns4 : 1.369 1752.7
NEON fadd.2d (64bit x2) ns4 : 0.727 3303.5
NEON fmla.2d (64bit x2) ns4 : 1.369 3505.0
FPU fmul (64bit x1) n1 : 0.456 2629.0
FPU fadd (64bit x1) n1 : 0.274 4379.8
FPU fmadd (64bit x1) n1 : 5.477 438.2
NEON fmul.2d (64bit x2) n1 : 0.913 2629.1
NEON fadd.2d (64bit x2) n1 : 0.489 4911.5
NEON fmla.2d (64bit x2) n1 : 3.651 1314.6
NEON fmul.2d (64bit x2) n12 : 1.369 2629.6
NEON fadd.2d (64bit x2) n12 : 0.721 4992.3
NEON fmla.2d (64bit x2) n12 : 1.380 5215.8
倍精度の結果からも 64bit 単位のパイプラインになっているようです。余裕があれば、Multi-Thread 時を含めてもう少し詳しく調べてみたいと思っています。
関連エントリ
・iPhone SE, Apple A9 の浮動小数点演算速度
・Raspberry Pi 3 の速度比較, Cortex-A53 の速度
・ARM Cortex-A53 の浮動小数点演算速度とコンパイル時間の比較
・iPod touch 6 の浮動小数点演算速度は Core 2 Duo ライン超え
・iPad Air 2 (Apple A8X) の浮動小数点演算能力