DLSS چیست و آیا باید از آن در بازی استفاده کنید

راهپیمایی فناوری غیرقابل توصیف است و هیچ جا این واقعیت بیشتر از سخت افزار گرافیکی نیست. کارتهای هر ساله بطور قابل توجهی سریعتر می شوند و کلمات کلیدی جدیدی را برای ترفندهای گرافیکی فانتزی به ارمغان می آورند.

با نگاهی به تنظیمات بصری بازیهای رایانه ای ، با یک سالاد کلمه ای روبرو می شوید که حاوی نگت های خوشمزه مانند MSAA ، FXAA ، SMAAو WWJD. خوب ، شاید این آخرین مورد نباشد.

اگر شما صاحب خوش شانس کارت جدید Nvidia GeForce RTX هستید ، اکنون می توانید گزینه دیگری را فعال کنید به نام DLSS>این گزینه کوتاه برای Deep Learning Super نمونهاست و بخش بزرگی از ویژگی های سخت افزاری نسل بعدی است که در کارت های Nvidia RTX یافت می شود.

<شکل class = "تنبل تنبل">

در زمان نوشتن ، فقط این کارتها سخت افزار لازم را برای اجرای DLSS دارند:

  • RTX 2060
  • RTX 2060 Super
  • RTX 2070
  • RTX 2070 Super
  • RTX 2080
  • RTX 2080 Super
  • RTX 2080 Ti
  • سخت افزار خاص مورد نظر به هسته "تنسور " گفته می شود که هر مدل دارای تعداد متفاوتی از این پردازنده های تخصصی. هسته های تانسور برای تسریع در کارهای یادگیری ماشین طراحی شده اند که DLSS نمونه ای از آن است. اگر از DLSS استفاده نمی کنید ، آن بخش از کارت بیکار است. این بدان معناست که اگر DLSS در دسترس باشد ، از ظرفیت کامل GPU جدید براق خود استفاده نمی کنید ، اما خاموش است.

    چیزهای بیشتری از آن وجود دارد. برای درک اینکه DLSS چه ارزشی را به جدول می آورد ، ما باید مختصراً به چند مفهوم مرتبط بپردازیم.

    یک انحراف سریع به درون قطعنامه های داخلی و به روزرسانی داخلی

    تلویزیون ها و مانیتورهای مدرن آنچه را که به عنوان "بومی" شناخته می شود وضوح دارند. این به این معنی است که صفحه نمایش تعداد مشخصی پیکسل فیزیکی دارد. اگر تصویری که در آن صفحه نمایش می کنید با وضوح تصویر دقیق بومی متفاوت است ، برای اینکه آن متناسب باشد ، باید آن را "بالا یا پایین" ترسیم کنید.

    بنابراین اگر خارج از به عنوان مثال ، تصویر HD به صفحه نمایش 4K به نظر می رسد کاملاً مبهم و مبهم به نظر برسد. درست مثل اینکه شما یک عکس دیجیتالی را در خیلی دور بزرگنمایی کرده اید. با این حال ، اما در عمل ، فیلم HD در تلویزیون 4K بسیار خوب به نظر می رسد ، اگر شاید کمی تیز از فیلم های بومی 4K باشد. دلیل این امر این است که تلویزیون دارای سخت افزاری معروف به "upscaler" است که تصویر با وضوح پایین را پردازش و فیلتر می کند تا قابل قبول به نظر برسد.

    مشکل این است که کیفیت سخت افزار upscaling بین مارک های نمایشگر تفاوت زیادی دارد. و مدل به همین دلیل است که GPU ها اغلب دارای فناوری مقیاس گذاری خاص خود هستند.

    کنسول های "Pro" که برای خروجی از صفحه نمایش 4K طراحی شده اند ، آن را با یک تصویر بومی 4K ارائه می دهند ، به گونه ای که به هیچ وجه مانع از افزایش نمایش نمی شود. این بدان معنی است که توسعه دهندگان بازی ها کنترل کاملی بر کیفیت نهایی تصویر دارند.

    با این حال ، اکثر بازی های کنسول با وضوح بومی 4K ارائه نمی شوند. آنها از وضوح داخلی داخلی کمتری برخوردار هستند که فشار کمتری را در GPU ایجاد می کند. سپس با استفاده از فناوری مقیاس گذاری داخلی کنسول ، این تصویر به اندازه کافی اندازه می شود تا در صفحه نمایش با وضوح بالا ظاهر شود.

    در واقع ، DLSS روشی پیشرفته است که یک بازی رایانه ای را با رزولوشن پایین تر ارائه می دهد و سپس از فناوری DLSS برای ارتقاء آن برای نمایشگر متصل استفاده می کند. در تئوری ، این منجر به افزایش چشمگیر عملکرد می شود.

    گرچه این به نظر می رسد مانند آنچه در کنسول های 4K اتفاق می افتد ، تحت هود DLSS واقعاً چیز خاصی است. با تشکر از "یادگیری عمیق".

    بیت "آموزش عمیق" درباره چیست؟

    <شکل class = "تنبل تنبل">

    یادگیری عمیق یک روش یادگیری ماشینی است که از یک شبکه عصبی شبیه سازی شده استفاده می کند. به عبارت دیگر ، تقریب دیجیتال چگونگی یادگیری نورونها در مغز شما و ایجاد راه حل هایی برای مشکلات پیچیده.

    این فناوری است که ، از جمله چیزهای دیگر ، به رایانه ها امکان می دهد چهره ها را بشناسند و به ربات ها اجازه می دهد دنیای اطراف خود را درک و حرکت کنند. این مسئول همچنین مسئول قسمتهای اخیر عمیق است. این سس مخفی DLSS است.

    شبکه های عصبی به "آموزش" احتیاج دارند که در واقع نمونه های خالص از آنچه باید باشد را نشان می دهد. اگر می خواهید شبکه را به رسمیت بشناسید چگونه یک چهره را بشناسید ، آن را به میلیون ها چهره نشان می دهید ، اجازه می دهید ویژگی ها و الگوهای ایجاد چهره معمولی را بیاموزید. اگر درس را به درستی فرا گرفت ، می توانید هر تصویری را با چهره در آن نشان دهید و فوراً آن را انتخاب می کنید.

    آنچه Nvidia انجام داده است آموزش نرم افزار یادگیری عمیق خود بر روی تصاویر با وضوح فوق العاده بالا از بازی هایی است که از DLSS پشتیبانی می کنند. شبکه عصبی می آموزد که بازی با استفاده از عملکرد گرافیکی سطح رایانه ای "چه چیزی" به نظر می رسد. به نظر می رسید اگر یک کامپیوتر بسیار قدرتمند تر از کامپیوتر شما صحنه را نمایش داده بود. اگر این به نظر می رسد کمی شبیه جادوی سیاه است ، شما تنها نیستید!

    چه موقع از DLSS استفاده کنید؟

    قبل از هر چیز ، فقط می توانید از DLSS در بازی هایی که از آن پشتیبانی می کنند استفاده کنید ، که لیستی است که به سرعت در حال رشد است ، خوشبختانه. هر عنوان الزامات خاص خود را برای DLSS دارد ، مانند ارائه با حداقل وضوح ، زیرا این همان چیزی است که شبکه عصبی روی آن آموزش داده شده است.

    با این حال ، مغز بزرگ Nvidia از یادگیری متوقف نمی شود و ویژگی DLSS روی کارت شما به روزرسانی می کند ، پشتیبانی و کیفیت هر عنوان را گسترش می دهد.

    بهترین روش برای تشخیص اینکه آیا شما باید در بازی های خود از DLSS استفاده کنید این است که نتیجه چشم. آن را با استفاده از فراز و نشیب های سنتی یا ضد پیمانکاری مقایسه کنید تا ببینید که کدام یک خوشایند تر است. عملکرد نیز یک عامل مهم در تصمیم گیری است. اگر در هر ثانیه 60 فریم را هدف قرار می دهید ، اما نمی توانید به آنجا برسید ، DLSS انتخاب خوبی است. با این حال ، اگر نرخ فریم بالایی را دریافت می کنید ، DLSS در واقع می تواند سرعت را کاهش دهد. به این دلیل است که هسته های تانسور به زمان مشخصی برای پردازش هر فریم نیاز دارند. در حال حاضر آنها نمی توانند به اندازه کافی سریع برای بازی با نرخ فریم بالا انجام دهند.

    اساساً ، DLSS هنگام استفاده از a صفحه نمایش با وضوح بالا (به عنوان مثال وضوح 4K ، ultrawide یا 1440p) با نرخ فریم هدف در حدود 60 فریم در ثانیه. همچنین هنگام فعال کردن ترفند اصلی کارتهای RTX - ردیابی اشعه بسیار فوق العاده مفید است. DLSS می تواند افت کارایی ردیابی اشعه را به خوبی جبران کند ، با یک نتیجه نهایی که در بعضی مواقع دیدنی است. فقط بخاطر داشته باشید که این فناوری به سرعت در حال تغییر است ، بنابراین اگر امروز نتایج را دوست ندارید ، پس از چند ماه دوباره برمی گردید و ممکن است آخرین بار منفجر شوید.

    Grammar: How to use IF & WHETHER properly

    Related posts:


    13.09.2019