update resnet50 benchmark data

[tensor-tang]

MKLML and MKL-DNN data are tested with latest docker.
OpenBLAS data is tested with local compiled since do not have openblas docker.

[luotao1]

BatchSize	64	128	256
MKLML	25.77	23.98	24.27
MKL-DNN	77.57	77.99	74.23

这里有两个测试上的差别：

• 我是用centos6测的，但PR里是用centos7
• 我的CPU是6148，但PR里是6148M

是否因为这两个差别，导致我测出来的值，在bs增大时反而会下降呢？

[tensor-tang]

比较了下百分比， （我的值-你的值）/你的值，差别还是挺大的。
MKLML的差别普遍比MKL-DNN的差别大。

15.68%	25.85%	35.02%
3.76%	6.28%	11.99%

可以看下这个cat /sys/devices/system/cpu/cpu*/online | grep -o '1' | wc -l的值吗

[luotao1]

这个值是39，但我有40个processor

[tensor-tang]

在我的机器上这两者都是40

[luotao1]

感谢 @BlackZhengSQ 解答：cpu0不支持online/offline（其他cpu可以），但cpu0一直处于工作状态。
在docker中使用top查看，差不多能跑满40个core：

所以不存在少一个core的情况。

[tensor-tang]

看到mklml的差距确实还挺大的，并且随着batchsize增大，请问下numa是否是打开的？numa是用于分配内存的，6148应该有2个numa node。

[luotao1]

使用lscpu命令：我的numa没有打开。

Architecture:          x86_64
CPU op-mode(s):        32-bit, 64-bit
Byte Order:            Little Endian
CPU(s):                40
On-line CPU(s) list:   0-39
Thread(s) per core:    1
Core(s) per socket:    20
CPU socket(s):         2
NUMA node(s):          1
Vendor ID:             GenuineIntel
CPU family:            6
Model:                 85
Stepping:              4
CPU MHz:               2401.000
BogoMIPS:              4804.43
Virtualization:        VT-x
L1d cache:             32K
L1i cache:             32K
L2 cache:              1024K
L3 cache:              28160K
NUMA node0 CPU(s):     0-39

[luotao1]

开启NUMA后，果然数值对上了，还略快：

BatchSize	64	128	256
MKLML	33.32	31.68	33.12
MKL-DNN	81.69	82.35	84.08

[tensor-tang]

Good News, 那直接用你的数据就好了。毕竟你测试的code base也比较新。

[tensor-tang]

另外补充下，这里的NUMA问题应该也适用于VGG上的差距。