5 性能分析

我们在各种应用场景中对使用 V3Link 板和 AM62A SK 的四摄像头设置进行了测试，包括直接在屏幕上显示、以太网流式传输（四个 UDP 通道）、录制到 4 个单独的文件以及使用深度学习推理。在每个实验中，我们都会监控帧速率和 CPU 内核的利用率，从而探索整个系统的功能。

如前面的图 4-4 所示，深度学习流水线使用 tiperfoverlay GStreamer 插件在屏幕底部以条形图的形式显示内核负载。默认情况下，该图每两秒更新一次，以利用率百分比形式显示负载。除了 tiperfoverlay GStreamer 插件之外，第二个可直接在终端上显示内核性能的选项是 perf_stats 工具（具有文件保存选项）。此工具相比 tiperfoverlay 更精确，tiperfoverlay 会给 Arm 内核和 DDR 带来额外负载，以绘制图形并在屏幕上叠加。perf_stats 工具主要用于收集本文档中所述所有测试用例中的硬件利用率结果。这些测试中研究的一些重要处理内核和加速器包括主处理器（四个 A53 Arm 内核 @ 1.25GHz）、深度学习加速器 (C7x-MMA @ 850MHz)、具有 VISS 和多标量（MSC0 和 MSC1）的 VPAC (ISP) 以及 DDR 操作。

表 5-1 展示了在三种用例中将 AM62A 与四个摄像头一起使用时的性能和资源利用率，包括将四个摄像头的视频流式传输到显示器、通过以太网进行流式传输以及录制到四个不同的文件。每个用例中都会执行两项测试：仅使用摄像头和使用深度学习推理。此外，表 5-1 中的第一行显示了只有操作系统在 AM62A 上运行而没有任何用户应用程序时的硬件利用率。在评估其他测试用例的硬件利用率时，该值用作比较的基准。如表所示，具有深度学习和屏幕显示功能的四个摄像头以 30FPS 的速率运行，四个摄像头的总速率为 120FPS。这种高帧速率只需深度学习加速器 (C7x-MMA) 满容量的 86% 即可实现。此外，需要注意的是，在这些实验中，深度学习加速器的时钟频率为 850MHz，而不是 1000MHz，后者仅为其最高性能的 85% 左右。