▷ Глибоке навчання супер

Супер вибірки глибокого навчання (DLSS) - одна з найперспективніших технологій нової графічної архітектури Turing. Ця технологія ґрунтується на можливостях штучного інтелекту (AI) відеокарт компанії, щоб покращити продуктивність відеоігор без збільшення сировини. Ми розповімо вам все про DLSS та про те, як він працює.

Зміст індексу

Як працює Deep Learning Super Sampling на нових відеокартах Turing?

Ядро Tensor - це фундаментальний елемент архітектури Тьюрінга для роботи надглибокого взірця Deep Learning. Nvidia's Tensor Core - це спеціальні ядра, які розроблені для прискорення обчислення декількох матриць, математики, яка зазвичай використовується в алгоритмах глибокого навчання та інших сценаріях обчислень, орієнтованих на штучний інтелект.

Деякі наші читачі можуть задатися питанням, чому Nvidia вирішила принести цю функцію для корпоративного бізнесу в ігрову індустрію, але відповідь досить проста. Nvidia давно працювала з можливостями AI, пов'язаними з реконструкцією зображень, і знайшла спосіб використовувати це у відеоіграх.

Рекомендуємо ознайомитися з нашим дописом на тему " Що таке растерізація" та в чому полягає її відмінність від Ray Tracing

Nvidia використовуватиме DLSS для того, щоб зробити якісний перегляд масштабів на іграх, це означає, що вони відображатимуться з меншою роздільною здатністю, ніж фінальна, що призводить до кращої продуктивності. Наприклад, ви можете рендерувати зображення в 2K, а потім збільшити його до 4K за допомогою можливостей DLSS. Це призводить до отримання зображення, яке дуже схоже на нативне 4K зображення, але з значно вищою продуктивністю.

Продуктивність

Архітектура Turing Tvidor використовує ядро ​​Tensor для глибокого навчання супер вибірки в іграх, що дозволяє Nvidia пропонувати подібні рівні якості зображення, як і власний дисплей роздільної здатності з TAA, пропонуючи при цьому значне підвищення продуктивності.. Це дає користувачам DLSS збільшення продуктивності, яке оцінюється приблизно на 35-40%, виступаючи як своєрідне "безкоштовне оновлення продуктивності" для ігор, які підтримують алгоритм глибокого навчання.

Tensor Core Nvidia буде використовуватися для підвищення чіткості ігор з DLSS, зменшення обчислювальної потужності, необхідної для обробки зображень з високою роздільною здатністю, пропонуючи перше в галузі підвищення продуктивності AI. Завдяки глибокому навчанню Nvidia зможе створювати зображення з високою роздільною здатністю, гравці не помітять різниці в порівнянні з зображенням, винесеним у нативній роздільній здатності.

Nvidia заявила, що планують створити інші технології, які можуть використовувати свої ядра Tensor у відеоіграх. Коли все зблизиться, паралельна система робочого процесу Nvidia дозволить виконати більш обчислювальну роботу, ніж будь-коли раніше, подальший паралельний робочий процес GPU.

Завдяки Тьюрінгу компанія Nvidia накопичила більше обчислювальної потужності на одній графічній карті, ніж будь-коли, в той час як диверсифікувала обчислювальну техніку чи інфраструктуру графічних карт, щоб увімкнути нові функції, вчасно обробляючи шлях у доменах Deep Learning та Ray Tracing. справжній.

Ігри, які використовуватимуть Deep Learning Super Sampling

Список відеоігор з підтримкою Deep Learning Super Sampling ще досить невеликий, але він буде збільшуватися з часом. На сьогодні перелік сумісних ігор такий:

• Ковчег: Еволюція виживанняАтомічне серцеДарксідідери IIIБезкоштовнийДоставити нам Місяць: ФортунаФінальна фантазія XVФрактуровані ландшафти: Хрестовина СенуїГітман 2Ісландії Ніне ЮстиціяJX3KINETIKMechwarrior 5: Battle of the WildsSuperheroes: Deadline: Deadlines

Рекомендуємо прочитати:

На цьому закінчується наша спеціальна стаття про нову технологію Deep Learning Super Sampling, пам’ятайте, що ви можете поділитися нею в соціальних мережах, щоб вона могла допомогти більшості користувачів, які її потребують.