我在 Computational Physics 期刊中看到很多出版物使用不同的指标来衡量代码的性能。特别是对于 GPGPU 代码，人们发布的计时结果似乎多种多样。特别是，我见过：
- 比较（基本上）
time在 GPU 和 CPU 版本上运行并报告平均值 - 比较调用的每个 GPU/CPU 函数上的分析数据（因此计时运行
main和从中调用的所有函数，但忽略驱动程序初始化时间） - 比较几个相关功能的分析数据，忽略内存传输（在这种情况下通过 PCI-E 总线）、磁盘 I/O、将数据从一种格式转换为另一种格式等
- 仅比较一个函数的分析数据（例如，仅比较 CPU 与 GPU Quantum Monte Carlo 中进行自旋更新的时间）并忽略内存传输时间、磁盘 I/O、设置哈密顿量/对角化等内容， 等等
我的感觉是第一个选项是四个选项中最“诚实”的，尽管我也可以看到第二个和第三个选项的优点。当 4.99s 是语言或 Infiniband 与 Gigabit 之间的 I/O 实现的差异时，报告 5s 的运行时差异有点荒谬。最后一个选项对我来说似乎有点“粗略”，因为除非这个功能是整个程序的痛点，否则报告有关它的信息不会反映有人复制我的结果会看到的性能。这些方法中哪个更直接？理想情况下，一篇论文将包含所有这些内容，但在数字/长度受到限制的情况下，哪一个是最有价值、最诚实和最相关的？