Тест памяти DDR3 от Netac

Всем привет!
Сегодня мы попробует ответь на вопрос, а есть ли зависимость в производительности TensorFlow от скорости работы памяти.

Тестовый стенд

Процессор: Intel(R) Xeon(R) CPU E3-1270 V2 @ 3.50GHz
Материнская плата: Gigabyte GA-H77M-D3H LGA 1155 DDR3
Оперативная память: NETAC DDR3 8Gb 1600MHz pc-12800 (NTBSD3P16SP-08)
Видеокарта: GP102 [GeForce GTX 1080 Ti]
Жесткий диск: Seagate ST3160815AS
SSD: KINGSTON SKC300S

Т.к. TensorFlow в основном используется в Linux подобных системах, то и тесты мы проведем в Ubuntu.

К сожалению в Ubuntu нет привычных нам программ тестирования, которыми обычно пользуются в Windows. Но мне удалось найти один очень интересный Opensource проект под названием Phoronix Test Suite.

На данный момент Phoronix Test Suite поддерживает около 600 различных тестов, с помощью которых можно комплексно оценить производительность системы в целом. Но для сегодня у меня цель лишь оценить на сколько влияет работа памяти в одно или двуканальном режиме на производительность TensorFlow.

Для начала, из огромного перечня тестов, я решил выбрать 6 наиболее подходящих на мой взгляд. Все тесты можно запустить одной командой и они будут выполняться последовательно.

После запуска каждый тест предложит нам варианты конфигурации, отвечаем на вопросы согласно наших предпочтений

Далее нас спросят хотим ли мы сохранить результаты теста, соглашаемся.

За кадром, я уже пробовал как тут все работает, поэтому программа мне выдает имена файлов с данными ранее пройдённых тестов. Придумываем название и жмем Enter. На остальные вопросы необходимости отвечать нет.

Тест будет идти 7 часов, поэтому не вижу смысла делать полную запись

Первая попытка вышла не удачной. После двух минут работы тест выпал в ошибку и отправил систему в ребут, к слову, такое вижу в первый раз, что бы линукс после ошибки ушел в ребут. Сначала я не понял, что произошло и только на монтаже увидел, что произошла ошибка драйвера видеокарты.

Ну, что же, придется начать заново. Но на этот раз будем запускать тесты по одному и начнем с теста tensorflow, т.к. собственного его скорость работы мы и хотим протестировать.

В конфигурации теста выберем размер паке максимум 64, в реальных проектах редко используют пакеты большего размера. Модель выберем самую первую VGG-16, что бы это не значило.

Дальше все делаем также, вводим имя файла остальные вопросы пропускаем.

И снова останавливаем тест. Пошерстив просторы интернета наткнулся наткнулся на то, что если запускать тест с параметром MONITOR=all, то будут писаться показания всех датчиков, потому перезапускаем все с этим параметром.

И так первый тест закончен, мы получили первые результаты. Нас спрашивают хотим ли мы посмотреть результаты теста в браузере, опубликовать их на сайте, прикладывать системные логи или нет.