▷ Dyp læring super

Deep Learning Super Sampling (DLSS) er en av de mest lovende teknologiene i Nvidias nye Turing grafikkarkitektur. Denne teknologien bygger videre på kunstig intelligens (AI) evnene til selskapets grafikkort for å forbedre videospillytelsen uten å øke råkraften. Vi forteller deg alt om DLSS og hvordan det fungerer.

Innholdsindeks

Hvordan fungerer Deep Learning Super Sampling på de nye Turing-grafikkortene?

Tensor Core er det grunnleggende elementet i Turing-arkitekturen for drift av Deep Learning Super Sampling. Nvidias Tensor Core er spesielle kjerner som er designet for å fremskynde beregningen av flere matriser, regnestykket som ofte brukes i algoritmer med dyp læring og andre AI-sentriske datascenarier.

Noen av leserne våre lurer kanskje på hvorfor Nvidia har bestemt seg for å ta med denne enterprise-grade-funksjonen til spillindustrien, men svaret er ganske enkelt. Nvidia har lenge jobbet med AI-evner relatert til bildekonstruksjon, og har funnet en måte å utnytte dette på i videospill.

Vi anbefaler å lese innlegget vårt om Hva er rasterisering og hva er forskjellen med Ray Tracing

Nvidia vil bruke DLSS for å gjøre omkvalifisering av høy kvalitet på spill, dette betyr at de blir gjengitt i en lavere oppløsning enn endelig, noe som resulterer i bedre ytelse. For eksempel kan du gjengi et bilde på 2K og deretter zoome til 4K ved hjelp av DLSS-funksjoner, dette resulterer i et bilde med en kvalitet som er veldig lik et innfødt 4K-bilde, men med mye høyere ytelse.

ytelse

Nvidias Turing-arkitektur bruker sin Tensor Core for Deep Learning Super Sampling i spill, slik at Nvidia kan tilby lignende nivåer av bildekvalitet som en naturlig oppløsningsvisning med TAA, samtidig som den gir et betydelig ytelsesøkning.. Dette gir DLSS-brukere en økning i ytelse estimert til å være rundt 35-40%, og fungerer som en slags "gratis ytelsesoppgradering" for spill som støtter Deep Learning-algoritmen.

Nvidias Tensor Core vil bli brukt til å øke klarheten i spill med DLSS, og redusere datakraften som kreves for å behandle bilder med høy oppløsning, og tilby bransjens første AI-ytelsesøkning. Med Deep Learning vil Nvidia kunne lage bilder med høy oppløsning, spillere vil ikke legge merke til forskjellen sammenlignet med et bilde som er gjengitt med normal oppløsning.

Nvidia har uttalt at de planlegger å lage andre teknologier som kan bruke Tensor-kjernene sine i videospill. Når det hele går sammen, vil Nvidias samtidige arbeidsflytsystem gjøre det mulig å fullføre mer beregningsarbeid enn noen gang før, noe som parallelt med GPU-arbeidsflyten.

Med Turing har Nvidia samlet mer datakraft på et enkelt grafikkort enn noen gang, mens de diversifiserte databehandlings- eller grafikkortinfrastruktur for å muliggjøre nye funksjoner, og smi en bane i Deep Learning og Ray Tracing-domenene i tid. real.

Spill som vil bruke Deep Learning Super Sampling

Listen over videospill med støtte for Deep Learning Super Sampling er fremdeles ganske liten, men den vil øke etter hvert som tiden går. Foreløpig er listen over kompatible spill som følger:

• Ark: Survival EvolvedAtomic HeartDarksiders IIIDauntlessDeliver Us The Moon: FortunaFinal Fantasy XVFractured LandsHellblade: Senua's SacrificeHitman 2Islands of NyneJusticeJX3KINETIKMechwarrior 5: Battle of the WildsSuperheroes: Deadline: Battlegrounds

Vi anbefaler å lese:

Dette avslutter vår spesielle artikkel om den nye teknologien Deep Learning Super Sampling, husk at du kan dele den på sosiale nettverk slik at den kan hjelpe flere brukere som trenger det.