¿Tiene sentido seguir usando la unidad FLOPS para el rendimiento de la GPU?
En el artículo de las unidades de rendimiento ya introduje qué son los FLOPS, una de las unidades de rendimiento usadas para la CPU, pero también para otros procesadores como la GPU. Además, también se emplean otras muchas, como por ejemplo los hashes por segundo (H/s) para la minería de criptomonedas, etc.
Independientemente de eso, el tema de este artículo trata de reflexionar sobre si realmente es acertado seguir usando FLOPS para la GPU o si se debería emplear otra unidad diferente…
Introducción
En muchas ocasiones, muchas compañías de hardware tratan de camuflar las carencias haciendo algunos «trucos» en los benchmarks, inventando nuevas métricas, o retocando los números que muestran. Es puro marketing, para tratar de atraer al consumidor, en cambio, algunas son algo dudosas, y están claramente orientadas a favorecer la imagen de estas compañías, pero poco tienen que ver con el mundo real.
Algunas métricas como IOPS (E/S por segundo), MIPS, Giga Rays, TDP, etc., están muy «cogidas con pinzas» en algunas ocasiones. Pero hay una que destaca especialmente, y son los FLOPS, es decir, las operaciones de coma flotante por segundo.
La trampa de los FLOPS
Cuando se habla de una GPU, los FLOPS pueden determinar el potencial de cómputo máximo para cargas de trabajo científicas, que son las más dependientes de este tipo de cálculos de coma flotante. Es cierto que los gráficos, como los videojuegos, también necesitan una gran cantidad de este tipo de datos, pero es algo menos simple en el mundo real.
Los videojuegos usan multiples tipos de instrucciones, no solo de coma flotante. Además, se han ido agregando algunas unidades a la GPU que son usadas por este tipo de software para acelerar ciertas tareas. Por eso, usar el rendimiento de coma flotante de precisión simple (FP32) para determinar el rendimiento de la GPU es algo erróneo. Dicho con otras palabras, los FLOPS no te dan una idea real.
Por otro lado, las diferentes arquitecturas de las GPUs hacen complicado poder hacer comparaciones. Es decir, una GPU de NVIDIA y una de AMD son muy diferentes en cuanto a enfoque de diseño (no todas escalan linealmente), por lo que comparar los FLOPS de una y otra como herramienta para determinar cuál rinde más es totalmente erróneo.
Por ejemplo, una NVIDIA GeForce GTX 1080 Ti tiene 3584 CUDA cores y es capaz de llegar a los 11.34 TFLOPS. Algo que es inferior a los de una AMD Radeon RX Vega 64, con 4096 Stream cores, que podía llegar a los 12.66 TFLOPS. La arquitectura de ambas es diferente, y pensar que la Radeon tiene un 10% de rendimiento superior es erróneo. De hecho, la NVIDIA supera a la AMD en un 30% en videojuegos (1440p). Esto se debe a la diferente arquitectura y otras unidades de procesamiento presentes que pueden acelerar el procesamiento.
En el caso de GPUs de la misma marca, como una GeForce RTX 3080 Ti de 34.10 TFLOPS y 10240 CUDA cores, frente a una NVIDIA GeForce RTX 3090 de 35.58 TFLOPS y 10496 núcleos CUDA, también hay una variación de rendimiento del 4.15%, y el rendimiento en benchmarks sí que refleja un incremento del 4% aproximadamente. En este caso sí se comparan arquitecturas iguales (misma generación y misma fisionomía).
¿Solución?
Mejor que los FLOPS se deberían usar otras métricas más útiles que no confundan tanto al consumidor. Por ejemplo, emplear las velocidades de los fotogramas por segundo (FPS), latencia, etc. Es decir, aquello que al consumidor realmente le importa y puede evaluar para decidir qué producto comprar.
