拒绝忽悠 移动GPU全解读（二）
本帖最后由 jameswangsynnex 于 2015-3-3 20:02 编辑 <br /><br />说说被忽略的Shader接下来我们回到Shader。Shader是GPU里负责计算的主要部分，同时占得面积最大，耗电也最多。当今的桌面GPU往往都不再谈三角形生成率，或是像素填充率了，给的指标都是Shader的计算能力——GFLOPS。可见，Shader性能会越来越重要。移动GPU也有着这样的趋势。我们看一下Anandtech测试的各款GPU的GLBenchmark的Egypt HD 1080p Offscreen得分： 右边的绿色数字是该GPU在FP16精度下大致的计算性能，单位为GFLOPS。可以看到除去个别的GPU，Egypt成绩跟Shader计算能力的相关性还是比较明显的。先做一点铺垫：首先，对于浮点数做一次加法或者乘法，都算是一次操作，记作1 FLOPS。浮点数是有一定的精度的，比如16bit的浮点数，精度就是FP16。再高一点的FP32就是32bit的浮点数，也就是常说的单精度；更高的就是64bit的双精度FP64了。一般来说，只有FP32和FP64的操作才能算是FLOPS。在移动平台的OpenGL ES里，可以指定高、中、低三种不同的精度。对不同的GPU来说，高、中、低精度的实际值略有差别。如下图所示：对于Adreno和GC系列，无论何种选择何种精度，都会按照FP32精度进行计算。而Mali-400和Tegra的ULP GeForce的Pixel Shader部分不支持高精度，最高只支持中等的FP16精度。绝大部分游戏的Pixel Shader计算都采用中等（FP16）的精度，而Vertex Shader的计算一般是FP32的精度。其次，关于统一渲染架构（Unified Shader）和分离的渲染架构（Discrete Shader）。前者的Shader既能进行Vertex的计算，也能进行Pixel的计算，例如PowerVR，Adreno，GC系列。后者的Vertex Shader和Pixel Shader是分开的，典型的比如Mali-400和ULP GeForce。相对来说，统一渲染架构的Shader利用率会高些，在遇到三角形特别多像素特别少，或者相反的情况下，Shader的计算能力不容易被浪费。最后，由于顶点坐标（xyzw）和像素颜色（rgba）都具有四个属性，为了提高效率，Shader往往被设计成Vec4的SIMD，也就是可以对四个数据进行打包，然后用一条指令同样的处理。当然如果数据少于四个，计算能力就被浪费了。也有设计成一次只能处理一个数据的标量（scalar）单元。
各家GPU的Shader组成1. 高通Adreno系列Adreno系列为统一渲染架构，shader ALU为典型的Vec4 + Scalar，Vec4每周期可以处理4个FP32的MAD运算（乘加运算，记为2 FLOPS），Scalar单元不能做MAD，所以，一个Adreno的Shader单元，每周期可提供的浮点操作数为4×2 + 1= 9 FLOPS。主流Adreno GPU运算能力：Adreno 200， 2 Vec4+1， 133MHz，2.4GFLOPSAdreno 205， 4 Vec4+1， 266MHz，9.5GFLOPS Adreno 220， 8 Vec4+1， 266MHz，19.1GFLOPS Adreno 225， 8 Vec4+1， 400MHz，28.8GFLOPS Adreno 320， 如果是16Vec4+1， 跑400MHz的话，就是57GFLOPS以上都是FP32的计算能力，由于OPENGL ES里，高中低精度Adreno都是按照FP32跑，因此在低精度的情况下，也不能获得性能提升。
2. PowerVR SGX系列2.1 旧的SGX5系列包括SGX530/531/535/540/545，其Shader计算单元为USSE。USSE一个周期，可以对4个FX10（10bit的定点数，比FP16精度更低） 或者 2个FP16 或者 1个FP32 进行MADD操作。由于FP32才算是正常意义上的FLOPS，所以其性能每周期2 FLOPS。但是当两个FP32的操作共享一个操作数时，USSE也可以在一个周期里处理，此时就是2个FP32的MAD操作，4 FLOPS。所以，USSE的FP32性能，每周期为2～4 FLOPS。主流SGX5 GPU运算能力：SGX530， 2USSE，200MHz，0.8～1.6 GFLOPSMTK的SGX531，2USSE，300MHz，2USSE，1.2～2.4 GFLOPS三星蜂鸟SGX540，4USSE，200MHz，1.6～3.2 GFLOPSOMAP4460，ATOM Z2460的SGX540 400MHz， 4USSE，3.2～6.4 GFLOPS不过在FP16下，也就是大多数游戏的Pixel Shader精度下，相比FP32的最差情况下就能翻倍了。同样在更低精度的FX10下，还能再翻倍。
2.2 SGX 5XT系列包括SGX543/544/554，和它们的各种多核版本。其Shader计算单元为USSE2。USSE2不像之前那样了，是个Vec4+scalar的架构，单周期支持4个FP32的MAD操作，外加一个简单的scalar操作（ADD/MUL），这样跟Adreno一样，每周期 9 FLOPS。单个543/544包含4个USSE2，性能基本一样，544多一些DX的API支持。单个554则包含8个USSE2。主流SGX5XT GPU运算能力：iPhone 4S里的543MP2，2×4=8个USSE2，200MHz，14.4 GFLOPSOMAP4470里的单个544，384MHz，4USSE2，跟上面类似全志A31里的544MP2，所谓的8管线就是8USSE2，300MHz，也有21.6 GFLOPSiPad3里的A5X，543MP4，16USSE2，250MHz，36 GFLOPSiPad4的A6X，554MP4，32USSE2，280MHz，就突破80 GFLOPS了
在运算较低精度的FP16时，USSE2的性能还能有一定的提升。
3. ARM Mali系列3.1 Mali-400Mali-400并非Unified Shader，是顶点和像素处理分开的一个顶点处理器包含一个Vertex Shader ，Vec4，支持FP32精度一个像素处理器包含一个Vec4的Pixel Shader，以及一个TMU， Shader支持FP16精度主流Mali GPU运算能力：一个Mali-400“单核”，400MHz下，计算能力为6.4 GFLOPSExynos 4210的Mali-400 MP4，266MHz，则为10.6 GFLOPSGalaxy S3的Mali-400 MP4， 440MHz，则为17.6 GFLOPSNote2的Mali-400 MP4，运行在533MHz，则为21 GFLOPS当然这些都是FP16…… 因为Mali-400的Pixel Shader不支持FP32精度。
3.2 Mali-T6xx系列T6xx采用新架构，Shader为统一渲染架构。其中T604/624/628 ，一个核心含有2个ALU，而T658/678，为强化计算型，一个core含有4个ALU。
每个ALU是个128bit wide的Vector Unit加上一个32bit的Scalar单元组成。所以，单精度（FP32）性能为每周期9个，同USSE2。那么Exynos 5250里533MHz的Mali-T604 四核，FP32的计算能力为 38.4 GFLOPS同样，因为游戏里用的多的Pixel Shader是FP16精度，而T604的VU ALU此时处理能力能翻倍变成8个，这样每周期就是8*2 + 1 =17个。符合ARM宣称的500MHz下单个T604核心17GFLOPS，四核心68GFLOPS的数据。那么Exynos 5250里533MHz的Mali-T604 四核，FP16的计算能力为 72.5 GFLOPS
4. GeForce ULPGeForce ULP同Mali-400，是分离的Shader架构。其Vertex Shader和Pixel Shader都是Scalar的，并非Vec4。顶点支持FP32精度，像素部分支持FP20和FX10精度。所以，“8核”Tegra 2, 4VS + 4PS，300MHz,计算能力为4.8 GFLOPS“12核”Terga3，4VS + 8PS，520MHz，计算能力为12.5 GFLOPS
5. Vivante的GC系列跟Adreno差不多，也是Vec4 +1的结构，同样高中低精度都按照FP32计算，低精度下不会有提升。RK29的GC800， 1Vec4+1， 450MHz，4 GFLOPS飞思卡尔i.MX6的GC2000， 4Vec4+1，600MHz，21.6 GFLOPS海思K3V2的GC4000，8Vec4+1，480MHz，34.6 GFLOPS
GPU“兼容性”现在还有个经常被提到的是GPU的“兼容性”问题，这里就要涉及到各个GPU支持的纹理格式了。首先是ETC1，这个是OPENGL ES 2.0支持的纹理格式，大家都得支持。但这个纹理的一个缺点是不支持alpha通道，所以对于有alpha通道的纹理，就要拆成2个纹理去读取，效率低，浪费了带宽。而PVRTC是PowerVR自家的纹理格式，同样ATITC是高通Adreno的纹理格式，此外S3TC就是桌面很常见的DXT，微软DirectX 3D的纹理格式，这些都是支持alpha通道的。PowerVR GPU支持自家的PVRTC和通用的ETC1（iOS下的PVR GPU只支持PVRTC），Adreno支持自家的ATITC和通用的ETC1，NV的GeForce和Vivante的GC系列支持DXT和ETC1，剩下Mali-400只支持ETC1。所以，对应不同的GPU，会有不同的游戏数据包。通用数据包，一般都会采用ETC1，虽然通用，但由于不支持alpha通道要贴图2次，对于非Mali的GPU其实都算是吃亏了。如果用自己支持的其他格式，就不用受这个苦了。对于贴图单元（TMU，Texture Mapping Unit）数目相对较少的Adreno 2xx系列，恐怕更是吃亏。当然，纹理的支持度只是兼容性的一方面，并不是兼容性问题的全部。
各家的“多核”GPU硬件的部分基本说完了，这里总结一个表格，同时给出了GPU厂商官方定义的一个“核”的内容，谁的核里料多，谁比较不厚道，应该也是一目了然了吧。面对各种“16核”“8管线”的宣传，大家也应该能比较清楚的辨别了吧。
跑分跟实际表现不一样？优化很重要！最后，规格只是GPU的一个方面，实际表现跟架构也有很大的关系。更进一步的，就算是Benchmark中跑分差不多的GPU，在不同的游戏中，实际表现也会有差别。首先，Benchmark程序，大部分都是公平的，所以本质上，Benchmark都是“零优化”程序，公平起见，他们的纹理会用RGBA的PNG，TGA，或者ETC1纹理，不会用到各个GPU自家的格式。但是游戏不一样，游戏可以做相应的优化。例如PVR的GPU，可以用4bpp甚至2bpp的PVRTC纹理，相比于未压缩的贴图就可以节省8倍甚至16倍的带宽。而没有被优化到的情况下，可能只能跟着Mali用不支持alpha通道的ETC1，做2次贴图，浪费带宽。部分厂商甚至在通用数据包里放了一些未压缩贴图，那差距就更大了。同款游戏，跑分接近的GPU，iOS上的特效更好，流畅度更佳，就有优化的原因。其次，Benchmark在一定程度上都是相对超前的。大部分GPU跑Benchmark的帧率，都不会到流畅的级别（要是满帧了还怎么测出区别）。早期的Benchmark可能更加侧重贴图和像素部分。新一代的Benchmark则提升了场景复杂度，对多边形和Shader计算的压力进一步增大，例如GLBenchmark 从2.1到2.5的提升。因此，一些三角形生成能力和原生Shader计算能力高的GPU，比如Adreno 220/225，得分提升就会比较明显。而Mali-400则在2.5中遇到三角形生成的瓶颈，得分表现不如之前。而游戏是给人玩的，终端厂商或是SOC厂商可以跟游戏厂商合作，针对GPU的特点进行相应的优化。不同GPU侧重很不一样，比如Mali-400，三角形很弱，像素部分，填充率强。高通Adreno 2xx，Vivante的GPU，多边形很强，Shader计算强，但填充率较弱。如果场景对Mali优化，游戏商可以减少画面中多边形的量，用贴图和像素部分实现更多的特效。这样对Adreno 2xx系列不利。如果对Adreno优化，则可以增加场景复杂度，用更多的三角形进行更精细的建模，但这样对Mali则不利。这只是一方面，在一些细节上，还可以进行更深层次的优化，各家的GPU也都会提供相应的工具。最后，GPU的跑分在一定程度上能反映GPU的实际性能，但最终在游戏中的表现还是很看厂商优化的。所以也不要一味的盯着跑分，多问问玩过的朋友，多看看实测，会更有帮助。
<p>非常好，讲的不错，理论与实践结合的很完美</p>
页:
[1]