우리집 라이젠7 5800X는요~

일단 기본 상태로 구동했어요.

AI Backend를 다이렉트ML로 바꾸고 다시 돌려봤어요.

한번 더 옵션수정하고 실행!

숫자 놀이는 재밌어요

낯선 단어가 많아서 겁나 공부했는데... 아직 잘 해석한 건지 확신은 들진 않지만 제 컴을 요래요래해요!!

전체 결과 요약

항목	테스트 1 (ONNX)	테스트 2 (CUDA)	테스트 3 (OpenVINO)
CPU 점수	2825	9749	5318
GPU 점수	1332	9540	5300
총점	4561	7029	7799
백엔드	ONNX (CPU 중심)	CUDA (GPU 중심)	OpenVINO (최적 CPU)
GPU	GTX 1080	GTX 1080	GTX 1080

테스트1 ONNX (CPU 중심 연산)

• CPU 점수 2825 / GPU 점수 1332

• 전체 AI 연산의 대부분을 CPU가 담당, 일부 GPU 지원

• 스타일 전환, 객체 탐지 등에서 점수가 낮음

• 적당한 수준의 추론 성능 (일반 사용자용)

요약 : CPU만으로 AI 작업을 할 때의 성능. GTX 1080이 충분히 활용되지 않음. 실사용 시 느릴 수 있음.

테스트2. OpenVINO (최적화된 CPU 추론)

• CPU 점수 5318 / GPU 점수 5300

• OpenVINO로 추론 최적화된 결과. CPU 활용 효율이 극대화됨.

• 스타일 전환, 텍스트 분류 등 특정 작업에서 고득점

• GPU는 활용 비율이 낮음

요약 : GPU 없이도 OpenVINO 최적화를 통해 AI 추론 성능이 두 배 이상 향상될 것.

테스트3. CUDA (GPU 연산 중심)

• GPU 점수 9540 / CPU 점수 9749 (합산 총점은 낮지만 연산 성능은 매우 높음)

• GTX 1080을 적극 활용한 벤치마크

• 전체적으로 GPU를 활용한 AI 작업 시 최고 효율

요약 : 현재 시스템에서 AI 연산을 GPU로 돌릴 경우 가장 이상적인 형태. CUDA 백엔드 기준으로는 여전히 준수한 성능. (사실 1080을 쓴 게 벌써.. 하지만 아직 업글도 못했다은 거 ㅎㅎ)

세부 AI 작업별 성능 비교	ONNX (CPU)	CUDA (GPU)	OpenVINO (최적 CPU)
Style Transfer	1094	24175	13487
Object Detection	2106	3457	1741
Pose Estimation	1168	4882	1889
Text Classification	1457	2508	2661
Machine Translation	2375	2339	2349

우리집 데스크톱에 대한 최종 결론~~~~~~~~~~

• GTX 1080은 AI 추론용으로 여전히 실사용 가능, 특히 CUDA 환경에서.

• OpenVINO로 CPU 기반 AI 작업 시에도 상당한 효율 가능.

• AI 개발, 테스팅, 추론 기반 작업에는 현재 구성도 충분히 강력함.