24组数据找答案 GTX680处理器依赖性测试

    前言：GPU炼金试验室是ZOL显卡频道在2012年度推出的新的一档系列文章栏目，它同时也是去年的ZOL显卡探索与发现栏目的延续和发展。在GPU炼金试验室中，我们会针对一系列人们感兴趣的关于GPU的有趣细节，比如它的性能特征、适用性甚至什么样的产品值得选择等等展开一系列深入的测试和探讨。通过GPU炼金试验室，你将会了解到毫无意义的跑分之外的很多事情，比如说今天的文章就会为大家带来一个值得关心的问题的答案——你的CPU，对Geforce GTX 680来说真的够力么？

    基于Kepler构架的NVIDIA新旗舰Geforce GTX 680已经发布近一个月了，这款比竞争对手更小更凉更便宜却又更快的新一代旗舰一经发布便掀起了一场轩然大波。所有人都在问同样的一个问题——为什么？为什么Kepler会表现得如此之快？为什么更少的晶体管和更小的规模可以带来更高的性能？为什么Kepler可以做到如此高的性能功耗比……太多的疑问萦绕在人们的心头，不论业界还是爱好者，甚至包括竞争对手AMD在内，每个人都希望能够获得这些问题的答案。

    和所有人一样，我们也渴求着这些问题的答案，但由于初期资料以及测试的不完善，我们在逻辑构架解读的细节展现以及特性解释等方面都遇到了不小的困难,因此我们在首测文章中无法给予读者们所有这些关于构架细节、“黑科技”以及诸多“为什么”的答案。

    在过去的近一个月时间里，我们进行了大量可以进行的关于开普勒构架底层的延展性测试，以求能够揭开蒙在Kepler构架以及Geforce GTX 680周围的重重帷幕。现在，我们相信自己已经揭开了这神秘面纱的重要一角——Scheduling过程的细节和意义。而我们所使用的方法，就是测试Kepler以及Fermi逻辑结构对不同处理器性能的依赖程度。

    抛去逻辑结构那些晦涩的细节以及对爱好者较高的技术水平要求，即便是对于一般用户来说，手头的显卡是不是已经物尽其用，究竟怎样的处理器才能让显卡获得最完整的性能发挥等等同样是值得关注的问题。因此，我们决定利用本期的GPU炼金试验室栏目对我们深挖Kepler构架黑科技过程的部分测试的结果进行展示，在为我们接下来将要进行的讨论做铺垫的同时，为大家带来“Geforce GTX 680究竟搭配怎样的处理器才不会吃亏”这个问题的答案。

    你的Geforce GTX 680真的火力全开了么？相信我，你会对这个问题感兴趣的。

    第2页：不能用游戏么，那我们要怎么测试？

    ● 不能用游戏么，那我们要怎么测试？

    所谓GPU对处理其性能的依赖性，实际上指的是由处理器频率来决定的GPU本身的性能。一款GPU对于处理器的依赖体现在很多方面，诸如生成任务的能力、对于函数库以及内存访问的中断管理、对指令的转译以及管理等等。这些由处理器决定的过程每时每刻都在影响着我们的应用，通过逐步调整处理器的频率并收集对应频率下不同GPU的性能，我们就可以知道各种GPU构架对于处理器性能的依赖程度了。

    遗憾的是，这些依赖度的测试并不能很直接的使用实际游戏之类的手段来进行。诚然，显卡的各种测试最终都是要服务于游戏等实际应用当中才有意义，但在一般的游戏过程中，处理器除了要负责与GPU性能也就是依赖性直接相关的部分之外，还要负责处理顶点生成、程序中断控制管理、典型物理过程运算以及AI等多项事务，这些过程的处理都会极大地影响到最终游戏执行的速度。换句话说，处理器不仅影响着GPU的性能，其本身对应用的最终性能同样会产生直接的影响。通过调整处理器主频确实可以得到不同的游戏表现，但这些表现往往是处理器本身对游戏性能的影响，并不一定是GPU构架依赖处理器性能所导致的。

    GPU炼金实验室是一档致力于揭示构架底层设计特点的栏目，我们所做的测试均要求尽可能的回避能够对结果产生干扰或造成不确定性的因素。有介于这种情况，我们决定继续采用过去经常采用的低图形关联度测试法，以直接面向底层性能的通用计算测试，也就是SDK Simulation测试来替代多种因素交织并彼此产生影响的常规游戏过程。在此基础上，我们会同时提供对处理器性能依赖较小的图形过程来进一步体现GPU对处理器性能的依赖情况。

    我们首先进行的SDK Simulation测试是使用Direct Compute完成的流体力学模拟测试——Fluid dynamics simulation。Fluid dynamics simulation基于弹性力/黏着力/重力为基础的颗粒碰撞模拟，每一个颗粒均拥有独立的力学参数，通过对颗粒本身在统一的重力参数作用下自有力学参数以及交互作用的计算，可以模拟大量颗粒的行为并达到模拟由它们构成的“流体”特性的目的。由于每一个粒子最终都会被处理成与其他粒子关联的任务，大量任务及其背后的关联性让Fluid dynamics simulation的Grid测试部分对于线程关联度判断等过程非常敏感，因此该项测试可以考验不同构架在图形通用计算以及有针对性的物理特效计算时对处理器的依赖度。

    Cascaded Shadow Maps（CSM）是一种基于阴影深度进行的阴影判断及快速操作模式，CSM通过将整个阴影划分成若干级的层次，以层次内部像素的深度来定义和快速判断阴影位置，并对近景阴影采取高精度贴图，远景阴影采用低精度贴图的方式来达到节约资源同时快速准确实现阴影贴图的目的。CSM可以极大地加快阴影操作的速度，同时避免大多数因为光源形态、阴影深度与像素尺寸差异所导致的阴影边缘及内部贴图错误。CSM可以透过Compute Shader来进行大量涉及矩阵运算及坐标判断，而这一过程会频繁的访问API，因此对处理器的任务及中断管理能力有着很高的要求。

    不同版本的3Dmark对于图形过程中处理器的依赖度是不同的，基于DirectX 11的3Dmark 11由于侧重点的改变，对于处理器在常规图形过程中的依赖要小于其他版本的3Dmark Serise。因此，通过对3Dmark 11的测试，我们不仅能够从侧面获得一定的GPU构架对处理器依赖度的信息，还可以取得不同处理器主频下GPU构架所能够表现出来的图形性能变化趋势。