▷ Mély tanulás szuper

A Deep Learning Super Sampling (DLSS) az egyik legígéretesebb technológia az Nvidia új Turing grafikai architektúrájában. Ez a technológia a vállalat grafikus kártyáinak mesterséges intelligenciájára (AI) épül, hogy javítsa a videojátékok teljesítményét anélkül, hogy növelné a nyers energiát. Mindent elmondunk a DLSS-ről és annak működéséről.

Tartalom index

Hogyan működik a Deep Learning Super Sampling az új Turing grafikus kártyákon?

A Tensor Core a Turing architektúra alapvető eleme a mély tanulás szupermintavételének működtetéséhez. Az Nvidia Tensor Core speciális magjai, amelyek célja a több mátrix kiszámításának felgyorsítása, a mély tanulási algoritmusokban általánosan használt matematika és más AI-központú számítási forgatókönyvek.

Néhány olvasónknak azon tűnődhet, hogy az Nvidia miért döntött úgy, hogy ezt a vállalati szintű szolgáltatást behozza a szerencsejáték-iparba, ám a válasz elég egyszerű. Az Nvidia már régóta dolgozik az AI képességekkel kapcsolatban a kép-rekonstrukcióval kapcsolatban, és megtalálta a módját ennek a videojátékokban való kiaknázására.

Javasoljuk, hogy olvassa el a Mi a raszterizálás és mi a különbség a Ray Tracing-rel című cikket

Az Nvidia a DLSS-t használja a játékok magas színvonalú átméretezéséhez, ez azt jelenti, hogy alacsonyabb felbontással jelennek meg, mint a végsők, így jobb teljesítményt eredményeznek. Például előállíthat egy képet 2K-nál, majd 4K-ra nagyíthat a DLSS képességeinek felhasználásával. Ez egy olyan képet eredményez, amelynek minősége nagyon hasonló a natív 4K-képhez, de sokkal jobb teljesítményt nyújt.

teljesítmény

Az Nvidia Turing architektúrája a Tensor Core-t használja a mély tanuláshoz szükséges szupermintavételhez a játékokban, lehetővé téve az Nvidia számára, hogy hasonló képminőséget kínáljon, mint a natív felbontású kijelző a TAA-val, miközben jelentős teljesítménynövelést kínál.. Ez a DLSS-felhasználók teljesítményének 35–40% -ra becsült növekedését eredményezte, ez egyfajta „ingyenes teljesítmény-frissítés” lehet a játékok számára, amelyek támogatják a Deep Learning algoritmust.

Az Nvidia Tensor Core- jével javítják a DLSS-sel való játék tisztaságát, csökkentve a nagy felbontású képek feldolgozásához szükséges számítási teljesítményt, ezáltal az iparág első AI teljesítményének növekedését nyújtva. A mély tanulással az Nvidia képes lesz nagy felbontású képeket készíteni, a játékosok nem veszik észre a különbséget a natív felbontású képpel összehasonlítva.

Az Nvidia kijelentette, hogy más technológiákat fog létrehozni, amelyek felhasználhatják Tensor magukat a videojátékokban. Ha az összes összekapcsolódik, akkor az Nvidia egyidejű munkafolyamat-rendszere lehetővé teszi, hogy több számítógépes munka befejeződjön, mint valaha, és ezzel párhuzamosan áll a GPU-munkafolyamat.

A Turing használatával az Nvidia több számítógépes energiát halmozott fel egyetlen grafikus kártyán, mint valaha, miközben a számítástechnika vagy a grafikus kártya infrastruktúráját diverzifikálja az új funkciók lehetővé tétele érdekében, és időben megteremti az utat a Deep Learning és a Ray Tracing tartományokban. igazi.

Olyan játékok, amelyek mélyreható szuper mintavételt használnak

A mély tanulás szuper mintavételét támogató videojátékok listája még mindig meglehetősen kicsi, de az idő múlásával növekszik. Jelenleg a kompatibilis játékok listája a következő:

• Ark: Survival EvolvedAtomic HeartDarksiders IIIDauntlessDeliver Us The Moon: FortunaFinal Fantasy XVTörött FelsőKapjú: Senua áldozataHitman 2Nyine Justice szárazföldjeJX3KINETIKMechwarrior 5: A vadon élő csataSzuperhősök: Határidő: Határidő:

Azt javasoljuk, hogy olvassa el:

Ezzel zárjuk az új technológiáról szóló, a mélyreható tanulás szupermintavételéről szóló cikkünket, ne feledje, hogy megoszthatja azt a közösségi hálózatokon, hogy ezáltal több felhasználót segítsen, akinek szüksége van rá.