CPU性能测试Python代码

这里给出自己测试 CPU 性能的 Python 代码示例，可以作为基准，对本地电脑或服务器的 CPU 性能进行对比。计算的内容为 10 亿次的浮点加法运算、小矩阵的乘积（n=10）、大矩阵的乘积（n=1000）、超大矩阵的乘积（n=10000），总运行时长约为两三分钟。

单核和多核的影响：矩阵的乘积在多核 CPU 下运行有并行加速的效果，但没有按核数的相同倍数增加。如果要在本地电脑上测试单核 CPU 的性能，需要额外增加限制的代码，这里暂不考虑，可参考这篇的代码：在Python中使用multiprocessing实现多任务并行。

说明：这里只计算了一些简单的例子，并不能代表 CPU 的综合性能，仅作为参考。实际上，应该是需要用专业的软件进行测试，或者是考虑具体的任务进行测试。

Python代码（time_test.py）：

def addition_time():
    import time
    start_time = time.time()
    result = 0.0
    for _ in range(int(1e9)):
        result += 1e-9
    end_time = time.time()
    return end_time - start_time
execution_time = addition_time()
print("Execution time 0:", execution_time)

def np_dot_time():
    import numpy as np
    import time
    start_time = time.time()
    matrix_size = 10
    for _ in range(int(1e7)):
        matrix1 = np.random.rand(matrix_size, matrix_size)
        matrix2 = np.random.rand(matrix_size, matrix_size)
        result_matrix = np.dot(matrix1, matrix2)
    end_time = time.time()
    return end_time - start_time
execution_time = np_dot_time()
print("Execution time 1:", execution_time)

def np_dot_time_2():
    import numpy as np
    import time
    start_time = time.time()
    matrix_size = 1000
    for _ in range(int(1e3)):
        matrix1 = np.random.rand(matrix_size, matrix_size)
        matrix2 = np.random.rand(matrix_size, matrix_size)
        result_matrix = np.dot(matrix1, matrix2)
    end_time = time.time()
    return end_time - start_time
execution_time = np_dot_time_2()
print("Execution time 2:", execution_time)

def np_dot_time_3():
    import numpy as np
    import time
    start_time = time.time()
    matrix_size = 10000
    for _ in range(1):
        matrix1 = np.random.rand(matrix_size, matrix_size)
        matrix2 = np.random.rand(matrix_size, matrix_size)
        result_matrix = np.dot(matrix1, matrix2)
    end_time = time.time()
    return end_time - start_time
execution_time = np_dot_time_3()
print("Execution time 3:", execution_time)

在服务器上提交任务的 sh 文件（time_test.sh），为单核 CPU 运行的情况：

#!/bin/sh
#PBS -N time_test
#PBS -l nodes=1:ppn=1
python time_test.py

运行结果：

Execution time 0: 34.26491689682007
Execution time 1: 51.675291776657104
Execution time 2: 38.55372405052185
Execution time 3: 26.85602355003357

说明：

• 第一个计算只能串行，它反应了单核 CPU 的计算能力。矩阵的乘积在多核 CPU 下运行有并行加速的效果，如果是多核的情况，后面三个计算时间会比以上运行结果更小一些。
• 在两台设备的测试中，如果发现其中一个设备的第一个计算时间较短，其他三个时间的较长，那么说明该设备的单核能力较强，并行能力较弱。反之，则说明并行能力较强，单核能力较弱。

853 次浏览

【说明：本站主要是个人的一些笔记和代码分享，内容可能会不定期修改。为了使全网显示的始终是最新版本，这里的文章未经同意请勿转载。引用请注明出处：https://www.guanjihuan.com】