রান তুলনা

একই লোড সংস্করণ, স্কোরিং মডেল ও প্রোফাইলসহ সম্পন্ন রানগুলো তুলনা করুন। পরিবর্তনের শতাংশ সংখ্যার পার্থক্য বর্ণনা করে, কিন্তু নিজে থেকে টিউনের প্রভাব প্রমাণ করে না।

সংখ্যা তুলনার আগে ফলাফল ফাইল অনুযায়ী রান জোড়ার সামঞ্জস্য যাচাই করুন: প্রতিটিতে লোড সংস্করণ — তার গঠনের স্থায়ী শনাক্তকারী — এবং স্কোরিং মডেল, সেইসাথে পরিসংখ্যান সংস্করণ লিপিবদ্ধ থাকে। এই ক্ষেত্রগুলো জোড়ায় জোড়ায় তুলনা করুন: যদি লোড বা স্কোরিং মডেল মিলে না যায়, রানগুলো ভিন্ন প্রোটোকলের অন্তর্গত এবং তাদের স্কোর সরাসরি তুলনাযোগ্য নয়। এই শনাক্তকারীগুলো কীভাবে গঠিত, তা পদ্ধতিতে বর্ণিত।

পরীক্ষার পরিকল্পনা

1. প্রসেসরের মডেল ও ভিডিওকার্ড, Windows ও ড্রাইভারের সংস্করণ লিখে রাখুন। পরীক্ষাগুলোর মধ্যে পাওয়ার মোড ও কুলিং পরিবর্তন করবেন না। একই সেট ব্যাকগ্রাউন্ড প্রোগ্রাম ব্যবহার করুন।
2. প্রথমে সেটিংস না বদলে অন্তত তিনটি পরীক্ষা চালান। এভাবে ফলাফলের স্বাভাবিক বিস্তার দেখতে পাবেন। ছোট পার্থক্য সম্পর্কে সিদ্ধান্তের জন্য আরও পুনরাবৃত্তির প্রয়োজন হতে পারে।
3. একটি সেটিং পরিবর্তন করুন এবং পরীক্ষাগুলো পুনরাবৃত্তি করুন। যদি রিবুট প্রয়োজন হয়, মূল সেটিংসের সিরিজের আগেও তা সম্পাদন করুন। প্রতিটি রানের আগে সমান সময় অপেক্ষা করুন।
4. সম্ভব হলে মূল সেটিংস, তারপর পরিবর্তিত, তারপর আবার মূল সেটিংস যাচাই করুন: A → B → A। এমন ক্রম টিউনের প্রভাবকে ওয়ার্ম-আপ ও ব্যাকগ্রাউন্ড লোড থেকে আলাদা করতে সাহায্য করে।
5. সব ফলাফল সংরক্ষণ করুন। আগেই নির্ধারণ করুন কোন ব্যর্থতা পরীক্ষাটিকে তুলনার অযোগ্য করে, যেমন রানের বাধাপ্রাপ্তি। যদি কোনো পরীক্ষা বাদ দেন, কারণ উল্লেখ করুন। কম স্কোর নিজে থেকে তা মুছে ফেলার কারণ নয়।

স্ক্রিন রেজোলিউশন এবং উইন্ডোড বা ফুলস্ক্রিন মোড একই রাখুন। যদি রেজোলিউশনের প্রভাব যাচাই করেন, প্রতিটি নির্বাচিত রেজোলিউশনে পরীক্ষাটি কয়েকবার পুনরাবৃত্তি করুন।

কী গণনা করবেন

Δ score, % = 100 × (mean_after / mean_before − 1)
CV, % = 100 × sample_standard_deviation / mean

রানগুলোর মধ্যে গড় মান ও বিস্তার তুলনা করুন। কেবল চূড়ান্ত স্কোর নয়, আলাদা স্কোর, মিলিসেকেন্ডে বিলম্ব এবং লোড সম্পাদনের গতি (throughput)-ও যাচাই করুন। বিলম্বের ক্ষেত্রে ঋণাত্মক পার্থক্য সাধারণত উন্নতি বোঝায়; স্কোরের ক্ষেত্রে ধনাত্মক পার্থক্য স্কোর বৃদ্ধি বোঝায়।

পুনরাবৃত্তিযোগ্যতা যাচাইয়ের জন্য সম্পূর্ণ রান গণনা করুন। একটি পরীক্ষার ভেতরের হাজার হাজার ফ্রেম পুনরাবৃত্ত পরীক্ষার বিকল্প নয়: সেগুলো সবই একই সেশনে পাওয়া এবং সাধারণ অবস্থার উপর নির্ভরশীল।

কী সিদ্ধান্তে আসা যায়

স্বাভাবিক বিস্তারের তুলনায় ছোট পরিবর্তনের জন্য অতিরিক্ত পুনরাবৃত্তি প্রয়োজন। একটি সিরিজের ভিত্তিতে «1%-এর বেশি সবকিছুই তাৎপর্যপূর্ণ»-এর মতো সার্বজনীন সীমা নির্ধারণ করা যায় না। এমনকি পরিসংখ্যানগতভাবে পার্থক্যযোগ্য পার্থক্যও ব্যবহারিক প্রভাবের জন্য খুব ছোট হতে পারে।

ব্লকভিত্তিক ডায়াগনস্টিক ইতিমধ্যে ফলাফলে অন্তর্ভুক্ত: প্রতিটি লোডের জন্য ব্লক অনুযায়ী সম্পাদনের গতির বিস্তার, «প্রথম-শেষ» সরণ এবং ধাপ অনুযায়ী প্রবণতা সংরক্ষিত হয়। এটি নতুন পুনরাবৃত্তির আগেই বিচার করতে দেয়, দুটি রানের পার্থক্য তাদের ভেতরে পর্যবেক্ষিত শব্দের চেয়ে বেশি কি না। যে সূত্রগুলো দিয়ে ব্লকগুলো স্কোরে সমন্বিত হয়, তা স্কোর গণনায় উন্মুক্ত।

আটটি রানের সিরিজে একটি অপ্টিমাইজড সিস্টেমে পুনরাবৃত্তি ও রেজোলিউশন তুলনা করা হয়েছিল। এতে অপ্টিমাইজ되지 않은 অবস্থা নেই এবং তাই BoosterX থেকে লাভ প্রমাণ করে না।

সিন্থেটিক পরীক্ষা সিস্টেমের কাজে পরিবর্তন অনুসন্ধানে সাহায্য করে। নির্দিষ্ট কোনো গেমের উপকারিতা যাচাই করতে, তার পুনরুৎপাদনযোগ্য গেমপ্লে দৃশ্যে তুলনাটি পুনরাবৃত্তি করুন।

যাচাইকৃত: 2026-09-20।