国产 gpu 有必要,但不是让你买回家打游戏用的。普通用户对显卡的需求无非是打游戏或者渲染视频。然而除此之外,在眼下的科技行业, gpu 正显得越来越重要。相较于 cpu, gpu 拥有更多计算单元,这让它适合用于数字货币挖矿, 也更适合用于人工智能深度学习。由于 ai 的深度学习都要跑海量数据,所以 gpu 往往比一般 cpu 更有效率。像当下的大风口自动驾驶就离不开深度学习在图像识别领域的应用。 如果说自动驾驶是智能汽车行业的基建,那 gpu 就是这个基建的基建。其他领域里,从普通人生活中的人脸识别、智能音箱,到夏威气的二法稿大片里的演员换脸,也都需要 ai 通过 gpu 进行深度学习。 gpu 扛把子,因为打 的财报就显示,他们增长最迅猛的业务当属数据中心。二零二一年全年收入六十七亿美元,同比增长高达百分之一百二十四。这项业务的核心意见基础之一就是 a 系列服务器。 这个数据中心其实就是因为拿提供算例帮助企业进行 ai 训练的。从公开资料中可以看到,提高微信搜一搜的搜索效率、 部署智能交通预警平台、医疗领域的基因测序等等,都是由英伟达的 gpu 来提供算例支持的。特别是自动驾驶领域,英伟达也处于领先地位。自动驾驶算法公司可以用英伟达的 gpu 进行研发加速整车,企业则可以直接购买内置 gpu 的英伟达自动驾驶芯片。 老黄这次又迎麻了,目前人工智能行业可以说是方心未艾,如果在重要行业的基础设施上过分 依赖外国芯片公司,大概并不是一件值得过分称道的事情。毕竟类似断供后门这样的负面词汇我们听过了太多。总而言之,在未来充满太多不确定性的情况下,中国的 gpu 创业潮难度虽大,但还是非常有必要的。 而跟过去二十年一直说的国产 cpu 相比,国产 gpu 除了有必要,还有可能。其实早在一九九四年,当时联想的总公倪光男提出要造国产 cpu, 开始 方舟、吴清、申威、飞腾等公司香气开展研究。而他们遇到的最困难的问题之一,就是达不到叉八六架构的指令级授权。大家常用的电脑程序都使用英特尔叉八六架构的指令器, 没有他,国产 cpu 就不能运行这些程序,即使能运行,效率也低。打个简单的地方,指令级就好比惩罚口诀, 平头儿有这本乘法口诀的版权,不让其他企业使用,没有口诀算个五乘七都要掰手指头算半天,更何况 cpu 算的是六千三百七十八乘以一百二十二点六。但事情在 gpu 上发生了变化, 一方面,与 cpu 基本被查八六架构统治不同, gpu 出创公司可以拿到一些国外芯片设计公司的公版架构设计江湖传闻车,一轮国产 gpu 创业潮就与拥有中资背景的英国芯片设计公司以 majorneshan 放开授权拥有一定联系, 这家公司手上有相当多成熟的 gpu 设计方案。另一方面,做 gpu 对指令级的依赖稍小,而相对较为重要的 api 接口方面,国内公司是比较轻松可以获取的 api 接口可以起到连接应用程序和显卡驱动的桥梁作用。所以从拿到入场券的角度来看, gpu po 确实比 cpu 要容易一些。除了入场券,国产 gpu 的可能性还体现在核心结构上。刚才说过, gpu 具有大吞吐并行计算方面的优势,但相对的,它远不如能理解上万指令的 cpu 聪明,通常只能理解十几种指令种类。 这就意味着,相比有着更多控制单元、缓存单元以及更复杂的计算单元的 cpu, cpu 的控制和 缓存单元更少。整个 gpu 核心大约百分之九十都来自树木,巨大的计算单元组成,设计难度相对较低。说到这儿,国展 gpu 有必要有可能,但同时也有很大难度。 gpu 是典型入门容易毕业难的行业。
粉丝160.3万获赞1892.9万

为什么英伟达的显卡,也就是 n 卡市场占有率高达百分之八十,并且未来这个数字还会越来越高?原因除了我们常说的用起来省心之外, n 卡的性能一直都是占据市场的主要原因。估计几乎每一代的卡皇都是来自英伟达,就连终端主流型号也受到追捧, 又是什么原因呢?更早之前的不必多说,就从近两代的二零系和三零系来看,即便某些型号的定位只是中短,但他们的实际性能却远远不止规格上所体现的程度。之所以会出现这样的情况,就不得不提到英伟达的黑科技 d l s s, 也就是我们俗称的大力水手,完整的中文名叫做深度学习超级采样技术。如果说一张 n 卡通过硬件规格所提供的性能是一百分,而实际使用起来,它的完整性能至少还能额外增加百分之三十甚至更多,这正是通过 d l s s 技术在软 软件算法层面所带来的效果。那么问题来了,一个软件层面的东西,凭什么让硬件性能暴增呢?举个例子,原本显卡渲染一幅画面,需要一点一点慢慢渲染完毕之后才会显示出来,如果硬件的性能不够, 渲染速度自然就慢。弱智显卡玩游戏之所以卡就是这个原因。但因为有了 drss, 在渲染的时候,一副画面只要完成了其中一小部分,比如一张脸的五官不需要画那么精细,随手一个轮廓,有眼睛有眉毛有嘴巴, ai 再把这个轮廓补充的更加丰富细腻, 就可以立马让整幅画面都显示出来,这样的速度是不是快了很多?那有人又要问了,凭什么能根据一小部分画面就做出完整的画面呢? 其实原理并不难理解,他在工作的时候会先降低游戏内需要渲染画面的分辨率,再根据之前的画面预判并生成之后的画面,并通过人工智能算法模型和 ai 加速硬件单元把分辨率拉高进行 显示。这样一来,就可以让玩家们不用花费额外成本就能获取更高的性能了。可能依旧有小伙伴会提出疑问,这种运算机制难道就没有代价吗?其实早期的 d l s s 技术代价还是蛮明显的,就是提高的支出越多,画质的损失就越大。但这项技术是在不断发展的, 二十四小时不间断深度学习训练,现如今已经发展到第三代了,也就是四零系显卡搭载的 drss 三。先来看看微信四零、七零魔龙 开关 d rss 三状态下的区别。二 k 画质拉满到二零七七,从七十六帧提高到一百四十六帧,霍格沃兹从八十 暴涨到一百七十帧,都是翻倍的增长,提升最少的原子之星也从一百提升到了一百六十五帧。如此大幅度的性能暴增,都是因为 d l s s 三的再度净化。它采用光学多帧生成技术,依靠爱的 love lis 系列 gpu 中的光流加速器结合 ar 技术来进行光流场数据处理 加速。 ar 模型结合光流数据与游戏引擎中的运动史料信息来综合判断插针的运动准确性。独立完成完整画面针插入显卡基于传统技术渲染的画面针之间,让针率大幅提升,同时通过 dlss 三配备的 reflex 技术显著降低延迟插针的延迟,不仅可以提高更高的帧数, 画面的损失也越来越小。当打开 d l s s。 三的质量大增速提升非常明显,画面还几乎无损。目前啊,支持 d l s s 技术的游戏已经高达两百九十种,支持 d l s s。 三的游戏也都超过了五十块。可以遇见 d l s s。 三依靠先进的算法去给游戏增速点 buff, 一定是未来的一个大趋势。

合适的 gpu 对深度学习来说至关重要。今天我给大家介绍一下因为达系列显卡应该如何选择。如果你只是一个业余时间来探索深度学习的话,可以选择这个 rtx 二零六零,这个性价比较高。 如果你是深度学习专业类的研究者,而且预算在四千到六千之内的话,可以选择这个 rtx 二零七零或者说 rtx 二零八零这两个显卡。如果你是预算在这个就是八千到九千的话,呃,可以选择这个 rtx 二零八零 ti, 他比 rts 二零八零快大概百分之四十左右。 呃。如果适合是广泛的 so t a 型号,但是没有像这种呃就是 rts 八千这样足够预算的一个研究者的话,可以选择这个呃,泰坦的 rts 或者说是跨入 rts 六千这两个显卡,呃性价比较高。 然后如果是你不考虑价格,只考虑性能的话,呃,推荐一款,就是跨住 rtx 八千这个适合做未来的一个投资,性能卓越。呃,这个就是英美达系列显卡的一个推荐。谢谢大家。

做深度学习要什么样的显卡?平哥教你怎么选取特色核心,越多的越好。那么特色核心是什么?他有什么作用?哪些显卡有呢?从因为他的微烫染价格开始,也是从大家见的最多的烫染系列开始。啊,老黄第一次在 tvb 上面打上了特色的核心的名片, 把这个小鸟计算核心也可认为是本部精度的计算单元,能根据精度的降低而动态调整算命,保证本人性的同时提高充能量。听不懂是吗?我也不懂,但是我们普通人言,从小的成本上来看,我们都不深度学习的 dlss 技术, 也是俗称的大力学小技术,我们可以得到高分辨率、高真率的游戏体验和非凡的视觉效果,比如照片修复,从大的层面上来看,我们可以享受到哎呀,人工智能的科技成果,比如无人驾驶、整理识别等等。 而这一切的一切都少不了特色核心在耗得的辛勤付出。那么适合深度学习的显卡有哪一些呢?平哥推荐的是入门级的,有五百四十四个特色核心的二零八零太到有六百四十个特色核心的 v 一百就是 a, 一百码我没用过,主要是没钱推荐。讲了这么多,你学会了会了会了会了吗?

蓝斌哥给大家看过很多显卡,还经常提到什么什么显卡适合做深度学习,那么究竟什么是深度学习呢?尽管只有几个网友想了解,但是我觉得有必要给大家介绍一下。深度学习的英文名叫 deepen onion, 他是机器学习一个新的研究方向,他被引入到机器学习以后,就更加接近最初的目标, ai 人工智能 深度学习就是学习样本、数学内在规则和表现层次,在这个过程中间,通过文字、声音、图像等等形式的分析和总结能力, 最终形成像人一样的具有分析和学习的能力,智能的去识别图像、声音和文字。深度学习是一个很复杂的过程,虽然用的时间不久,但是取得的成果远超以往的技术。 举个例子,就如同我们开车之前学驾照,先学习理论知识,知道了基本规则,我们在教练的指导下,从起步到倒车、入库,到场内到场外等一系列的 考试合格了以后,取得驾照我们才能上路。如果用深度学习来解释,就是我们创建一个交通规则和一个判断机制,然后收集各种各样的道路标识和图像素材,让电脑根据这个规则就不停的识别和学习,一直到电脑能够准确识别和了解行车规则以后,就能控制汽车自动驾驶了。 这就是深度学习到人工智能的过程转换和成果。因为需要去识别大量的素材,所以计算量非常大,单纯的 cpu 已经不能满足这个要求了,所以 gpu 才是深度学习最好的工具。我是黑屏哥,只有满足有图感需要的你。

如今呢,因为打 r t x。 显卡在游戏中呢,进行图形处理的同时,还带有各种花里胡哨的辅助黑科技,有提升游戏帧数的,如 d l s s, 有提升光锥效果的,如 d l s s。 三点五。光线重建,有改善抗锯齿效果的,如 d l a a。 等等。而 d l s s 呢,又有 d l s s。 二, d l s s。 三, d l s s。 三点五。这其中呢, r t x。 显卡, r t x。 二零系、三零系、四零系都支持的呢,是 d l s s。 二和 d l s s。 三点五。 d l s s。 二,可以支持 ai 深度学习超载样,使用教的封面率内容作为输入,并应用 ai 技术呢,输出高封面率,证实现游戏超封面率,在不怎么损失画质的情况下,达到明显提高游戏帧数的目的。 可以将 d l s s。 二呢理解为是 d l s s。 超封面率,咱们简称 s 二。目前所有的 r k x。 显卡呢,都可以支持 d l s s。 二, d l s s。 三呢,则是完全区别于 d l s s。 二的。 d l s s。 三呢,可以支持真生成技术,也就是利用 r k。 四零七显卡的光流加速器与 ai 单元呢,集合 gpu 本身的算力,在游戏中呢,生成更多帧,以大幅度提高游戏的帧数, 注意流畅性。可以将 d l s s。 三呢理解为是 d l s s。 真真诚,他们简称 f g。 不过 d l s s。 三呢,开启后呢,会增加系统延迟,所以在 d l s s。 三开启的同时呢,一般会伴随同时开启,因为它的 reflex b 延迟技术,以降低游戏时的响应延迟。目前所有的 r t x。 四零系显卡呢,都可以支持 d l s。 三。与此同时呢, d l s 三呢,也只有 r t x 四零系显卡可以支持开启,其他 r t x 二零系、三零系呢,都是不支持 d l s 三的。目前 d l s s 三呢, 真生成呢,可以支持这些游戏,因为它的 reflex 为了。好消息呢,是这个,因为它的 reflex dh 技术可以支持包括 gtx 九百幺零系以及 ipx 二零系、四零系在内的几乎全部。现从主流新的 n 卡。坏消息是, reflex dh 技术呢,要想开启,需要游戏支持该功能,且可以在游戏设置里调整才行。 目前支持英美达 reflex 低颜值技术的游戏呢,大概有这些。 diiss 三点五主要新增的光线重建技术,利用恩卡自带的 tinsonco 加 gpu 算力,以提高光线追踪的画面效果,提供更好的游戏光线与光照,以及 更高的帧率。该功能呢,主要用于提高光锥效果,可以理解为是 dlss 光线重建。目前所有的 rtx 显卡呢,都可以支持 dlss 三点五,也就是可以支持 dlss 光线重建技术。 dla 借助基于 ai 的抗锯齿技术,以使 rtx 显卡呢带来更高的图像质量。 dlaa 呢,也使用的是超负面率技术,但与 dlss 不同 是, dlaa 开启后呢,不会输入低封面率再输出高封面率,而是以原声封面率为基础,重建原生封面率图像,从而更大限度的提升图像质量。该功能呢,可以理解为是 dlaa 抗锯齿,或者理解为是 dlass 超级质量加强版档位。简单来说呢, dlass 以适当提升图像质量为代价, 提高显卡的游戏性能和帧数。 draa 呢,以适当牺牲性能来换取更高的游戏画面质量。当你的电脑显卡配置与性能很好,且当前游戏征数呢,已经很高了,那你就不需要开启 drss, 可以考虑开启 draa, 以提高游戏画面的质量。目前所有的 rpx 二零七三零七四零七显卡呢,都可以支持 dlaa 技术。此外呢,使用这些恩卡的新技术有几个点呢,需要注意。首先呢,前面提到的 dr s s 超分辨率, d l a 抗拒尺,因为它 reflex d l s s 光线重建等安卡相关技术功能,在游戏里想要开启使用呢,都需要游戏兼容支持,在游戏设置菜单里有相关的功能设置像呢才可以。其次呢, d l s s 与 d l a a 呢,是相同原理但方向不同的两种技术功能,所以二者不能同时 开启。选择性能与更高帧数,那就开启 d i s s 选择画面质量与视觉效果呢,那就 d l a a。 第三点, d i s s 真身成与 d i s s 超封面率呢,是可以同时开启的,也可以只开其中一项。原理呢,虽然不同,但目的呢,都是为了提高显卡性能和游戏帧数。另外呢, d i s s 真 生成不只是可以叠加 dlss 超分辨率,还可以兼容 amd 的 fsr 或者英特尔的叉 ess。 不过呢, dss 超分辨率与 md 的 fsr 或英特尔的叉 ess, 这三者呢,一般不能同时开启叠加。最后呢, dlss 光线重建,尽管 rtx 显卡呢都能开启使用,但目前只有少量游戏可以支持设置开启。具体支持的游戏呢,暂时只有这么几个,这里是电玩家,咱们下期见。

今天给大家介绍一款普通人高得着,用得起,买得到,而且还限了炸裂的显卡,就是这块,因为他的 a 四钱 安排架构,巴纳米工艺,六千一百四十四个扩大核心,一百九十二个特产核心,四十八个阿尔达阿提核心,一十六 gb d d r 六超大显存, 它号称三万以内的工作证的标配显卡,我们来看看它的细节。先来看一下这种卡的厚度,是一张单宽的卡身,对机箱很友好。供电方面呢是一个六平的接口,共号是一百四十万,它的这个输出方面的话,是四个 dp 一点四的接口,这是四个四 k 的显示器或者两个八 k 的显示器。 另外就是这个专业涂改的标配了,就是这个温暖的散热,他的散热方式是通过这个风扇把风吸入这个卡内,然后通过这个后端把热量排出来,他自己就是一个单独的散热个体,就大大的提高了这种显卡的散热效率,缺乏了这种显卡的稳定性。他的前的产品是阿迪 x, 四千前前的产品是 p。 之前我们来看看他们的新闻对比表,代表图形计算能力的扩大核心提高了两倍,代表渲染能力的 id 核心也提高了两倍,代表深度学习能力的探测核心更是提高了五倍。参数是死的,性能是活的,我们来看看他们在验算的差距。 gd 设计类的应用,卡地亚、可约奥、西门子受到沃克斯这些软件的性能发挥,阿迪 x 只相当于他的百分之七十, ip 四千只相当于他的百分之三十 七七七率。人类的应用,玛雅萨尼 max 达芬奇这项软件的性能发挥,阿迪克斯四千只相当于他的百分之七十, a p 四钱只相当于他的百分之二十,我们看到他们的参数是加量加的厉害,我们看到他们的性能也是增强的很明显。我们最后来看一下他们的价格介绍。 a 四前目前市面上的价格大概是在九千左右,而阿迪克斯前的话是 六千到七千之间, ip 四千的话也是五千左右,价格也是层次分明,但是肯定又先遇到选择困难,大家听我的,注意生产工作的他, 你不要有一丝的犹豫,这个价格差异类选性能最高的,他的产出一定不会辜负你的选择。关注蓝明哥,电脑不蓝屏!

we've been working hard on the lss for three years now and today i want to give you an update on how dlss delivers the best image quality and how the ai in dlss just keeps getting smarter dlss stands for deep learning, super sampling and it's a technology that uses ai to render your video games faster and more beautifully for every frame of the video game you play dlss is running a neural network to reconstruct all of the detail and all of the beauty of the game, but at a much faster frame rate dlss is now in over a hundred games and applications and adoption keeps accelerating we've released integrations for the major engines like unity and unreal and that makes it very easy for developers to integrate recently we release dlss two point three which makes even smarter use of motion vectors from a game in order to improve object detail in motion particle, reconstruction and temporal stability in this example you can see how these particles are being rendered individually without streaking here you can see more of fire ember particles without ghosting in this example, you can see how this object is much more stable with less flickering now let me tell you about how dlss works and why we built it the way we did before dlss there was spatial up scaling spatial up scaling has been around for a long time in fact your television can do it and it's a pretty common option in a lot of games games have in game resolution scaling by linear interpolation by cubic interpolation, lanzosh interpolation fsr and we've offered a scaling and sharpening option in our game ready driver for some time now that works on all gpus without any game integration at all, but spatial upscalers come with limitations they work frame by frame treating each frame as a separate image and then adding more pixels they can add more pixels this way, but they can't add more detail and so the results are often blurry and they often have more temporal artifacts such as flickering and crawling dlss is a temporal method and it uses information from multiple frames to provide increased detail with less flickering nothing is moving it's easy to use information from multiple frames because you can just stack the frames together and get more detail but of course when you're playing a game things are moving and the appearance is changing lighting and shadows it's not so straightforward dlss combines ai with geometric motion vectors to make smarter decisions about what information we can reuse from prior frames take a look at this example from control on the left is the input to dlss it's very low resolution and alias and on the right is the output from the algorithm with lots of detail and temporal stability here's an example of the power of dlss versus spatial upscaling this is dlss in performance mode compared to spatial upscaling in ultra quality mode the spatial upscaler is running at seventy seven percent of the resolution which means that for every one pixel input it's producing one point seven pixels of output on the right we have dlss running at fifty percent meaning that for every one pixel given to dlss the algorithm must produce four pixels of output dlss does more than twice the work and gets a better result that's the power of ai and temporal methods spatial upscaling methods often introduce temporal artifacts i know that sounds confusing, but the reason for that is that spatial upscalers don't understand how frames are related to each other in time they have to make a guess for every frame independently they're not able to track objects over multiple frames which means when you watch the output from a spatial upscaler things are gonna twinkle be unstable and sometimes just be missing spatial upscaling methods try to compensate for the lack of detail with increased sharpening sharpening can make an image more punchy but if you do it too much you get ringing and haloing around the edges of objects in this example, we see how the sharpening in a spatial upscaling method is really struggling with fine lines there's just not enough information in the input to the sharpener for it to apply approximate the lines that the game is actually trying to draw dlss and contrast doesn't suffer from this because it doesn't rely on sharpening to add detail instead it reconstructs it using temporal methods and artificial intelligence if you want the output of your dlss rendering to be sharper you can use our built in sharpener or the one from the game dlss sometimes provides even higher detail the native rendering because every frame is giving us different sets of samples about how things should look and we're able to intelligently combine them to come up with a more complete and accurate picture of the rendering we've made huge progress over the past three years to make dlss more beautiful and more detailed and the network just keeps learning the future of ai for real time graphics is just beginning。

什么是专业显卡?型号和性能怎么区分呢?专业卡又分为图形显卡和计算卡。我们现在看到前对带跨角的显卡都是英伟达推出的图形显卡,命名方式一般是架构简称加数字,同代,数字越大,性能越强。今天带大家以时间先后顺序看一下目前比较活跃的图形显卡型号。 二零一三年,英伟达发布了夸奖 k 系列显卡,首字母 k 代表开普勒架构,我手上这张就是 k 六千。 k 系列的卡皇接待途径显卡,加入了革命性的 sli 技术和高清视频技术,同时为专业应用程序提供卓越的加速和性能。 然后就是夸奖 m 系列, m 是麦克斯伪架构,于二零一四年推出。我手上这张就是 m 两千。这一代的图形显卡呢,采用了更加高效的流出语气,更加先进的纹理单元和更快的存储系统,能为用户提供更加清晰的图像和更广阔的视野。二零一六年,英伟达更新到了帕斯卡架构,我手上这张就是夸奖 pca 的 七四千。这一代图形显卡提高了图形渲染和计算能力,功耗大幅降低,适用于进行复杂的三 d 建模和设计。二零一九年,因为拿着图形显卡升级到了图令架构,首次引入了张亮核心,更适用于深度学习计算。这一代图形显卡呢,分为带光锥的,以 r t x 开头。比如说我手上这张,夸奖 r t x 八千。 另外一部分不带光锥的,以图灵首字母 t 开头。二零二一年,英伟达发布了跨界 rtxa 系列显卡,这张显卡就是 rtxa 四千, rtx 代表着他卓越的光锥性能, a 代表着他使用的先进的安配架构。这台途径显卡支持更高的 ai 推理性能和更高的能效,在深度学习、科学计算领域都有广泛的应用。以上这些显卡的具体参数都可以进我的小店查看。最后,你们知道前对带特斯拉的是什么显卡吗?关注我,下期更新。


大家好,今天我们为华为公司配了台深度学习的工作站,对于深度学习工作站这个词大家可能有点陌生,那么我们来看一下这台工作站的一些配词。好,我们来看一下这台工作站。主机的核心是超微七零四八 gr 杠 tr 卷系统, 它包含了主板、机箱和电源,主板支持英特尔双路至强 cpu, 支持 r ecc 迪迪二四服务器内存,还有多达四路的显卡,支持四卡并联。 cpu 是英特尔至强一五二六七八比三两颗,这款 cpu 是十二和二十四线程三级缓存,达到三十兆频率可达三点三 g, 两颗同时工作,可以拥有更大的数据运算和处理能力。显卡是英伟达公版特斯拉 t 四十六计运算卡两张,这款显卡是英伟达专门用来深度学习和人工智能运算的显卡, 不要看显卡这么小,但是单卡的价格是要一万多元哦,高达十六 g 的显存也可以完全满足深度学习的需要, 快速的处理要求,最严格的高性能计算和超大规模数据中心工作。附带内存是三星二一 cc 服务器,迪迪二四二六六六十二 g 内存,两根服务器内存的主要特点就是支持内存数据教练和纠错,可以保证主机长时间稳定工作。好了, 这台深度学习的工作战主机就介绍到这里,我们这边除了游戏主机、商务办公主机,还有工作战主机和服务器主机哦,这方面需求的小伙伴可以联系我。本期视频就到这里,感谢大家的观看,我们下期再见!


比美达 dlss 四如今呢,已经发展到了 dlss 三点五,相比于 dlss 三呢,又新增了光线重建技术,该技术开启后呢,可以进一步提高游戏光线追踪的质量。好消息呢,是 dlss 三点五呢,新增的这个光线重建技术,老黄已经宣布所有的 rtx 显卡都能支持使用,前提呢是游戏需要支持 dls 三点五。坏消息呢,是真生成技术还是 rtx 四零系显卡独占 并不是某些玩家误解的, dls 三点五可以让所有 r t 叉显卡玩家,包括 r t 叉二零或者三零都能玩的上。实际上,英美达在公布大力水手三点五基础时,还同时公布了大力水手二三 三点五可以支持的显卡与技术的差异,对照这个图呢,可以看到游戏超负面率与深度学习抗拒尺 disr dis 三 diss 三点五呢都支持,并且所有的英文的 rtx 显卡呢,都可以支持开启,真升值技术仅 dis 三。 dis 三点五呢可以支持。 硬件上呢,只限于英伟达四零系显卡可以支持开启光线重建技术,仅大力水手三点五可以开启。硬件上,所有的英伟达 rtx 显卡呢,都可以支持开启以上所有的大力水手相关技术功能, 如果要在游戏里开启,都需要游戏预设支持才行,也就是可以在游戏设置里开启相关功能。所以呢,老黄还是很鸡贼的。 dls 三四三点五呢,实际上给到提升的并不是很大,其核心呢就是光线重建技术,开启后呢,游戏的光追效果可以变得更好。这里是天范家,咱们下期见。

显卡的热度一直居高不下,特别是在 ai 人工智能 gpu 这方面。今天分享的就是高性能运算深度学习 gpu 数据中心级的显卡。英伟达 a 三零 传媒架构,二十四 gb 显存九百三十三 gb 每秒的带宽最大功耗是一百六十五瓦。这一块是全新的哦,回收价格非常浪险,有现货的欢迎私聊。

四零太六零太十六 g 的显卡,它是一张非常非常好的卡,你不要觉得就这张卡没有性能,没有多少钱了对不对? 但他日照非常好玩好看。有人问, ok, 小黑,你让我买这么大钱村,他对我打游戏有提成吗?不好意思, 这个还真没太太有提升,这个主要是对于做生产力的各位老哥们,我跟你们说下哪方面有提升?比如说大火的 sd, stable defuse, 包括 mg 没有美卓美,美卓美也是可以的,还有什么?还有你们做三连麦和建模的这老哥, b 五还有 cv 这几个传感器都是会有很大的提升的, 而且他会对你的上线会有一个比较高的提高,所有的三 d 面膜、 gp 传感器他都会有对现在有一定依赖,有的是多,有的是少,但这几个软件他对他的依赖会更高一些。拍一个做一 优异的人也是会有很大提升,你包括达芬奇也是会有提升,优异优异五也是这样的事情。所以说我认为四轮动态十六 g 在 专业生产的英语上面,他是一个非常非常好的卡,而且他将会成为我的一代声卡啊,就比如说三六零十二集啊,这卡我出了统计过一次啊,就这个卡啊,我跟你们说三六零十二集的卡,我卖的卡的数量,他是我卖的高端卡数量的,他一共是卖了四百多片。四百多片不,不吹牛逼啊,这真的不吹牛逼,能明白吗? 我觉得做生产力这块能做到这个份已经很不容易了。四轮轮胎十六 g 呢,他应该也会成为我的下一代神卡,我会一直去用他啊,他可能会比四轮系列都要好啊,比四轮系轮胎啊,可能打不过四轮系轮胎啊,但是应该是会比四轮系列都要好,这是一点是毋庸置疑的,在这些应用方面。

哈喽大家好,欢迎收看应检查谈,我是福良卖茶人,今天这期视频呢,我们受 nv 代的邀请,来给大家讲一讲出现在二十期前卡上的 dlss 二点零技术。 我相信有很多同学买显卡的时候,应该发现了很多的二十期显卡宣传界面都有写着这张显卡支持 dlss, 这个 dlss 究竟是个什么技术?他在游戏当中能产生什么作用?这期视频我们就带大家详细了解一下。 以往的显卡升级都只是升级性能或者迪瑞克 x 的支持。二十系显卡相对于十系显卡来讲,除了常规的升级之外,还在显卡核心内增加了两块额外的区域, 一个是 rt 库尔,它的作用就是给显卡带来了实时的光线演算功能,让显卡能更真实的计算生活当中的光线反射和折射,让你的游戏画面更趋近于真实。而另外一个新增的区域就是我们 本期节目的主角吞塞库。吞塞库的官方叫法叫张亮计算核心,他的作用是增加显卡的 a i 深度学习计算功能。实际上他并不是第一次出现在我们的显卡当中,实际显卡的架构是帕斯卡,而二十系显卡的架构是图林。 在十系显卡和二十系显卡当中,还有一个自成一派的福达架构的泰坦威。早在二十系显卡发布之前,泰坦威就已经首次搭载了吞塞口, 由于探测课是专门用来计算 ai 深度学习的,因此在二十期间卡发布之前,有相当多的深度学习从业者会购买这张卡来进行深度学习的演算。 不过泰坦毕竟是专业卡,和游戏卡之间一个模糊的界限,大部分人应该是不会去买这张显卡的。而至此,二十级显卡的技术下放,下至二零六零,上至二零八零太,全部都搭载了褪色库, 这就让二十期显卡全系都拥有了一定规格的深度学习能力。那这个核心造出来给游戏卡用,肯定不是说为了让全民都去搞深度学习的,一定是为了实现某种用传统哭打核心无法完成的功能。这个功能就是我们本期视频要介绍的 dlss 深度学习超采样。 那要正式讲解 dlss 之前呢,我们就需要了解两个概念,什么是深度学习,什么是采样率?我们先讲采样率,我相信大家在玩游戏的时候,如果你的分辨率不高,比如说是一零八零 p 或者两 k, 没有到达四 k 什么的,肯定会发现你在游戏的画面当中经常会出现类似狗牙一样参差不齐的锯齿, 这些锯齿一方面破坏了游戏的画面,另一方面也降低了游戏的代入感。锯齿产生的原因也很简单,就是采用率不高导致的。我们的游戏空间 间和场景都是三维的,但是我们的显示器是平面的,要把一个立体空间的画面输出到平面上,那就需要给游戏进行拍照,然后把拍下来的这个画面输出给显示器,这个过程就被我们称之为光山化。 那需要光山化就存在一个问题,我该以什么样的画质去拍这个画面呢?这里这个画质就是我们所说的采样率, 比如说在游戏空间内有一个小球,如果你将他光删化以后投影到平面上,那就是一个圆。而上一期视频我们已经讲过了,我们的显示器像素点 lgb 都是横平竖直的,你无法直接显示出圆的湖边,我们只能用数量众多的小方块去拼凑出湖边来。 假设我们用一个八乘八的彩样网格套上去,那最后输出结果就是这个样子,你就会发现这个小球在光山化完成以后, 出现了一个很多锯齿的圆。而如果我们用十六乘十六的采用网格套上去,那最后输出就是这样,锯齿相对于之前好了很多。而假如我们换成三十二乘三十二的采用网格套上去,那最后输出就是这样, 这里边这个八乘八、十六乘十六,三十二乘三十二就是光山化的采样率,换成游戏内对应的选项就是分辨率, 所以你可以发现彩样率越高,也就是分辨率越高,画面的巨石感越少,画面越细致。但是这里就有一个新的问题, 分辨率的提高,显卡需要运算的数据就更多了,相应的需要消耗的显卡性能也就越多了。并且你的屏幕分辨率也是有限的, 你不可能在一个低分辨率的显示器上完美还原出高于你显示器分辨率的图像。因此这就衍生出来了一些解决方法,帮助你在分辨率与性能消耗之间寻找一个平衡,消去 游戏内的锯齿,这个就是你在游戏内看到的选项。抗锯齿的功能,抗锯齿有非常非常多的种类,一些比较大型的游戏内,你可以看见抗锯齿有非常非常多的选项,而有的游戏就只有开合关,那就是纸质,是一种固定类型的抗锯齿。 不同抗锯齿的工作原理和实现的效果是截然不同的,消耗的性能也是截然不同的。目前比较常见的抗锯齿技术是, ssaa 超级采样抗锯齿、 msaa 多重采样抗锯齿、 mfaa 多针采样抗锯齿 fxaa 快速近似抗拒史。 smaa 指像素增强抗拒史、 txaa 时间近似型抗拒史。市面上还有非常多的各种游戏公司与硬件公司实现的各种类型的抗拒史,而我们本期视频所要介绍的 dlss 其中一个应用 dlaa 是抗拒耻大家族中的一员。讲完采样率,我们来讲讲深度学习。这几年什么人工智能啊,深度学习啊,大数据分析啊, a i 技术啊,在过去的时间段里被各种媒体翻来覆去的讲这些名词倒是听了不少,但是你真正的了解什么是 a i 深度学习吗? 这里我们有一个比较简单的例子,来给大家浅显的讲一下深度学习的工作原理。这个图片是啥,你肯定认识,对吧?苹果,苹果有啥特征?表面红色的,然后会泛一点黄色的纹路,还有一些黄色的斑点, 顶部有一个黑色的饼。如果你用任何一个 a i 实图,他都可以精确的告诉你这个东西是苹果,那 a i 是怎么判断这个是苹果的呢?原理很简单,你给 a i 看几百万张上万张图片,每一次给他看一张图片,告诉他这个是苹果, 再给他看下一张图片,再告诉他这个是苹果,然后给他看无数张苹果的图片,每次都告诉他这个是苹果。对于人类而言,你看到的是带有颜色的图片,但是对于 a 来讲,这些就是无数的数字,因为图片上的像素点本质上都是二进制、十六进制的数字。 当 a i 把图片全部转换成数据以后之后,就需要给 a i 时间,让 a i 自己去总结这些颜色数据的规律。比如说一个像素点相邻,应该是有上下左右四个像素点,它本身如果是红色,上面左边右边挨着的也是红色,最下面是黄色,那这个像素点就被判定为 a 类像素点, 而上下黄左右红是 b 类像素点。以此类推,给所有颜色可能性的像素点都进行分类,然后数据化判断 a 类像素点的个数大于多少,小于 多少。判断 b 类像素点的个数大于多少,小于多少。判断 c 类像素点的个数大于多少于小于多少。依次类推,总结出苹果这个图片的像素点颜色构成的规律。 除了像素点相邻颜色的构成规律,我们还可以根据位置的分布规律去做同样的数学模型。比如说红色的像素点成块状分布,而黄色的像素点成条状分布。当然,块状和条状在我们看来是宏观形状,在 ai 看来不过是不同规律的颜色数字罢了。 总之就是让 a 根据预先设置好的分析思路去分析图片的规律。因此, a i 技术简单来讲,就是在人类看不出规律的情况下,根据曾经看过的大数据,强行总结出一个可以推断将来可能性准确率比较高的公式。同理,我们就可以利用这种方法实 出现很多传统运算无法完成的功能。比如说相机的 a i。 滤镜,你给 a i 看无数张美食的图片,每次都告诉他这个是美食,等他自己总结出规律以后,将来你拍美食的时候,他就能认识这个东西是美食,然后自动帮你拉高饱和度和对比度。 而如果你给他看无数张人像,每次都告诉他这个是人像,然后让他自己总结规律,下次你拍人像的时候,他就能认出这是个人像,然后自动帮你打开美颜。 所以说现在的人工智能啊,深度学习啊, a i 技术啊,他真的是人工智能吗?其实严格意义上讲,我个人觉得并不算是,他的本质是一个超庞大的大数据,加上统计学,加上数据分析学的统合。 和我们在电影里看到那些有自己思想的 ai 不同,我们现在所说的 ai 仅仅只是一个依托于大数据的模拟神经网络思考的 优化算法,虽然有很多模拟人类思考的分支,但那终究还是人为去设定的。就好像有一个机器人,他的数据库里囊括了世界上一切已有问题的答案, 你去问他什么问题,他都能给你准确的回复,并且他有自己的逻辑,你也能和他流畅的对话,不过他本身并不会思考,也没有自己的意识和观点。你可能从外在的觉得好像他是一个鲜活的人,但是他没有自己的思想的话,依旧只是一个基于算法和庞大数据库的机械。 稍微扯远来一点,我们回到正题,既然我们的显卡有吞塞口,那我们的显卡就从以前的纯粹傻算变成了可以完成一些 a i 运算。 d l s s 就是借助 a 完成的这样一种技术。 dlss 一点零的实现分为两个阶段,一个是训练阶段,一个是使用阶段。在训练阶段,我们需要让 ai 看很多原声的 一零八零 p 的游戏画面,然后再给 a i 看相同画面下八 k 分辨率的游戏画面,让 a i 自己总结从一零八零 p 分辨率到八 k 分辨率游戏的画面发生了什么变化, 让 a i 自己强行在没有规律中找出从低分辨率到高分辨率可行性较高的规律,总结出一个算法来。使用阶段则是把这个算法融入显卡驱动和游戏引擎,在游戏运行的时候,利用吞缩库尔和算法,把低分辨率的图形经过 a i 脑补到高分辨率上。 比如我们可以让显卡渲染一零八零 p 的画面,然后接住 a i 脑补到四 k 分别率上去。如果你的显示器本身就是四 k 的,那就可以直接输出四 k 的图像。而如果你的显示器是一零八零 p 的,不支持四 k, 那我们就可以先渲染一零八零 p 的画面,然后脑补到四 k, 最后压回一零八零 p 来做到 dlaa 抗拒尺的作用,这个也就是 dlss 一点零的时候的原理和应用。当然, dlss 一点零有没有自己的缺陷呢?也有,因为这套算法这套模型本质上还是 a 在没有规律中强行找到可行性较高的规律。 他并不是事物客观本身存在的规律, ai 只是借助一个颜色和他周边的颜色去猜测不存在的颜色,所以脑补出来的颜色有可能会出错,脑补出来的画面和原声分辨率相比,就有可能会有瑕疵。 而如果颜色补错了,那带来的负面效益就是画面模糊,或者在运动场景中产生大量的尾影或者重影。因此 diss 一点零作为新技术的尝试还有很多的改进空间。很多的游戏里,你只要打开了 diss 一点零,游戏的画面就会出现糊掉的情况。补 补偿的方案则是用 tfs experience 里的游戏滤镜来加上锐化的效果,但是这个滤镜也会降低帧数,所以等于还是用帧数换清晰度,得不偿失。因此在当时来看, diss 一点零这个 a i 脑补画面的功能实在是很鸡肋。 而现在 nv 也发布了 dlss 二点零, dlss 二点零的实现原理和一点零截然不同,完全不是升级迭代的关系, 他相对于 a 的利用完全是换了一个角度。他的实现原理不再是依靠 a 强行去脑补画面,而是借助 a 完成多针合成。 在渲染画面的时候,显卡将不再对全屏幕进行采样。假设我们对屏幕进行了 abcd 四个分区,在第一针渲染的时候对 ad 区域进行采样,在第二针渲染的时候对 bc 区域进行采样。进行合并以后你就 就可以得到一个和之前一样对全品采样的画面。当然这里我只是举个例子,实际 diss 二点零的算法肯定要比我所讲的复杂的多, 这就有点类似手机里边 hdr 多真合成拍照一样,我们通过对画面不同区域进行曝光,然后把多张不同曝光的画面进行合并,就可以获得比一次曝光更多的画面细节。当然这个前提就是你的算法要足够强大,对应显卡就是你的 a i 需要足够的厉害。 当然这种实现原理在静态画面的时候很好使用,因为 abcd 四个区域的画面前后没有进行相对位移,而如果画面动起来以后还进行简单的合并,就会出现鬼影的现象。 在以前我们只能通过手条算法去优化来改善诡异, taa 就是一种这样的抗拒史,在静态画面的时候收敛效果很好, 但是画面只要动起来,整个画面就浮掉了。而 dlss 二点零则是基于 taa 这种多针合成进行了改进,将原来用来优化鬼影的算法从人工手条变成了 a i, 实时演算使得多针合成的效果大幅度的增强。 也就是说, diss 二点零和一点零相比,画面不再单纯的是靠猜了,这每一张画面都是实打实的原声信息,我们只不过借助 a i 把这些信息进行了多时段多空间的复用,提高了效率。 而也正是因为你的采样点和时间都变多了,因此这种复用后合并的画面细节在静态时甚至可能比原生分辨率还要清晰。而动态画面虽然可能没有原生分辨率清晰,但是我们只要能做到相似的效果,由于人眼对于动态画面不敏感的特性,其质量的降低会被大脑 基本直接忽略掉。所以简单总结就是,如果我们要渲染一针四 k 的游戏画面,原生四 k 就是显卡完全从头到尾把这一针四 k 图像完整的渲染一遍,纯粹的傻算。 drss 一点零就是渲染一个一零八零 p 的画面, 然后用 a i 脑补到完整的四 k 分辨率上,纯靠猜。而 diss 二点零则是渲染一堆采样点和采样时间不同的一零八零 p 的完整画面, 然后去将这一堆一零八零 p 通过 a i 事先训练好的算法,把他们的最优细节合并到四 k 分辨率上,因此不会产生 fxaa 那种后处理的模糊,也不会产生 taa 那种动态鬼影, 一方面节约了显卡的性能,另一方面还保证了画质。在 diss 一点零的时代,每个游戏厂商还需要针对自己的游戏 去进行针对性的 a i 训练,你需要为自己的游戏训练自己的算法,才能完成 dlss 超彩样和抗拒使的功能。而 dss 二点零,嗯,威力啊,引入了大量的通用模型和算法, 让这个功能可以应用于所有的游戏,而不需要单独你去对自己的游戏训练 a i, 这大幅度的降低了接入 dlss 功能的门槛。只不过 dlss 一点零和二点零是截然不同的实现方式, 已经支持 drss 一点零的游戏必须要对游戏进行新的 sdk 开发优化才可以接入二点零,所以还需要额外的更新才能使用。而如果是一新发布的游戏,一开始就是基于 dss 二点零开发的,那你就可以直接用上了。 dss 二点零实现的画面有多夸张呢?这里我们就放几段 nv 官方的游戏演示视频给大家看吧。 因此 diss 可以在输出画质几乎不损失的情况下,大幅度的降低显卡本身的性能消耗。 以前,如果你需要渲染一零八零 p 的画面,没有 dlss 的时候,你的显卡就需要渲染原声的一零八零 p。 而现在你只需要渲染五四零 p 的画面,然后借助 a 多针合成,就能完成输出一零八零 p 的画面, 甚至这个多针合成的一零八零 p 画面效果还能略胜原声的一零八零 p。 同理,如果你需要渲染原生四 k, 以前就是直接渲染四 k, 而现在你只需要用一零八零 p 借助 dlss 把画面多针混合到四 k, 就能完成四 k 的输出。 这种性能节约有多恐怖呢?他几乎可以让你的输出分辨率不变的情况下带来近一倍的帧数提升。所以这项技术的诞生大幅度的提高了显卡的利用率,显著的降低了显卡的性能负担。提高了帧数正好可以缓解因为光线追踪导致的增数大幅度的下降。 同时,他还几乎不会对你的游戏画面造成任何的降低,甚至由于采样率的多增,合成在部分场景还能超过原本渲染的原生分辨率。这也许就是我们所说的弯道超车吧。现在,如果你想要使用 drs s 二点零的功能,只需要使用二十显卡将温时系统升级到至少幺九零九的版本,并且将你的显卡驱动更新到目前最新。如果你的游戏本身支持 diss 二点零,你就可以直接体验到 diss 二点零带来的提升了。 相对于一点零的那些种种限制, drss 二点零可以在任何分辨率、任何视频比例以及非光锥条件下开启,手里有 rtx 二十级显卡的同学不妨赶紧试试吧! ok, 关于 dlss 一点零和二点零的工作原理与优越我们就全部介绍完毕了,感谢您的耐心观看与支持!如果你觉得这期视频对你有帮助的话,就请不要忘了关注我们,币送至三连,同时你还是用分享按钮分享给你不懂 dlss 的朋友, 也许可以帮助他们在选择显卡上少走一些弯路。我们将持续输出干货满满的软硬件知识。这里是硬件茶坛,我是佛梁卖茶人,我们下期视频再见!

这个是我见过颜值最高的计算卡,兄弟们,今天这桌英伟达特斯拉 t 四显卡是专门为深度学习、推理等场景设计的,不需要独立供电,采用十六聚频 gdpr 六现存和两千五百六十个扩大核心才两千五百六十个。 这个不是重点,它配置的天森扣才是重点哦,是一种专门用于高效执行混合精度计算的硬件加速器,全新的价格也很香,讲古人称深度学习讲讲卡。

英伟达是一家全球知名的半导体公司,其芯片在计算机图形学、人工智能、深度学习等领域拥有广泛的应用。那么,英伟达的芯片到底有多牛?本文将从技术原理、性能表现、市场应用三个方面来深度解答这个问题。一、 ai 芯片的技术原理英伟达的芯片之所以在图形处理和人工智能领域表现出色,是因为其采用了特殊的架构和技术原理。 首先,英伟达的芯片采用了并行处理的方式,即同时处理多个数据流,这非常适合处理图形和人工智能等数据密集性应用。其次,英伟达的芯片还采用了 cool 技术, 这是一种类似于 opencl 的并行计算平台,它能够让程序员用类似于编写 c 语言的方式编写并行程序,大大提高了开发效率。二、 性能表现英伟达的芯片在性能表现上也非常出色。以英伟达 rtx 系列为例,该系列采用了最新的安培架构,拥有超过六百亿个晶体管,性能表现极佳。在计算机图形学领域, 英伟达的芯片表现尤为突出。例如,英伟达 r t x 系列芯片支持实时的光线追踪和 d l s s 技术,可以在不降低画质的情况下提高渲染速度。 在影视制作领域,英伟达的芯片也得到了广泛应用,例如曼达洛人等影视作品都采用了英伟达的芯片进行实时渲染。 在人工智能领域,英伟达的芯片也表现出色。例如,英伟达 h 一百芯片的 tensor core, 可以在单个精度下执行高达一百 tensor ups 的计算,速度非常快,在自然语言处理、图像识别等领域,英伟达的芯片都得到了广 范应用。三、市场应用英伟达的芯片在市场上也取得了巨大的成功。在计算机图形学领域,英伟达的芯片占据了绝对的优势地位,被广泛应用于游戏、电影、建筑等领域。 在人工智能领域,英伟达的芯片也被广泛应用于企业、研究机构等领域。在中国,英伟达的芯片也非常受欢迎。例如, 中国的初创企业商汤科技、云从科技等都采用了英伟达的芯片进行人工智能开发。此外,英伟达的芯片还被广泛应用于自动驾驶、智能家具等领域。本文从技术原理、性能表现、市场应用三个方面深度解答了英伟达的芯片到底有多牛这个问题。 英伟达的芯片之所以表现出色,是因为其采用了特殊的架构和技术原理,拥有超过六百亿个晶体管,支持 实时的光线追踪和 dlss 技术,可以在不降低画质的情况下提高渲染速度。在人工智能领域,英伟达的芯片也被广泛应用于企业、研究机构等领域。因此可以看出,英伟达的芯片非常牛。