• 7Zip

Débutons cette section par l'utilisation de 7-Zip dans sa version 19.00 et de son benchmark intégré pour mesurer la performance en compression LZMA2 en s'affranchissant des variabilités liées à l'écriture disque. Notons que nous laissons ce dernier tourner en boucle pendant plusieurs minutes avant de relever les résultats exprimés en Mo/s.

 

7ZIP

 

Ce logiciel a tendance à relativement bien scaler, il profite également fortement du SMT / Hyper-Threading. Le 10900K tire donc parti de ses 10 cœurs, devançant les R7 3K rouges, mais s'inclinant face aux R9. Le 10600K de son côté finit un chouia derrière le R5 3600, tout comme le 10700K face au 3700X.

 

 

 

• VeraCrypt

Poursuivons cette section par le chiffrement de données à l'aide de VeraCrypt (développé par la société Française IDRIX et qui s'appuie sur les bases de TrueCrypt) via le benchmark intégré (1 Go), qui prend en charge l'accélération matérielle des CPU récents par le biais de leur jeu d'instructions AES-NI.

 

TrueCrypt

 

Cette fois encore, le nouveau flaship sur LGA1200 parvient à devancer les deux R7 (ce qui n'est pas le cas du 10700K) sans atteindre pour autant les R9, quant au 10600K, il doit lui aussi s'incliner face aux R5.

 

 

 

• asmFish

Nous utilisons à présent asmFish afin de vérifier la capacité des CPU à faire tourner une IA d’échecs. Nous utilisons l'exécutable le plus adapté à chaque CPU en adaptant le parallélisme aux capacités de chaque processeur testé, sur une profondeur de 24 coups.

 

iachess

 

C'est dans ce test que nous avons noté le plus grand écart entre les 2 configurations du 10900K. Cela s'explique par une tâche qu'il est difficile de rallonger sans devoir reprendre toutes les mesures. Le 10900K peut donc davantage profiter de ses 250 W en proportion du temps d'exécution du test. Nous augmenterons la profondeur lors du prochain protocole. A ce petit jeu, il parvient au niveau du R9 3900X, les 10700K & 10600K croquant les puces Zen 2 à parité de cœurs. 

 

 

 

• Tensorflow

Que serait un test de CPU sans la dernière tendance du moment, le Machine Learning ? Nous choisissons pour cette tâche TensorFlow, une implémentation Python développée par Google, pouvant également tirer parti de CUDA pour s'accélérer sur GPU. Notez que par rapport à notre précédent test, nous avons décidé d'activer le support de l'AVX2, alors que nous nous limitions au SSE3 précédemment, dans un souci de compatibilité du code avec les plus anciens CPU que nous pensions intégrer dans le futur. Nous sommes toutefois revenus sur cette décision pour obtenir une "photographie" plus cohérente avec les CPU modernes. Tout cela tourne dans notre image Linux - sautez quelques pages si vous souhaitez plus de détails à ce sujet. Petit avant bouche d'un dossier plus complet à venir, nous utilisons un script secret implémentant l'apprentissage d'un réseau de neurones profond convolutifs réalisant la super-resolution d'images Full HD. Pour simuler une charge de travail conséquente mais compatible avec les délais inhérents aux tests de matériel, nous n'utilisons qu'une seule image, sur un entraînement de 100 epochs et reportons le temps nécessaire à terminer l'apprentissage.

 

tensorflow

 

L'usage d'AVX2 rééquilibre clairement les forces et permet aux Skylake-X de briller, du fait de leurs unités vectorielles très rapides pour ces tâches. Notez que le résultat est de surcroît biaisé en leur défaveur, puisque l'AVX-512 n'est pas activé dans la version de TensorFlow utilisée. Les nouveaux venus s'avèrent de leur côté bien moins à l'aise, le Core i9-10900K peinant à suivre les Ryzen 7 3000, le Core i7-10700K devançant tout juste un R5 3600X.

 

 

Page suivante, éprouvons les nouveaux-nés à l'aide des tâches de création 3D et vidéo.



Plus d'infos avec le comptoir de l'info


Les 167 Ragots
   
Les ragots sont actuellement
ouverts à tous, c'est open bar !