Performance 构建屋顶线模型

我正试图为超级计算机中的一个节点构建一个模型，我正在运行模拟。该节点拥有2个Intel Xeon E5-2650 v2（常春藤桥）8核2.6 GHz处理器（每个处理器16核） 节点），总内存为64GB（每个4GB）。英特尔至强E5-2650的最大内存带宽为59.7 GB/s

达到的GFLOPS=最大内存带宽x算术强度

最大GFLOPS=核数x时钟频率，单位为GHz x操作/周期

我的代码的算术强度为1/3，使用双精度浮点

以下是我计算不同类型程序峰值GFLOP的计算：

• 顺序程序（单核）无矢量化：
  • 1x2.6x1（我假设没有矢量化，我们只能实现1个操作/周期？）=2.6gflops
• 带矢量化（SSE）的顺序程序（单核）：
  • 1x2.6x8=20.8千兆次
• 具有矢量化（SSE）的一个Xeon上的所有磁芯：
  • 8x2.6x8=166.4 GFLOPs
• 具有矢量化（SSE）的两个Xeon的所有核心：
  • 2x 8x2.6x8=332.8 GFLOPs

在上述不同类型的程序之间，程序可用的内存带宽是如何变化的？我知道1 Xeon E5-2650的最大内存带宽为59.7 GB/s，但是在单核上可以实现吗？2 Xeon E2650s的速度是否达到119.4 GB/s

因此，达到的GFLOP（使用峰值带宽x算术强度）是：

• 不带矢量化的顺序程序：
  • 59.7*1/3=19.9 GFLOPs，但由于我们的屋顶线为2.6 GFLOPs，我们限制为2.6 GFLOPs
• 带矢量化的顺序程序：
  • 59.7*1/3=19.9 GFLOPs。这是可以实现的，因为我们的屋顶线是20.8 GFLOPs
• 一个Xeon（使用所有8个核）具有矢量化：
  • 59.7*1/3=19.9 GFLOPs。我对此表示怀疑，因为我们的并行程序肯定比顺序程序能够产生更多的内存需求，而且顺序程序肯定不会使内存系统饱和
• 两个Xeon（共16芯），带矢量化：
  • 119.4*1/3=39.8 GFLOPs

我觉得已经完成的GFLOP有些问题，我在什么地方犯了错误吗