Skip to content

Draft:Test veloSP sequence with same input file as default

Giovanni Bassi requested to merge RCv1_test_same_input into master

This MR adds a throughput test for the veloSP sequence using the same input file as the default sequence (upgrade_mc_minbias_scifi_v5_retinacluster_000_v1).

Throughput of hlt1_pp_default sequence

NVIDIA GeForce RTX 3090    │████████████████████████████████████████           202.87 kHz (1.00x)
NVIDIA RTX A6000           │███████████████████████████████████████            195.73 kHz (1.00x)
NVIDIA RTX A5000           │███████████████████████████████████                179.46 kHz (1.00x)
NVIDIA GeForce RTX 2080 Ti │██████████████████████████                         133.47 kHz (1.00x)
MI100                      │█████████████████                                  85.22 kHz (1.02x)
AMD EPYC 7502 32-Core      │████                                               20.58 kHz (1.00x)
                           ┼────┴────┼────┴────┼────┴────┼────┴────┼────┴────┼
                           0         50       100       150       200       250

Throughput of hlt1_pp_veloSP sequence

NVIDIA GeForce RTX 3090    │█████████████████████████████████████    187.30 kHz
NVIDIA RTX A6000           │████████████████████████████████████     183.93 kHz
NVIDIA RTX A5000           │██████████████████████████████           152.83 kHz
NVIDIA GeForce RTX 2080 Ti │█████████████████████████                129.10 kHz
AMD EPYC 7502 32-Core      │███                                      18.43 kHz
                           ┼─┴─┼─┴─┼─┴─┼─┴─┼─┴─┼─┴─┼─┴─┼─┴─┼─┴─┼─┴─┼
                           0   20  40  60  80 100 120 140 160 180 200
Edited by Giovanni Bassi

Merge request reports