▷ Syväoppiminen

Syvän oppimisen supernäyte (DLSS) on yksi lupaavimmista tekniikoista Nvidian uudessa Turing-grafiikka-arkkitehtuurissa. Tämä tekniikka perustuu yrityksen näytönohjaimien tekoälyn (AI) kykyihin parantaa videopelien suorituskykyä lisäämättä raakavoimaa. Kerromme kaikille DLSS: stä ja sen toiminnasta.

Sisällysluettelo

Kuinka Deep Learning Super Sampling toimii uusissa Turing-näytönohjaimissa?

Tensor-ydin on Turing-arkkitehtuurin peruselementti syvän oppimisen supernäytteenottoa varten. Nvidian Tensor-ydin on erityinen ydin, joka on suunniteltu nopeuttamaan useiden matriisien laskemista, syväoppimisalgoritmeissa yleisesti käytettyä matematiikkaa ja muita tekoälyyn keskittyviä laskenta-skenaarioita.

Jotkut lukijamme voivat ihmetellä, miksi Nvidia on päättänyt tuoda tämän yritystason ominaisuuden pelialaan, mutta vastaus on melko yksinkertainen. Nvidia on jo kauan työskennellyt kuvan rekonstruointiin liittyvien AI-ominaisuuksien kanssa ja löytänyt tavan hyödyntää tätä videopelien yhteydessä.

Suosittelemme lukemaan viestiämme aiheesta Mikä on rasterointi ja mikä on sen ero Ray Tracing -palvelun kanssa

Nvidia käyttää DLSS: ää korkealaatuisten pelien skaalaamiseen, mikä tarkoittaa, että ne tekevät matalammalla resoluutiolla kuin lopullinen, mikä johtaa parempaan suorituskykyyn. Voit esimerkiksi kuvata kuvan 2K: lla ja suurentaa sen sitten 4K: ksi käyttämällä DLSS-ominaisuuksia. Tuloksena on kuva, jonka laatu on hyvin samanlainen kuin alkuperäinen 4K-kuva, mutta jonka suorituskyky on paljon parempi.

suorituskyky

Nvidian Turing-arkkitehtuuri käyttää Tensor-ytimen syvän oppimisen supernäytteiden ottamiseen peleissä, joten Nvidian on mahdollista tarjota samanlaatuisia kuvanlaatu kuin alkuperäisen resoluution näytöllä TAA: n kanssa, samalla kun se tarjoaa merkittävän suorituskyvyn parannuksen.. Tämä antaa DLSS-käyttäjille suorituskyvyn kasvun, jonka arvioidaan olevan noin 35–40%, ja se toimii eräänlaisena "ilmaiseksi suorituspäivityksenä" peleille, jotka tukevat Deep Learning -algoritmia.

Nvidian Tensor Core -sovellusta käytetään lisäämään DLSS-pelien selkeyttä vähentämällä korkean resoluution kuvien käsittelyyn tarvittavaa laskentatehoa tarjoamalla alan ensimmäistä AI- käyttöistä suorituskykyä. Syvän oppimisen avulla Nvidia pystyy luomaan korkearesoluutioisia kuvia, pelaajat eivät huomaa eroa alkuperäisessä resoluutiossa esitetyssä kuvassa verrattuna.

Nvidia on ilmoittanut aikovansa luoda muita tekniikoita, jotka voivat käyttää Tensorin ytimiä videopelien tuottamiseen. Kun kaikki tulee yhteen, Nvidian samanaikainen työnkulkujärjestelmä sallii enemmän laskennallista työtä kuin koskaan aikaisemmin, yhdenmukaistaen edelleen GPU-työnkulkua.

Turingin avulla Nvidia on kerännyt enemmän laskentatehoa yhdelle näytönohjaimelle kuin koskaan, monipuolistaen samalla laskenta- tai näytönohjaininfrastruktuuria uusien ominaisuuksien mahdollistamiseksi, luomalla polun syvän oppimisen ja säteen seurannan toimialueisiin ajoissa. todellinen.

Pelit, joissa käytetään Deep Learning Super -näytteenottoa

Deep Learning Super -näytteenottoa tukevien videopelien luettelo on edelleen melko pieni, mutta se kasvaa ajan myötä. Toistaiseksi yhteensopivien pelien luettelo on seuraava:

• Ark: Survival EvolvedAtomic HeartDarksiders IIIDaattomatDeliver Us The Moon: FortunaFinal Fantasy XVMurtunut LandsHellblade: Senua's SacrificeHitman 2Nynninen JusticeSaaretJX3KINETIKMechwarrior 5: Wilds Battle ofSuperheroes: Banderoll: Deadline

Suosittelemme lukemista:

Tämä päättää erityisartikkelimme uudesta tekniikasta Deep Learning Super Sampling. Muista, että voit jakaa sen sosiaalisissa verkostoissa, jotta se voi auttaa enemmän käyttäjiä, jotka sitä tarvitsevat.