Tekniikan marssi on vääjäämätön, eikä tämä ole missään niin totta kuin grafiikkalaitteisto. Joka vuosi kortit nopeutuvat huomattavasti ja tuovat mukanaan kokonaan uusia lyhenteitä hienoille graafisille temppuille. 

Kun tarkastelet PC-pelien visuaalisia asetuksia, kohtaat sanasalaatin, joka sisältää sellaisia ​​maukkaita kimpaleita kuin MSAA, FXAA, SMAA ja WWJD . Okei, ei ehkä se viimeinen.

Jos olet uuden Nvidia GeForce RTX -kortin onnekas omistaja, voit nyt myös ottaa käyttöön jotain nimeltä DLSS . Se on lyhenne sanoista Deep Learning Super Sampling^{(Deep Learning Super Sampling)} , ja se on suuri osa Nvidia RTX -korttien seuraavan sukupolven laitteistoominaisuuksia.

Kirjoitushetkellä vain näillä korteilla on tarvittavat laitteistot DLSS :n suorittamiseen :

• RTX 2060
• RTX 2060 Super
• RTX 2070
• RTX 2070 Super
• RTX 2080
• RTX 2080 Super
• RTX 2080 Ti

Kyseistä laitteistoa kutsutaan " Tensor "-ytimeksi, ja jokaisessa mallissa on eri määrä näitä erikoisprosessoreita.

Tensor-ytimet on suunniteltu nopeuttamaan koneoppimistehtäviä, josta DLSS on esimerkki. Jos et käytä DLSS :ää , se osa kortista jää käyttämättömäksi. Tämä tarkoittaa, että et käytä kiiltävän uuden grafiikkasuorittimen^(GPU) koko kapasiteettia, jos DLSS on käytettävissä, mutta se pysyy pois päältä. 

Asiassa on kuitenkin muutakin. Ymmärtääksemme, mitä arvoa DLSS tuo pöytään, meidän on poikkeamaan lyhyesti muutamaan asiaan liittyvään käsitteeseen.

Nopea kiertotie sisäisiin resoluutioihin ja skaalaukseen^{(A Quick Detour Into Internal Resolutions & Upscaling)}

Nykyaikaisissa televisioissa^{(Modern TVs)} ja näytöissä on niin kutsuttu "natiivi" resoluutio^(resolution) . Tämä tarkoittaa yksinkertaisesti sitä, että näytössä on tietty määrä fyysisiä pikseleitä. Jos näytöllä näytettävä kuva eroaa tarkasta alkuperäisestä resoluutiosta, sitä on "skaalattava" ylös tai alas, jotta se sopii. 

Joten jos lähetät teräväpiirtokuvan esimerkiksi 4K-näytölle^{(4K display)} , se tulee näyttämään melko töyräiseltä ja rosoiselta. Aivan kuin olisit zoomannut digitaalisen valokuvan liian pitkälle. Käytännössä HD-video näyttää kuitenkin hienolta 4K-televisiossa, joskin ehkä hieman vähemmän terävältä kuin alkuperäinen 4K-materiaali. Tämä johtuu siitä, että televisiossa on laitteisto, joka tunnetaan nimellä "skaalaus", joka käsittelee ja suodattaa alhaisemman resoluution kuvan näyttämään hyväksyttävältä.

Ongelmana on, että skaalauslaitteiston laatu vaihtelee suuresti näyttömerkkien ja mallien välillä. Tästä^(Which) syystä GPU^(GPUs) :issa on usein oma skaalaustekniikka.

"Pro"-konsolit, jotka on suunniteltu tuottamaan 4K-näyttöä, esittävät sille alkuperäisen 4K-kuvan, joten näyttöä ei skaalata ollenkaan. Tämä tarkoittaa, että pelien kehittäjät voivat täysin hallita lopullista kuvanlaatua. 

Useimmat konsolipelit eivät kuitenkaan näy alkuperäisellä 4K-resoluutiolla. Niissä on pienempi "sisäinen" resoluutio, mikä kuormittaa vähemmän GPU :ta . Tämä kuva skaalataan sitten näyttämään mahdollisimman hyvältä korkearesoluutioisella näytöllä käyttämällä konsolin sisäistä skaalaustekniikkaa.

Itse asiassa DLSS on hienostunut menetelmä, joka renderöi PC-pelin alkuperäistä resoluutiota pienemmällä tarkkuudella ja käyttää sitten DLSS- tekniikkaa sen skaalaamiseen liitettyä näyttöä varten. Teoriassa tämä parantaa suorituskykyä merkittävästi. 

Vaikka tämä kuulostaa paljon siltä, ​​mitä tapahtuu 4K-konsoleissa, konepellin alla oleva DLSS on todella jotain erityistä. Kaikki kiitos "syvän oppimisen".

Mistä "syväoppimisessa" on kyse?^{(What’s The “Deep Learning” Bit About?)}

Syväoppiminen on koneoppimistekniikka, joka käyttää simuloitua hermoverkkoa. Toisin sanoen digitaalinen arvio siitä, kuinka aivosi neuronit oppivat ja luovat ratkaisuja monimutkaisiin ongelmiin.

Se on tekniikka, jonka avulla tietokoneet voivat tunnistaa kasvot ja robotit ymmärtää ja navigoida ympärillään olevassa maailmassa. Se on myös vastuussa viimeaikaisista syväväärennösten räjähdyksistä^(deepfakes) . Se on DLSS:n salainen kastike. 

Neuroverkot vaativat "koulutusta", joka pohjimmiltaan näyttää nettoesimerkkejä siitä, millaista jonkin pitäisi olla. Jos haluat opettaa verkon tunnistamaan kasvot, näytät sille miljoonia kasvoja ja annat sen oppia piirteitä ja kuvioita, joista tyypilliset kasvot muodostuvat. Jos se oppii oppitunnin oikein, voit näyttää sille minkä tahansa kuvan, jossa on kasvot, ja se poimii sen välittömästi.

Nvidia on kouluttanut syväoppimisohjelmistonsa uskomattoman korkean resoluution kuviin DLSS :ää tukevista peleistä^(DLSS) . Neuroverkko oppii, miltä pelin "pitäisi" näyttää, kun se renderöidään supertietokonetason grafiikkasuorituskykyä käyttäen.

Sitten se ottaa tuon alhaisemman sisäisen resoluution kehyksen ja paremman sanan puutteessa "kuvittelee", miltä se olisi näyttänyt, jos paljon, paljon tehokkaampi tietokone kuin sinun olisi näyttänyt kohtauksen. Jos se kuulostaa sinusta vähän mustalta magialta, et ole yksin!

Milloin käyttää DLSS:ää^{(When To Use DLSS)}

Ensinnäkin^(First) voit käyttää DLSS :ää vain sitä tukevissa peleissä, mikä on onneksi nopeasti kasvava luettelo. Jokaisella nimikkeellä on myös omat vaatimuksensa DLSS :lle , kuten renderöinti minimiresoluutiolla, koska neuroverkko on siihen koulutettu.

Nvidian^(Nvidia) suuret aivot eivät kuitenkaan lopeta oppimista, ja korttisi DLSS-^(DLSS) ominaisuus saa jatkuvasti päivityksiä, mikä laajentaa nimikekohtaista tukea ja laatua.

Paras tapa selvittää, pitäisikö sinun käyttää DLSS :ää peleissäsi, on tarkastella tulosta. Vertaa sitä perinteiseen skaalaukseen tai anti-aliasointiin nähdäksesi kumpi on miellyttävämpää. Suorituskyky on myös tärkeä ratkaiseva tekijä. Jos kohdistat 60 kuvaa sekunnissa, mutta et pääse sinne, DLSS on hyvä valinta.

Jos saat kuitenkin korkeita kuvanopeuksia, DLSS voi itse asiassa hidastaa asioita. Tämä johtuu siitä, että tensoriytimet tarvitsevat tietyn ajan kunkin kehyksen käsittelemiseen. Tällä hetkellä he eivät pysty tekemään sitä tarpeeksi nopeasti korkean kuvanopeuden toistoon.

Pohjimmiltaan DLSS on hyödyllisin käytettäessä korkearesoluutioista näyttöä (esim. 4K-, ultralaaja- tai 1440p-resoluutio), jonka tavoitekuvataajuus on noin 60 kuvaa sekunnissa. Se on myös uskomattoman hyödyllinen aktivoitaessa RTX - korttien toisen tärkeimmän osapuolen temppua – säteenseurantaa. DLSS voi kompensoida säteenseurannan suorituskyvyn heikkenemistä melko hyvin, ja lopputulos on toisinaan upea.

Tämä on vähintä, joka sinun on tiedettävä ennen kuin päätät käyttää DLSS :ää vai ei. Muista vain^(Just) , että tämä tekniikka muuttuu nopeasti, joten jos et pidä tuloksista tänään, palaa muutaman kuukauden kuluttua ja saatat olla viimeinkin yllättynyt.

What Is DLSS and Should You Use It In Games

The march of technology is inexorable and nowhere is this more true than with graphics hardware. Every year cards get sіgnificantly faster and bring а whole new set of acronyms for fаncy graphicаl tricks. 

Looking at the visual settings for PC games, you’ll encounter a word salad that contains such tasty nuggets as MSAA, FXAA, SMAA and WWJD. OK, maybe not that last one.

If you are the lucky owner of a new Nvidia GeForce RTX card, you can now also choose to enable something called DLSS. It’s short for Deep Learning Super Sampling and is a big part of the next generation hardware features found in Nvidia RTX cards.

At the time of writing, only these cards have the required hardware to run DLSS:

• RTX 2060
• RTX 2060 Super
• RTX 2070
• RTX 2070 Super
• RTX 2080
• RTX 2080 Super
• RTX 2080 Ti

The specific hardware in question is referred to as a “Tensor” core, with each model having a different number of these specialized processors.

Tensor cores are designed to accelerate machine learning tasks, which DLSS is an example of. If you don’t use DLSS, that part of the card remains idle. This means you aren’t using the full capacity of your shiny new GPU if DLSS is available, but remains off. 

There’s more to it than that though.To understand what value DLSS brings to the table, we have to digress briefly into a few related concepts.

A Quick Detour Into Internal Resolutions & Upscaling

Modern TVs and monitors have what’s known as a “native” resolution. This simply means that the screen has a specific number of physical pixels. If the image you are displaying on that screen differs from the exact native resolution, it has to be “scaled” up or down to make it fit. 

So if you output an HD image to a 4K display, for example, it’s going to look quite blocky and jagged. Just as if you’ve zoomed a digital photo in too far. In practice however, HD video looks just fine on a 4K TV, if perhaps a little less sharp than native 4K footage. That’s because the TV has a piece of hardware known as an “upscaler” that processes and filters the lower-resolution image to look acceptable.

The problem is that the quality of the upscaling hardware varies wildly between display brands and models. Which is why GPUs often come with their own scaling technology.

The “pro” consoles that are designed to output to a 4K display present it with a native 4K image, so that no display upscaling happens at all. This means the developers of games have complete control of the final image quality. 

However, most console games do not render at a native 4K resolution. They have a lower “internal” resolution, which puts less stress on the GPU. That image is then scaled up to look as good as possible on the high-resolution screen using the console’s internal scaling technology.

In effect, DLSS is a sophisticated method that renders a PC game at a lower than native resolution and then uses the DLSS technology to upscale it for the connected display. In theory this leads to a significant boost in performance. 

While that sounds a lot like what’s happening on 4K consoles, under the hood DLSS is really something special. All thanks to “deep learning”.

What’s The “Deep Learning” Bit About?

Deep learning is a machine learning technique that uses a simulated neural net. In other words, a digital approximation of how the neurons in your brain learn and create solutions to complex problems.

It’s the technology that, among other things, allows computers to recognize faces and lets robots understand and navigate the world around them. It’s also responsible for the recent spates of deepfakes. That’s the secret sauce of DLSS. 

Neural networks require “training” which is basically showing the net examples of what something should be like. If you want to teach the net how to recognize a face, you show it millions of faces, letting it learn the features and patterns that make up a typical face. If it learns the lesson properly, you can show it any image with a face in it, and it will pick it out instantly.

What Nvidia have done is to train their deep learning software on incredibly high-resolution images from the games that support DLSS. The neural network learns what the game “should” look like when rendered using supercomputer-level graphics performance.

It then takes that lower internal resolution frame and, for lack of a better word, “imagines” what it would have looked like if a much, much more powerful computer than yours had rendered the scene. If that sounds a little like black magic to you well, you’re not alone!

When To Use DLSS

First of all, you can only use DLSS in games that support it, which is a list that’s growing quickly, thankfully. Each title also has its own requirements for DLSS, such as rendering at a minimum resolution, because that’s what the neural net has been trained on.

However, the big brain at Nvidia doesn’t stop learning and the DLSS feature on your card will keep getting updates, expanding per-title support and quality.

The best way to figure out if you should use DLSS in your games is to eyeball the result. Compare it to traditional upscaling or anti-aliasing to see which is more pleasant. Performance is also an important deciding factor. If you are targeting 60 frames per second, but can’t get there, DLSS is a good choice.

If you are getting high frame rates however, DLSS can actually slow things down. That’s because the tensor cores need a fixed amount of time to process each frame. Right now they can’t do it quickly enough for high frame rate play.

Essentially, DLSS is most useful when using a high-resolution display (e.g. 4K, ultrawide or 1440p resolutions) with a target frame rate at around 60 frames per second. It’s also incredibly useful when activating the other main party trick of RTX cards – ray tracing. DLSS can offset the performance loss of ray tracing quite well, with an end result that is at times spectacular.

That’s the least you need to know before deciding to go with DLSS or not. Just remember that this technology is changing rapidly, so if you don’t like the results today, come back in a few months and you just might just be blown away at last.

Related posts

• Käytä GBoostia parantaaksesi pelien suorituskykyä Windows 10 PC:ssä

• Lataa Tencent Gaming Buddy PUBG Mobile -emulaattori PC:lle

• Kuinka ottaa virtualisointi käyttöön MSI Gaming Plus Max B450:ssä

• Kuinka optimoida Windows-tietokone online-pelaamista varten

• 6 parasta julkista verkkopeliä pelattavaksi ilmaiseksi nyt

• Kuinka jakaa pelejä Steamissa

• 8 PC-peliä upeilla tarinoilla

• Kuinka lisätä muita kuin Steam-pelejä Steam-kirjastoosi

• 7 parasta N64-ajopeliä

• 10 parasta väkivallatonta videopeliä PC:lle, Xboxille, PlayStationille

• Kuinka vaihtaa Riot Games -käyttäjänimesi ja tunnuslause

• Kaikkien aikojen 7 parasta Dreamcast-peliä

• Paras tapa pelata Legend of Zelda -pelejä järjestyksessä

• 10 parasta ilmaista VR-peliä, joita voit pelata nyt

• 10 parasta DOS-peliä, joita voit pelata verkossa

• 10 kahden pelaajan peliä, joita voit pelata verkossa

• 3 parasta peliä RTX Ray Tracing -grafiikkasuorittimellesi

• 9 parasta peliä PS4:llä

• 7 parasta Roguelike-peliä mille tahansa alustalle

• 5 sivustoa, joilla voit löytää rajoitetun ja erikoispainoksen videopelejä myytävänä