作者：陸向陽
第五代樹莓派（Raspberry Pi 5, RPi 5）官方預計賣60美元（4GB RAM）與80美元（8GB RAM），比前一代相同RAM容量的55美元、75美元貴個5美元，但貴這5美元是否值得呢？
由於樹莓派基本上仍是桌上型，桌上型運算系統多講究價格效能比（Cost-Performance Ratio, CP Ratio，或稱性能價格比、性價比），而行動裝置比較重視每瓦效能（Per Watt Performance）表現，所以已經有各方單位對RPi 5進行各種效能測試，用各種標竿、基準（benchmark）軟體來測，以下就來解析這些數據，從中研判合算性，供各方創客Maker參考。
Geekbench單核測試
依據樹莓派公司官方部落格Alasdair Allan所揭露，用Geekbench 6.2內部版來測試，在單核條件下的測試，RPi 5至少是RPi 4的2.24倍效能，分數為764分比340分。
這裡頭需要解釋，RPi 5可以用新的64位元版樹莓派作業系統，新版使用16KB的虛擬記憶體分頁，舊版則使用4KB，新版也可以用4KB分頁，以達到跟舊版32位元間較佳的相容性，反之16KB理論上會有較差的效能但較佳的效能。
事實上正因為要測試16KB分頁模式，所以才需要內部版的Geekbench，不然一般公開版即可。不過實際測試的結果，16KB只比4KB快一點點，分數為774分，因此現階段沒必要為那一點點效能增幅而換用16KB分頁，除非是毫無包袱全新使用。
另外要說的是，每次測試數據總會有些出入，大概是正負6分，而且需要調整一些設定，例如關閉軟體更新查核，或不同的記憶卡，還有RPi 5一定要用風扇散熱，不同的風扇也可能是變因。
圖1 Geekbench測試RPi 5、RPi 4的單執行緒效能（資料來源：樹莓派官網）
Geekbench多核測試
單核測試是最具普遍參考價值的，畢竟不是所有軟體都支援多核，但一定會用到單核。不過支援多核的軟體也開始增多，所以多核也幾乎成了必測項，官方揭露的數據結果是723分對1604分，RPi 5是RPi 4的2.21倍，增速效果與單核條件近似。
比較有趣的是，RPi 5的測試一樣有4KB、16KB兩種分頁模式的測試，結果16KB的效能還些微倒退，分數為1588分，看來16KB分頁版還有待調教精進。此外，多核測試的數據出入也比較大，4KB版為正負22分，16KB版則為正負63分。
圖2 Geekbench測試RPi 5、RPi 4的多執行緒效能（資料來源：樹莓派官網）
超頻測試
進一步的，知名創客Jeff Geerling對RPi 5進行超頻，從正常運作的2.4GHz超到3GHz，同樣以單核、雙核來比較，單核從774分增加到906分，雙核則從1604分增加到1634分。
Jeff表明超頻的幅度愈高愈不穩，2.6GHz穩定，2.8GHz還算穩定，3GHz就開始不穩容易奇怪動作，最高超到3.1GHz。Jeff認為若用上液態氮可能可以超到3.3GHz。
圖3 RPi 5超頻的結果以單核的效能增幅較大（資料來源：Jeff Geerling）
加密測試、機器學習測試
Jeff還有測試加密運算效能，使用Arm的Cryptographic延伸軟體來測，主要是測AES-256-CBC解密運算，結果差距巨大，RPi 4表現為30206 bytes/s，RPi 5則為1368195 bytes/s，差距45倍，主要是RPi 5的主控晶片BCM2712有AES硬體加速電路，這在無線通訊時非常有用，因為無線通訊的內容是用AES-256加解密的。
圖4 RPi 5在AES加解密效能上遙遙領先前一代的RPi 4（資料來源：Jeff Geerling）
另外Seeed Studio也對RPi 5進行機器學習測試，使用ncnn框架來測，這項測試的數據愈小愈好，意即完成推論的時間（毫秒）愈短愈好，總共測試了13種模型，以及測試單一執行緒與多（四個）執行緒條件下的表現，結果都有明顯的效能差距。
差距最小的是YOLOv4-tiny多執行緒推論時，差距僅2.28倍；差距最大的是ResNet18單執行緒推論時，差距達5.97倍，意即RPi 4需要花191毫秒才能完成的推論，在RPi 5上只要32毫秒。其他各方各面也幾乎都是呈倍的差距。
另外Core Electronis也有一系列的兩代比較測試，主要是用Sysbench軟體來測，甚至是逼近應用程式的實際動作來測是，例如使用Gimp這套開放原始程式碼的影像處理軟體（類同於Photoshop）的縮放、旋轉動作來測試耗用的時間。
圖5 各種AI模型推論運算表現測試，第五代比第四代快2.28～5.97倍（資料來源：Seeed Studio）
小結
多花5美元換得各方面都有呈倍的效能，確實合算，而且長寬尺寸依然維持著名片大小，即8.5 x 5.6公分，不過功耗用電肯定增加（等待更多人揭露TDP的瓦數比較），以及幾乎強制要使用電動風扇散熱了。
（責任編輯：謝嘉洵）
- LLM/GenAI的回答會造成危害嗎？MLCommons提出衡量規範草案 - 2024/04/22
- 致敬？回敬？繼NVIDIA Chat with RTX後AMD亦推行LLM Studio - 2024/03/27
- 推探Google開源、輕量級大型語言模型Gemma - 2024/03/21
