خرید آنلاین و حضوری با اسنپ‌پی
در حال بارگذاری…
شبکه اطلاع رسانی طـــــــــــلا، ســکـــــــــــه و ارز
کیان
حکمرانی ارتباطات در اقتصاد تورمی

حکمرانی ارتباطات در اقتصاد تورمی

نوکیا ۲۳۶۰ فلیپ معرفی شد؛ گوشی ساده با دو نمایشگر

نوکیا ۲۳۶۰ فلیپ معرفی شد؛ گوشی ساده با دو نمایشگر

اپل با خرید Ascend.io سراغ ایجنت‌های هوش مصنوعی در مهندسی داده رفت

اپل با خرید Ascend.io سراغ ایجنت‌های هوش مصنوعی در مهندسی داده رفت

ردیابی پنهانی کاربران در ایکس

ردیابی پنهانی کاربران در ایکس

شهرها چگونه می‌توانند برای تاکسی‌های خودران فضا ایجاد کنند؟

شهرها چگونه می‌توانند برای تاکسی‌های خودران فضا ایجاد کنند؟

اپل با خرید Ascend.io به سراغ فناوری هوش مصنوعی در مهندسی داده رفت

اپل با خرید Ascend.io به سراغ فناوری هوش مصنوعی در مهندسی داده رفت

شکست غول‌های فناوری از آفکام

شکست غول‌های فناوری از آفکام

هک تلگرام با یک تماس!

هک تلگرام با یک تماس!

عرضه جهانی گوشی ۲۰ درصد افت کرد؛ پایین‌ترین رقم سه‌ماهه سوم از ۲۰۱۳

عرضه جهانی گوشی ۲۰ درصد افت کرد؛ پایین‌ترین رقم سه‌ماهه سوم از ۲۰۱۳

منظومه مخابراتی دات‌وان؛ آیا وعده بابک زنجانی برای ارائه اینترنت با پهپاد عملی است؟

منظومه مخابراتی دات‌وان؛ آیا وعده بابک زنجانی برای ارائه اینترنت با پهپاد عملی است؟

مادساز موفق شد DLSS 5 Neural Rendering را روی گرافیک مجتمع اینتل اجرا کند

بازدید ۲۸منبع: مجله سخت افزار
مادساز موفق شد DLSS 5 Neural Rendering را روی گرافیک مجتمع اینتل اجرا کند

یک توسعه‌دهنده موفق شده مدل Neural Rendering فناوری DLSS 5 انویدیا را روی گرافیک مجتمع Arc 140V اینتل اجرا کند. این آزمایش از پردازنده گرافیکی Xe2 موجود در پردازنده Intel Core Ultra 7 256V استفاده می‌کند و در محیط لینوکس با درایورهای Mesa اجرا می‌شود. همچنین اینتل در نظر دارد قیمت پردازنده‌های خود را پیش از عرضه محصول سالانه بزرگ افزایش دهد.

یک توسعه‌دهنده موفق شده مدل Neural Rendering فناوری DLSS 5 انویدیا را روی گرافیک مجتمع Arc 140V اینتل اجرا کند. این آزمایش از پردازنده گرافیکی Xe2 موجود در پردازنده Intel Core Ultra 7 256V استفاده می‌کند و در محیط لینوکس با درایورهای Mesa اجرا می‌شود. همچنین اینتل در نظر دارد قیمت پردازنده‌های خود را پیش از عرضه محصول سالانه بزرگ افزایش دهد.

استفاده از موتورهای ماتریسی XMX برای اجرای مدل DLSS 5

البته در اینجا باید به یک تفاوت مهم توجه داشت. این پروژه صرفاً DLL مربوط به DLSS انویدیا را روی سخت‌افزار اینتل اجرا نمی‌کند، بلکه فرایند استنتاج Neural Rendering را به‌صورت مستقل بازسازی کرده و شبکه عصبی را روی موتورهای ماتریسی XMX اینتل اجرا می‌کند.

این پیاده‌سازی از افزونه VK_KHR_cooperative_matrix در Vulkan استفاده می‌کند و عملیات FP16 را همراه با انباشت FP32 انجام می‌دهد. برای اجرای آن نیازی به CUDA یا NVIDIA NGX وجود ندارد. توسعه‌دهنده اعلام کرده شبکه بازسازی‌شده از یک U-Net با 71 بلوک تشکیل شده است و پردازش آن به‌طور کامل روی گرافیک باقی می‌ماند.

دارندگان سیستم باید فایل‌های DLSS خود را در اختیار پروژه قرار دهند تا وزن‌های موردنیاز از داخل آن‌ها استخراج شود. انویدیا این وزن‌ها را با فرمت FP8 ذخیره می‌کند اما پروژه برای اجرای آن‌ها روی Xe2 وزن‌ها را به FP16 تبدیل می‌کند.

توسعه‌دهنده این پروژه را با بازی‌های Dead or Alive 5 Last Round، Tekken 7 و Mortal Kombat 1 آزمایش کرده است. آزمایش‌های اولیه منتشرشده در ردیت حدود 3 تا 5 فریم بر ثانیه در وضوح 720p و حدود 1.5 تا 2 فریم بر ثانیه در وضوح 1080p را نشان می‌دادند. اندازه‌گیری‌های جدید مخزن پروژه نشان می‌دهند Tekken 7 در وضوح 640×360 به 10.5 فریم بر ثانیه می‌رسد، در حالی که اجرای فرایند Neural Rendering به‌تنهایی در وضوح 1920×1080 حدود 412 میلی‌ثانیه زمان می‌برد.

گرافیک مجتمع Arc 140V به 8 هسته Xe مجهز شده است و اینتل توان پردازشی گرافیک آن را در پردازنده Core Ultra 7 256V حداکثر 64 تریلیون عملیات INT8 در ثانیه اعلام کرده است. این پروژه همچنین در وضوح 720p حدود 2.3 گیگابایت حافظه برای بافرهای دستگاه نیاز دارد که در این گرافیک مجتمع از حافظه سیستم به‌صورت اشتراکی تامین می‌شود.

مادسازها پیش از این اجرای DLSS 5 را روی معماری‌های مختلف گرافیک از جمله سخت‌افزارهای AMD و گرافیک‌های عرضه‌شده از سال 2020 به بعد نیز به نمایش گذاشته‌اند. بنابراین اجرای خود مدل دیگر چالش اصلی محسوب نمی‌شود؛ مسئله اصلی اجرای کارآمد آن است.

اینتل هنوز برنامه‌ای برای توسعه فناوری Neural Rendering اختصاصی خود اعلام نکرده است. با این حال انویدیا فناوری DLSS 5 Neural Rendering را عرضه کرده و AMD نیز پیش‌تر درباره تکنیک‌های مشابه صحبت کرده است. بنابراین ممکن است تنها مسئله زمان باشد تا اینتل نیز پیاده‌سازی اختصاصی خود را توسعه دهد. این ماد را می‌توانید از طریق این لینک دریافت کنید.

منبع: مجله سخت افزار
اشتراک‌گذاری:

نظرات کاربران

هنوز نظری برای این مطلب ثبت نشده — اولین نفر باشید.