穿越功耗墙，从哪些方面提升性能？

文章目录

功耗：CPU的人体极限
并行优化，阿姆达尔定律
总结

CPU性能中，程序的CPU执行时间公式如下

程序的 CPU 执行时间 = 指令数 × CPI × Clock Cycle Time

提升计算机的性能，从指令数、CPI以及CPU主频入手。

功耗：CPU的人体极限

奔腾 4 的 CPU 主频从来没有达到过 10GHz，最终它的主频上限定格在 3.8GHz，是因为它的功耗问题

一个 3.8GHz 的奔腾 4 处理器，满载功率是 130 瓦，CPU 安在手机里面，不考虑屏幕内存之类的耗电，这个 CPU 满载运行 45 分钟，充电宝里面就没电了。

iPhone X 使用 ARM 架构的 CPU，功率则只有 4.5 瓦左右。

CPU（被叫作超大规模集成电路（Very-Large-Scale Integration，VLSI))。这些电路都是一个个晶体管组合成的。

CPU 在计算，其实就是让晶体管里面的“开关”不断地去“打开”和“关闭”，来组合完成各种运算和功能。想要计算得快，

增加密度。在 CPU 里，同样的面积里面，多放一些晶体管
提升主频。让晶体管“打开”和“关闭”得更快一点

这两者，都会增加功耗，带来耗电和散热的问题。

CPU里能够放下的晶体管数量和晶体管的开关频率都是有限的，CPU的功率公式如下：

功耗 ~= 1/2 ×负载电容×电压的平方×开关频率×晶体管数量

提升性能的时候，需要不断增加晶体管的数量，同样面积下要多放一些晶体管，也即是把晶体管造的小一点，这个就是平时所说的制程，比如28nm。

功耗太多，会导致CPU散热跟不上，这个时候需要减低电压，功耗是和电压的平方成正比，电压下降1/5，功耗变为原来1/25。

并行优化，阿姆达尔定律

不是所有问题，都可以通过并行提高性能来解决，需要满足以下几个条件

需要进行的计算，本身可以分解成为几个可以并行的任务。
分解好的问题解决完之后，能够将结果汇总在一起
汇总阶段，没有办法并行执行，需要顺序执行。

对于一个程序优化之后，处理器并行运算之后效率提升的情况，就是阿姆达尔定律，可以用公式

优化后的执行时间 = 受优化影响的执行时间 / 加速倍数 + 不受影响的执行时间

总结

加速大概率事件。深度学习整个计算过程中，99% 都是向量和矩阵计算，所以通过用GPU代替CPU，大幅提升深度学习模型训练的过程。
通过流水线提高性能。现代 CPU 里是如何通过流水线来提升性能的，以及过长的流水线会带来什么新的功耗和效率上的负面影响。
通过预测提高性能。预先猜测下一步该干什么，而不是等上一步运行的结果，提前进行运算，也是让程序跑得更快一点的办法。