რა არის DLSS?

DLSS, მოკლედ Deep Learning Super Sampling არის Nvidia ინსტრუმენტი, რომელიც მოითხოვს Nvidia 20 სერიის - ან უფრო ახალ - გრაფიკულ ბარათს, რომელსაც აქვს ტენზორული ბირთვები. DLSS შექმნილია იმისთვის, რომ გაზარდოს შესრულება თამაშის გაშვებით ჩვეულებრივზე დაბალი გარჩევადობით, შემდეგ გამოყენებით a ნერვული ქსელი კვლავ გაზრდის გარჩევადობას ტენსორის ბირთვების გამოყენებით, რომლებიც სხვაგვარად გამოუყენებელია რენდერში პროცესი.

GPU არქიტექტურა

ძირითადად შექმნილია გრაფიკის გასაღებად ისეთი მიზნებისთვის, როგორიცაა ვიდეო თამაშები, თუმცა არის დამატებითი ფუნქციები GPU პროცესორში 20 სერიის გრაფიკული ბარათებისთვის. ორი ძირითადი დამატებითი ფუნქციაა RT ბირთვები, რომლებიც გამოიყენება სხივების თვალსაჩინოებისთვის და ტენსორის ბირთვები, რომლებიც შექმნილია მანქანათმცოდნეობის ამოცანების შესასრულებლად.

DLSS

DLSS-ის თავდაპირველი განხორციელებით, დეველოპერებს უხდებოდათ მკაფიოდ ჩართოთ DLSS-ის მხარდაჭერა მათ თამაშში. გარდა ამისა, Nvidia-ს სჭირდებოდა თავისი ნერვული ქსელის მომზადება თითოეული თამაშისთვის სუპერკომპიუტერის გამოყენებით. ამ პროცესმა გადაიღო რამდენიმე დაბალი გარჩევადობის სურათი, შემდეგ კი შეადარა ისინი ერთ „სრულყოფილ ჩარჩოს“, რომელიც წარმოიქმნება ტრადიციული სუპერნიმუშების მეთოდებით. სუპერკომპიუტერი შემდეგ ავარჯიშებდა ნერვულ ქსელს დაბალი გარჩევადობის გამოსახულების გარდაქმნისთვის უფრო დიდ სრულყოფილ ჩარჩოსთან შესატყვისად. დამუშავების დასრულების შემდეგ, ნერვული ქსელის პროგრამირება ჩართული იყო მომდევნო გრაფიკულ დრაივერში. ამ სასწავლო პროცესის გაშვება სჭირდებოდა ყოველი ახალი თამაშისთვის, დიზაინი, რომელიც მდგრადი იყო მხოლოდ DLSS-ის დანერგილი თამაშების მცირე რაოდენობის გამო.

DLSS 2.0

DLSS 2.0-მა გააუმჯობესა პროცესი, მოხსნის მოთხოვნილებას ნერვული ქსელისთვის, რომელიც საჭიროებდა ყოველი თამაშისთვის ვარჯიშს. მან ასევე დაამატა DLSS-ის სამი დონე, შესრულება, დაბალანსებული და ხარისხი. ეს სამი რეჟიმი შექმნილია იმისთვის, რომ მომხმარებელს საშუალება მისცენ აირჩიონ, რამდენად სურდათ შესრულების გაძლიერება და რამდენი გრაფიკული დარტყმის მიღება სურთ ამისთვის. ეს დიზაინი მომხმარებელს ბევრად მეტ არჩევანს აძლევდა ორიგინალური DLSS განხორციელების ერთ დონესთან შედარებით, რომელსაც მომხმარებლები ხშირად აცხადებდნენ, რომ ძალიან დიდ ხარისხს სწირავდნენ.