Jak wybrać komputer do obróbki obrazów astronomicznych: CPU, RAM, SSD i testy praktyczne

Ten artykuł zebrałem z notatek i własnych pomiarów z lat 2020–2024. Wymienione w nim modele procesorów i kart graficznych, ceny pamięci oraz wyniki testu Benchmark zmieniają się z biegiem czasu, więc przy zakupie kieruj się aktualnymi informacjami rynkowymi.

„Jaki komputer złożyć, żeby chodził na nim PixInsight?” to jedno z częstszych pytań w grupie. Przez ostatnich kilka lat zmieniałem maszyny jedna po drugiej i oficjalnym skryptem Benchmark przetestowałem całkiem sporo konfiguracji. W tym artykule zebrałem swoje wnioski w poradnik zakupowy uporządkowany według podzespołów i dorzucam do tego zmiany wyników pomiarów, jakie notowałem po drodze.

Najpierw o teście PixInsight Benchmark

PixInsight udostępnia oficjalny skrypt do testowania wydajności, którym możesz sprawdzić, jak twój komputer radzi sobie z PI; po zakończeniu podaje trzy wyniki: Total, CPU i Swap. Jeśli chcesz go uruchomić, pamiętaj, żeby najpierw zaktualizować program PI do najnowszej wersji.

Najpierw testowałem na komputerze, który trzymam w firmie i na którym obrabiam zdjęcia astronomiczne (AMD APU 2400G, DDR4 2666 14 GB, M.2 SSD) — najlepszy wynik Total to zaledwie około 6414. Po wymianie procesora (AMD R5 4650G) wynik CPU od razu się podwoił i wyskoczył do ponad trzynastu tysięcy, a pobór mocy całego zestawu nie przekraczał 120 W — byłem z tego bardzo zadowolony. Ten wynik zrównał się nawet z moim domowym desktopem normalnych rozmiarów (R5-3600, 32 GB DDR4 3200).

Jak dobierać poszczególne podzespoły

W 2023 roku, gdy kamery przeszły z CCD na CMOS (IMX571, IMX455 i podobne), a zdjęcia urosły z kilkunastu megapikseli do dwudziestu czterech, a nawet sześćdziesięciu megapikseli, specyfikacja mojego biurowego komputera zaczęła nie wystarczać — samo przełączanie między undo i redo trwało trzy sekundy, więc porównywanie obrazu sprzed obróbki i po niej było bardzo nieintuicyjne. W tym samym roku pojawiła się w dodatku masa procesów AI, których zacząłem używać na wielu etapach pracy, więc na nowo uporządkowałem swoją logikę zakupową:

CPU

PI potrzebuje „wielu rdzeni, i to wyłącznie dużych”. Na typowych pecetach lepiej wypadają konsumenckie procesory z wyższej półki, takie jak AMD 7950X czy Intel i9-13900K. Warto szczególnie zaznaczyć, że wersje X3D od AMD nic PI nie dają, a ich rzeczywista wydajność w pracy może być nawet nieco niższa niż zwykłego 7950X — chyba że chcesz przy okazji grać, w innym wypadku wystarczy zwykła wersja.

Zdarzyło się też, że ktoś uruchomił R9-7950X w systemie Linux i wykręcił ponad pięćdziesiąt tysięcy punktów, miażdżąc serię i9-13900 (proces 5 nm od TSMC naprawdę robi swoje). Jeśli planujesz w najbliższym czasie wymianę sprzętu, warto zwrócić uwagę na takie zestawienia.

Karta graficzna (VGA)

Jeśli obrabiasz komety albo twój przepływ pracy wymaga wielokrotnego usuwania gwiazd i redukcji szumu, na pececie radzę dołożyć kartę graficzną NVIDIA, żeby rdzenie CUDA pomogły przyspieszyć SXT, NXT i BXT. Przy ówczesnych cenach rynkowych pierwszym wyborem była seria RTX 30 (na przykład RTX 3060 albo 3060 Ti). Jeśli nie grasz, dobrym wyborem jest wersja RTX 3060 12G — energooszczędna, z większą ilością VRAM, a przy okazji poradzi sobie nawet ze Stable Diffusion. (Szczegółowe pomiary przyspieszenia GPU opisałem w osobnym artykule.)

Jeśli chodzi o komputery Mac, w modelach M1 i nowszych przyspieszenie GPU włącza się automatycznie.

SSD

Pliki, które obrabiasz, trzymaj przynajmniej na dysku SATA SSD; w dzisiejszych realiach lepiej będzie na dysku M.2 SSD. Dysk PCIe Gen3 w zupełności wystarczy, a zysk z Gen4 jest w praktyce niewielki (szybciej idzie tylko kopiowanie plików).

Przy okazji: jeśli uruchamiasz PI Benchmark na dysku RAMDISK, a prędkość dochodzi tylko do 4 GB/s, nie ma to większego sensu — jeśli RAMDISK nie osiąga przynajmniej 10 GB/s, lepiej po prostu kupić niedrogi dysk PCIe Gen4 SSD (7 GB/s powinno w zupełności wystarczyć).

RAM

PI bardzo dobrze gospodaruje pamięcią. Jeśli nie przetwarzasz wyłącznie dużych zdjęć z matryc pełnoklatkowych i większych, 32 GB w zupełności wystarczy. Przy DDR4 możesz od razu wstawić 64 GB; DDR5 był wtedy jeszcze drogi, więc zacznij od 32 GB i dołóż, gdy pojawi się potrzeba.

Jest tu pewna ważna zasada: jeśli brakuje pamięci, nawet najszybszy CPU nie rozwinie skrzydeł. Przed uruchomieniem skryptu lub procesu PI najpierw szacuje dostępną pamięć, a jeśli miejsca nie starcza, by nakarmić wszystkie wątki, po prostu ogranicza liczbę dostępnych wątków. Na przykład: jeśli jeden wątek potrzebuje 1,7 GB, a pamięci zostało tylko 19 GB, PI przepuści jedynie 9 wątków; a twój CPU ma przecież 32 wątki, czyli 23 wątki po prostu czekają bezczynnie. Oficjalne zalecenie PI to około 2 GB pamięci na wątek — na przykładzie AMD 7950X (16 dużych rdzeni, 32 wątki) trzeba zamontować co najmniej 64 GB, żeby program mógł pokazać pełnię możliwości.

Kilka moich testowych maszyn

Po kolejnych wymianach mam pod ręką kilka reprezentatywnych maszyn:

• Komputer biurowy AMD R5-2400G → R5-4650G: PI uczyłem się na samym początku właśnie na biurowym komputerze z 2400G, później podniosłem go do 4650G (wydajność mniej więcej jak R5-3600), ale przez małą obudowę poza procesorem, pamięcią i dyskiem SSD nie dało się zamontować dodatkowej karty graficznej.
• Laptop gamingowy AMD R7-5800H: 32 GB DDR4 3200, M.2 Gen3 SSD, RTX 3060 Laptop 6G, całość poniżej 40 000 dolarów tajwańskich. Frajda z samodzielnej rozbudowy pamięci RAM i dysku SSD jest bezcenna, a karta graficzna zajmuje się wyłącznie usuwaniem gwiazd z przyspieszeniem CUDA.
• Nowy desktop AMD R9-7950X: DDR5 6000 16G×2, chłodzenie wodne AiO 360, płyta główna B650, kilka dysków M.2 PCIe SSD, RTX 3060 12G, zasilacz 750 W. Składając tę maszynę, skupiłem budżet na tym, co ma najwięcej wspólnego z obróbką obrazu — na procesorze, chłodzeniu wodnym i karcie graficznej — a resztę peryferiów maksymalnie ścisnąłem.

Pod koniec 2024 roku, gdy PI zaktualizowano do dużego wydania 1.9 Lockhart, jak zwykle przetestowałem wszystko jeszcze raz. Średnie wyniki tych trzech maszyn wyglądają tak: używany od prawie pięciu lat R5-3600 około 14 700, trzyletni R7-5800H około 17 000, a niespełna dwuletni R9-7950X około 29 800. 7950X jako główny desktop po dwóch latach nadal trzyma się świetnie i wygląda na to, że wytrzyma jeszcze dwa lata, aż AMD wypuści nową generację procesorów. Oczywiście, gdybym składał komputer dzisiaj, wejście od razu na szczyt z R9-9950X pewnie starczyłoby na kolejne pięć lat.

Kilka łatwych do przeoczenia szczegółów

• O Apple ARM: od wersji 1.9 PI zmienił silnik obliczeniowy i stopniowo przechodzi na natywne wsparcie Apple ARM, zamiast działać przez emulator. Wcześniej (w czasach 1.8.x) PI na M1/M2 działał pod emulatorem i przy ocenie wydajności trzeba to uwzględnić.
• Próg CPU od wersji 1.9: od wersji 1.9 PixInsight nie obsługuje już starszych procesorów pozbawionych instrukcji AVX2/FMA3 (Intel mniej więcej sprzed II kwartału 2013 roku, AMD mniej więcej sprzed II kwartału 2015 roku) — na tych starych platformach nowego PI nie da się zainstalować. Jeśli nadal korzystasz ze starego peceta, radzę rozważyć wymianę maszyny jeszcze przed przejściem na dużą wersję.
• Zawieszanie się wersji K procesorów Intel 13. i 14. generacji: kilku kolegów z pasji zgłaszało, że procesory Intel 13. i 14. generacji w wersji K przy domyślnych ustawieniach zawieszają się podczas pracy z PI. Producent wypuścił później aktualizację oprogramowania BIOS, która obniża wydajność o około 10%, ale zapewnia stabilność systemu; jeśli używasz i9-13900K, 14900K albo 14700K, warto zaktualizować i przetestować.
• Czas od włączenia wpływa na wynik: w systemie Windows najlepszy wynik testu Benchmark uzyskasz, uruchamiając go zaraz po tym, jak „wyłączysz komputer i włączysz go ponownie”, świeżo po starcie. W moim komputerze zwykły restart nic nie daje — trzeba wyłączyć i włączyć od nowa, inaczej dysk SSD nie uruchomi mechanizmu garbage collection. Po mniej więcej tygodniu od włączenia prędkość odczytu sekwencyjnego dysku SSD spada poniżej 3000 MB/s. Okresowe wyłączanie i ponowne uruchamianie naprawdę jest potrzebne.

Przy okazji: komputer do sterowania fotografowaniem

Poza główną maszyną do obróbki końcowej w terenie potrzebny jest jeszcze komputer sterujący, a logika jego doboru jest zupełnie inna — liczy się nie wydajność, lecz stabilność i odporność na warunki otoczenia. Zdobyłem dwie kości pamięci DDR5 do laptopa, dołożyłem stary dysk M.2 Gen3 SSD i złożyłem mały komputer na rdzeniu Intel 1240P, który podczas fotografowania obiektów astronomicznych służy jako maszyna sterująca (jednocześnie obsługuje jeden montaż paralaktyczny, dwa teleskopy i dwie kamery) i do stackowania na żywo. Nie ma baterii, więc nie boi się niskich temperatur w górach; jest jednak systemem z wentylatorem, dlatego nie da się go zamontować bezpośrednio na teleskopie.

Podsumowanie

Składając komputer do PI, priorytety wyglądają mniej więcej tak: procesor z dużą liczbą dużych rdzeni, pamięć wystarczająca dla liczby wątków, porządny dysk M.2 SSD, a do tego — zależnie od przepływu pracy — karta graficzna NVIDIA. Specyfikacje sprzętu będą się zmieniać z pokolenia na pokolenie, ale zasada „inwestuj budżet w to, co ma najwięcej wspólnego z obróbką obrazu” raczej się nie zestarzeje.