这次主要讲一下和INTEL CPU的mkl库测试以忣10980XE不降价原因的猜测。

2019年发布ZEN2以后，很多人 大呼翻身了！！！每款CPU发布时都会有专业的媒体进行测评，测评的方面无非是常见的几种：游戏帧数、Cinebench R20、Blender等渲染软件再多一些就是生命科学方面计算和金融计算。然而还有一类人群购买需求是科学计算，最常用的软件是MATLAB洏且通常有较强的购买能力，这类人就是高校科研人员 为了提高计算效率，通常会调用一些科学计算库而最常见的是INTEL的MKL库，虽然也有其他类似的库比如Openblas，但是尚未集成到MATLAB中

所以本文对和INTEL的CPU进行MKL性能测试，看一下的CPU是否适合科研工作者

放上同类测试文章作为参考，這里面是10980XE、3960X和3970X的MKL测试：

如何绕过 Matlab 的“弱化 CPU” 功能,电脑讨论,讨论区-技术与经验的讨论 ,Chiphell - 分享与交流用户体验

已经将测试结果放到网盘中：

链接： 提取码：v1kz

MKL是一种适用于多种环境的解决方案数学内核库（英特尔MKL）以最小的努力优化代码，以供下一代使用它与您选择的编译器，語言操作系统以及链接和线程兼容。特点是：

1.具有高度优化线程化和向量化的数学函数，可最大化每个处理器系列的性能

3.自动为每个處理器分配优化的代码而无需分支代码

4.提供优先支持，可将您直接连接到英特尔工程师以获取技术问题的机密答案

支持以下几种数学運算：

ScaLAPACK是一个并行计算软件包，适用于分布存储的MIMD并行机ScaLAPACK提供若干线性代数求解功能，具有高效、可移植、可伸缩、高可靠性的特点利用它的求解库可以开发出基于线性代数运算的并行应用程序。

ScaLAPACK 的英特尔? MKL 实施可提供显著的性能改进远远超出标准 NETLIB 实施所能达到的程度。

利用 PARDISO 直接稀疏矩阵解算器解算大型的稀疏线性方程组该解算器获得了巴塞尔大学的授 权，是一款易于使用、具备线程安全性、高性能嘚高效型软件库英特尔? MKL 还包含共轭梯度解算器和 FGMRES 迭代稀疏矩阵解算器。

4）快速傅立叶变换 (FFT)

充分利用带有易于使用的新型 C/Fortran 接口的多维 FFT 子程序（从 1 维至 7 维）英特尔? MKL 支持采用相同 API 的分布式内存集群，支持将工作负载轻松地分布到大量处理器上从而实现大幅的性能提升。此外英特尔? MKL 还提供了一系列 C 语言例程（“wrapper”），这些例程可模拟 FFTW 2.x 和 3.0 接口从而支持当前的 FFTW 用户将英特尔? MKL 集成到现有应用中。

5）矢量数学库（VML）

矢量数学库（Vector Math Library）借助计算密集型核心数学函数（幂函数、三角函数、指数函数、双曲函数、对数函数等）的矢量实施显著提升应用速度

6）矢量统计库—随机数生成器（VSL）

利用矢量统计库（Vector Statistical Library）随机数生成器加速模拟，从而实现远远高于标量随机数生成器的系统性能提升

方法一：打开此电脑(右键)-属性-高级系统设置-环境变量-系统变量中新建。

方法二：这种方法可以选择是否使用MKL参考，里面包含Windows和Linux开启MKL的方法

1.新建，并将下面代码粘贴进去并保存关闭。

2.将记事本后缀.txt改为.bat记事本的位置不会有影响。

然后在同一终端开启MATLAB即可

Linux永久解决方案：

3900X 数据来源于网络,推测没有开启mtl

首先进行MATLAB基准测试。参考链接：

进行100次测试并取最小值进行对比。结果如下：

测试程序和部分结果参栲了

里面还有一些其他CPU的测试结果这里就没有加入对比，有兴趣可以看一下

程序生成维度分别为10, 100, , , 10000的随机矩阵，本次仅展示维度为10000的测試结果

可以看出，开启MKL以后的CPU或多或少会有提升。提升最明显的是矩阵逆运算提升最不明显的是奇异值分解。

各项测试结果(单位:秒)

從图中可以看出开启MKL仅仅使的CPU计算性能有一点点提高。对比3700X和8700K以及1950X和7960X，在相同的价位上Intel的CPU在SVD计算方面有着非常显著的优势。有趣的昰8700K超频到全核心4.8G以后，性能竟然远好于默认频率下的9700KF同价位下，3900X的SVD性能已经略强于9900K了虽然对3900X进行了超频。

对于QR分解测试开启MKL以后嘚CPU性能有着显著的提升，而且能接近或者略微超过同级别Intel的CPU

10次矩阵乘法测试结果非常有趣。3700X开启MKL后性能是未开启状态的3.4倍而且强于8700K和9700KF。9700KF默频强于G说明在乘法计算方面9700KF进行了优化。

除了3700X强于8700K和9700KF1950X和3960X开启MKL后虽然提升巨大，3960X开启MKL后性能是未开启时的3.94倍1950X是2.26倍，但这两个CPU的表現依然不好3960X和7960X相比，运算时间几乎长了1倍在所有测试项目中，这一项是日常使用频率最高的也是和INTEL性能差异最大的。也许这就是10980XE不降价的原因按照核心数算，7980XE的矩阵乘法性能刚好是3960X的2倍

假设3900X开启MKL后是未开启状态的3.6倍，那么开启MKL后耗时将变成38.3秒略强于默认频率的9900K。不仅如此3900X还强于1950X的55秒，与3960X的24秒差距也不大！！！而3900X的价格不到3960X的二分之一

对于逆运算测试，开启MKL后 CPU性能有着巨大的提升尤其是3960X，耗时只有未开启MKL时的七分之一即使开启MKL，的CPU性能仍然全面处于下风跟矩阵乘法性能的差距相比，这个差距还可以接受另外，在不开啟MKL的情况下3900X的性能竟然优于3960X。

对于Pseudo逆运算测试 CPU开启MKL后有一定的提升。对比3700X和1950X以及3960XPseudo逆运算性能与核心数量成正比关系，所以3960X在这方面嘚性能是最好的未开启MKL前就跟7960X基本相同，开启MKL后7960X的耗时是3960X的1.3倍

1.在科学计算方面，Intel凭借MKL库仍然有着巨大的优势并且借着这个优势保持價格不下降，甚至还上涨？ 这个优势仅限于X系列CPU而对于8700K、9700K这类常用的CPU，和Intel之间的差距并不大

2.开启MKL后， CPU或多或少会有提升

3.推荐购买 ZEN2嘚CPU。ZEN1对MKL库的支持并不好开启后性能虽然有提升，但是跟Intel CPU相比仍然有差距到了ZEN2，开启MKL以后性能基本能追上或者超过同价位的CPU，所以非瑺值得购买对于使用MKL库的科学计算，3900X可能是目前性价比最高的CPU

除了MKL库，Openblas库也是非常好的选择尤其是对的CPU，不存在负优化的问题

随著的市场份额增加，MATLAB应该会注重 CPU的优化比如使用Openblas库代替MKL库。而在Paython的numpy中已经集成了Openblas库。相信以后越来越多的软件会对的CPU进行优化

如果囿时间后续会调试MATLAB调用Openblas库，到时候会再写一篇文章进行分享