在多核异构的时代，软件人员普遍面临的一个困惑是，面对如此复杂的系统，应该如何部署我们的算法，是应该让它运行在CPU，GPU还是甚至类似TPU的专门ASIC上才是最佳方案给定特定的计算平台，我们的算法实现是不是已经榨干硬件平台的最大能力，还有没有进一步改善的空间问题寻寻觅觅答案，真像雾里看花，我们渴望有一双慧眼，帮我们穿透迷津。
在衡量计算效能的正确姿势（2）我们提到了内存带宽（memory bandiwidth）和以FLOPS为代表的算力是可以很好的刻画计算平台的两个指标。同时既然是要衡量算法的性能自然我们也要考虑算法的特性。基于此，论文《Roofline: An Insightful Visual Performance Model for Floating-Point Programs and Multicore Architectures》提出了Roofline模型，试图对硬件和软件通盘考虑，从而提出改善性能的洞见。
两边取对数，
图中紫色的线条是不是很类似屋脊线，这正是该模型命名的由来。以脊点为界，左边区域构成内存带宽瓶颈区域，右边区域对应算力瓶颈区域。已知某算法的AI，其最大可获取FLOPS很容易计算得到，见如下公式，为AI所在竖直线与Roofline的交点。如算法Algo1的AI处于内存带宽受限区域，而算法Algo2的AI则位于算力受限区域，如果Algo1和Algo2为同一问题两种算法方案，显然Alg2更有机会获取满意的FLOPS。
需要指出的是，Roofline模型在实践中并不像想象般容易，运用的时候有很多细微的地方需要仔细推敲。但它仍不失为非常insightful的寻宝图，如果你能学会正确解读，它完全有机会帮我们找到算法性能优化的巨大宝藏。以后我们会有很多场合涉及它的理念和具体用法，敬请期待。
文章知识点与官方知识档案匹配，可进一步学习相关知识算法技能树首页概览35078 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！