ラズパイ３vsラズパイ４　機械学習によるパフォーマンス評価編

前回のブログ
ラズパイ３vsラズパイ４　UnixBenchによるパフォーマンス評価編

にも記載しましたが、ラズパイ４はラズパイ３に比べてパフォーマンス評価が高いです。しかし、あれだけの動作温度で発熱しながら稼働している割には、Score 換算値 で 28% upしかないのは、ちょっとかっがりしました。

あれだけ発熱するために、本体よりも大きなヒートシンクを装着しているにもかかわらず、ラズパイ４のパフォーマンス１割強微増は、見掛け倒しもいいところですね。
(- -); 　

そこで、ラズパイ４の名誉挽回のために UnixBench と違ったテスト方法で再評価を実施してみます。その評価方法は、 実データを用いた機械学習の K 分割交差検証 で、Python の scikit-learn ライブラリーを使ったプログラムの実行処理スピード対決となります。機械学習は、そもそも使用するデータの学習と評価でかなり時間とＣＰＵの処理能力を要しますので、実テスト評価としては最適なケースです。

では、 機械学習の K 分割交差検証の処理スピード対決結果を、以下の表に記載します。

	ラズパイ４: RaspberryPi 4 Model B (4GB)	ラズパイ３: RaspberryPi 3 Model B+
３分割交差検証	Time: 1分58秒 学習Score: 0.611839	Time: 7分10秒 学習Score: 0.611839
５分割交差検証	Time: 4分04秒 学習Score: 0.614734	Time: 14分53秒 学習Score: 0.614734
１０分割交差検証	Time: 9分38秒 学習Score: 0.523493	Time: 34分32秒 学習Score: 0.523493

上記の結果から、機械学習の K 分割交差検証の処理スピード対決はラズパイ４の圧倒的な差で軍配が上がりました。スピード処理能力アップは、３～４倍ということでしょうか。恐らく、UnixBenchマークにある以下２点のテスト項目が効果を発揮していると考えられます。

• 整数演算処理の性能
• 浮動小数演算処理の性能

やはり、これぐらいの実力差がないと、ラズパイ４の動作時発熱量は納得感がありませんね。 結論として、機械学習等のような高速処理が必要なジョブを対象するのであれば、ラズパイ３よりもラズパイ４のほうがお薦めですね。ＩｏＴエッジデバイスが機械学習まで処理できる日が近いかもしれません。(^^);　

 

参考情報

「事業内容」 はこちらから

IoT 自作に興味がある方は、「楽しい IoT 自作」 一覧へ

お問合せ はこちらから