GPU转码性能、成本和质量
音频转码的GPU性能和成本
为了更好地确定使用GPU与CPU的固有价值，我们分析了三个变量: 性能 (支持的会话数)，功耗 (# 会话/瓦特) 和成本 ($/会话)。 对于CPU，我们使用了英特尔至强E5-2698 v3 @ 2.10GHz，16-core dual socket card。 对于GPU ,我们使用了Nvidia P100。图3描述了我们分析的配置。 注意: 对于下面讨论的所有分析，我们认识到这是一个时间点评估。 最肯定的是，CPU和GPU的处理能力将继续提高，但我们相信GPU的增量将继续超过CPU可实现的增量。
对于规模、功率和成本的计算，CPU是完全配置和完全加载的。GPU完全符合成本，但对于规模和功耗的分析，仅加载到可以在CPU处理中使用瓶颈的程度。这在使用少于4个GPU的低复杂度编解码器类型中最为明显。此外，CPU处理被设置为不超过85% 利用率。
GPU与CPU性能对比：会话数
图3.1显示了使用CPU+GPU进行转码而不是仅使用CPU时可能支持的会话数的增量或增加。 假定100% 会话被转码， 可以看出，根据编解码器类型，GPU将会话数增加到1366%。
GPU与CPU功耗对比，会话数/瓦
图3.2显示了每瓦特使用的会话数。在此分析中，服务器和CPU的功耗是常见的，因此功耗差异基于所使用的GPU数量。与总体会话计数所见的结果一样，每瓦会话数在会话数量上显示出非常强劲的增长，根据编解码的类型，范围从54% 到456% 增加
GPU与CPU成本消耗对比：美元/每会话
图3.3显示了每个会话的美元成本以及使用GPU潜在的成本节省。 在这里，通过转移到GPU解决方案可以实现的节省范围从使用AMR-NB的65% 到使用EVRC B0的492% (9.3 kbps)。
使用浮点处理的GPU音频质量
曾经一个反对使用GPU进行转码的论点是：使用CPU进行定点处理转码更有效，可以产生更好的语音质量。这与专为浮点计算而设计的GPU形成对比。如果此论点成立，则直接意味着使用GPU会导致语音质量下降。实际上，通过查看实际测试结果可以证明该论点是错误的。
我们分析了CPU (固定点) 与GPU (浮点) 的语音质量结果，用于转码三种编解码类型: G729AB; AMR-WB; 和EVRC-WB，使用G.729标准规范中的语音测试向量。语音质量测量是使用PESQ标准进行的。表1显示了完整的PESQ测量结果。亮点是:
G729AB: GPU在CPU语音质量测量的0.4% 之内。请注意，测试是在没有不连续传输 (DTX) 的情况下运行的，也就是“沉默抑制”，因此在沉默期间发送了数据包。
EVRC-B: GPU的语音质量测量与CPU的语音质量测量相差0.9% 或更小。在两个比特率上进行了测试: 9.3kbps 和8.5 kbps，结果相似。
AMR-WB: GPU测量对比CPU测量，范围从0.7% 好~0.55% 差。这个测试是在从6.6 kbps到23.85 kbps的比特率的整个频谱上进行的
总之，我们的测试表明，使用带浮点处理的GPU的语音质量测量比使用固定点处理的CPU更好，或在1% 内。 根据我们的经验，<1% 差异将不会导致语音质量的感知下降。有关固定点与浮点语音质量的其他研究，请阅读3GPP TR 26.976版本10.0.0版本10， AMR-WB语音编解码器文档的性能表征。具体地说，附件B和B.7章节确认了我们发现的使用浮点与固定点编码的AMR-WB PESQ分数的比较。
从表2可以看出，根据转码类型，GPU的使用可以将性能提高到480%。这种增量性能带来了137% 的增量成本。因此，基于转码类型或规模要求，GPU的使用比仅使用CPU更具吸引力
音频和视频混合转码
正如我们从音频和视频的性能评估中看到的那样，GPU为规模和性能提供了非凡的价值。那么，当音频和视频转码都在同一台服务器上执行时，性能会如何呢？为了分析这一点，我们重新使用了图4中的配置，并对音频进行了基准测试。表3仅显示了AMR-WB<-> G.711音频转码的比较
接下来，我们添加了视频。对于GPU，为了适应两种类型，我们分配了40个内核中的12个用于视频转码，并将其余28个内核分配给音频转码。表4显示了将视频和音频转码放在一起的汇总结果。对于组合转码，仅使用CPU，视频转码会话平均下降67%，音频转码会话下降25%。相反，当使用CPU和GPU时，视频转码会话的数量保持恒定，并且音频转码会话仅减少6.25%。
总结
媒体转码现在可以在云中交付，等于或比使用传统DSP可以实现的性能更好。尽管最初在虚拟环境中进行了媒体转码，使用CPU，该解决方案不足以实现规模，并且始终将只是未来的垫脚石。 现在很明显，未来就在这里，它是使用GPU进行实时通信的转码-云中的通信服务。
这份白皮书表明，进行音频转码在性能方面GPU远远优于CPU，成本、功率和在语音质量方面都等于CPU。当将视频转码添加到混音中，GPU再次成为超级解决方案，使基于GPU的媒体互通成为基于虚拟云部署的最佳解决方案
