简单说下Mali G52核心的问题

写完了？

k810应该是2ee版6核g52。vec4 madd 203.4gflops，vec4 add 152.9gflops。bifrost每个ee的整数add/sfu已经证实是可以跑浮点add的。2*8*6*0.82*2 = 157.44gflops，效率152.9/157.44 = 97%。
bifrost一直以来有个现象，madd的浮点比理论值高。vec4、vec3、vec2、scalar效率逐渐降低，所以都以vec4 madd浮点来说明。g76mp10，不存在多出的madd的话理论浮点3*8*10*0.72*2 = 345.6gflops，实际435.3gflops，在345.6/3*4 =460.8gflops范围内，效率94% 。我认为多出的madd是一个核心多出来的，3ee的话多三分之一，2ee多二分之一。k810根据add浮点基本上确定是2ee版g52，16alu不可能多三分之一，不能整除3。按多二分之一算vec4 madd理论浮点16*6*0.82*2/2*3 = 236.16gflops，效率203.4/236.16 = 86%。3ee 6核不考虑多出的madd都有3*8*6*0.82*2 = 236.16gflops，实际值203.4低于这个值，和以前的3ee birost核心冲突；考虑多出三分之一madd 236.16/3*4 = 314.88gflops，差得更多。

三星的g72和g76更厉害，add/sfu是arm ppt的2倍，华为的和arm ppt相符。9820 24x12x0.702x(1+2)=606.5288gflops。因为三星g72和g76的add多一倍，跑madd+add时才有add和多出的三分之一madd组合，24x12x0.702x3/3x4=808.704gflops。多出的madd跑fp32 add或者fp16时不起作用，比如9820的vec4 fp16 madd。

用snapdragon profiler测了下540。gfxbench alu2利用fragment shader进行运算，有fp32和fp16指令，比例接近2:3，alu利用率80%，alu工作时间百分比94%。adreno的fp32和fp16是分开的，而且可以同时工作，但同时工作的效率不高。540的alu2数据，80G fp32指令每秒，130G fp16指令每秒。而跑vec4 fp32 madd 167G fp32指令每秒，330.9gflops浮点，跑vec4 fp16 madd 356G fp16指令每秒，675.5gflops浮点。
manhattan3.0和t-rex的读写总带宽在12GB/s左右，两者都有fp32和fp16指令。t-rex的fp16指令最多，占85%左右；manhattan3.0的fp32指令多一些，是fp16的2倍左右，不过有点不太稳定，有时候fp16指令数突然比fp32指令多好多。
以上说的有fp16指令的都是指fragment shader，vertex shader只用fp32不用fp16。
texturing 的读总带宽在8-9GB/s，写总带宽4GB/s头，总共12-13GB/s。linear filtered过滤92%，没分双线性和三线性，最近点采样1.7%，各向异性过滤0。
记得twy_2000测的980总带宽不超过9GB/s，比adreno5系需求的带宽少多了。