A technológia haladása kérlelhetetlen, és ez sehol sem igaz, mint a grafikus hardver esetében. A kártyák minden évben lényegesen gyorsabbak lesznek, és egy teljesen új betűszó-készletet hoznak a divatos grafikus trükkökhöz. 

A PC-s játékok vizuális beállításait tekintve egy szósalátával találkozhatunk, amely olyan ízletes rögöket tartalmaz, mint az MSAA, az FXAA, az SMAA^{(MSAA, FXAA, SMAA)} és a WWJD^(WWJD) . Oké, talán nem az utolsó.

Ha Ön egy új Nvidia GeForce RTX kártya szerencsés tulajdonosa, most azt is választhatja, hogy engedélyezi a DLSS nevű programot . A Deep Learning Super Sampling rövidítése, és az ^{(Deep Learning Super Sampling)}Nvidia RTX kártyákban található következő generációs hardverfunkciók nagy része .

A cikk írásakor csak ezek a kártyák rendelkeznek a DLSS futtatásához szükséges hardverrel :

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

A szóban forgó konkrét hardvert „ Tensor^(Tensor) ” magnak nevezik , és minden modellben eltérő számú speciális processzor van.

A tenzormagokat a gépi tanulási feladatok felgyorsítására tervezték, erre a DLSS példa. Ha nem használ DLSS -t, a kártya ezen része tétlen marad. Ez azt jelenti, hogy nem használja ki a fényes új GPU teljes kapacitását, ha elérhető a DLSS , de kikapcsolva marad. 

Ennél azonban többről van szó. Ahhoz, hogy megértsük, milyen értéket hoz a DLSS az asztalra, röviden ki kell térnünk néhány kapcsolódó fogalomra.

Gyors kitérő a belső felbontásokhoz és a felskálázáshoz^{(A Quick Detour Into Internal Resolutions & Upscaling)}

A modern tévék^{(Modern TVs)} és monitorok az úgynevezett „natív” felbontással^(resolution) rendelkeznek . Ez egyszerűen azt jelenti, hogy a képernyő meghatározott számú fizikai képponttal rendelkezik. Ha a képernyőn megjelenített kép eltér a pontos natív felbontástól, akkor felfelé vagy lefelé kell „méretezni”, hogy illeszkedjen. 

Tehát, ha például HD-képet adunk ki egy 4K-s kijelzőre^{(4K display)} , az eléggé kockásnak és szaggatottnak fog kinézni. Mintha túl messzire nagyított volna egy digitális fényképet. A gyakorlatban azonban a HD-videó^{(HD video)} jól néz ki egy 4K-s tévén, ha talán kicsit kevésbé éles, mint a natív 4K-s felvétel. Ennek az az oka, hogy a TV-ben van egy „felskálázó” néven ismert hardver, amely feldolgozza és szűri az alacsonyabb felbontású képet, hogy elfogadhatónak tűnjön.

A probléma az, hogy a felskálázó hardver minősége vadul eltér a kijelzőmárkák és modellek között. Ezért a GPU - ^(Which)k^(GPUs) gyakran saját skálázási technológiájukkal rendelkeznek.

A 4K-s megjelenítésre tervezett „pro” konzolok natív 4K-s képet jelenítenek meg, így egyáltalán nem történik képernyőfelskálázás. Ez azt jelenti, hogy a játékok fejlesztői teljes mértékben irányíthatják a végső képminőséget. 

A legtöbb konzoljáték azonban nem natív 4K felbontással jelenít meg. Alacsonyabb „belső” felbontásuk van, ami kevésbé terheli a GPU -t . Ezt a képet ezután a konzol belső méretezési technológiája segítségével felnagyítják, hogy a lehető legjobban nézzenek ki a nagy felbontású képernyőn.

Valójában a DLSS egy kifinomult módszer, amely a PC-játékokat a natív felbontásnál kisebb felbontásban jeleníti meg, majd a DLSS technológiát használja a csatlakoztatott kijelzőhöz való felskálázásához. Elméletileg ez a teljesítmény jelentős növekedéséhez vezet. 

Bár ez nagyon úgy hangzik, mint ami a 4K-konzolokon történik, a motorháztető alatti DLSS valóban valami különleges. Mindez a „mély tanulásnak” köszönhető.

Miről szól a „mély tanulás”?^{(What’s The “Deep Learning” Bit About?)}

A mélytanulás egy gépi tanulási technika, amely szimulált neurális hálót használ. Más szóval, digitális közelítés arról, hogyan tanulnak az agy neuronjai, és hogyan hoznak létre megoldásokat összetett problémákra.

Ez az a technológia, amely többek között lehetővé teszi a számítógépek számára az arcok felismerését, és lehetővé teszi a robotok számára, hogy megértsék és eligazodjanak a körülöttük lévő világban. Ez is felelős a közelmúltban előforduló mélyhamisításokért^(deepfakes) . Ez a DLSS titkos szósza. 

A neurális hálózatok „képzést” igényelnek, ami alapvetően a netes példákat mutatja meg, hogy valaminek milyennek kell lennie. Ha meg akarja tanítani a netet egy arc felismerésére, akkor milliónyi arcot mutasson meg neki, és hagyja, hogy megtanulja azokat a jellemzőket és mintákat, amelyek egy tipikus arcot alkotnak. Ha megfelelően megtanulja a leckét, akkor bármilyen arcképet megjeleníthet neki, és azonnal kiválogatja.

Az Nvidia az volt, hogy a mélytanuló szoftverét hihetetlenül nagy felbontású képekre oktassa a ^(Nvidia)DLSS -t támogató játékokból . A neurális hálózat megtanulja, hogyan „kell” kinéznie a játéknak, ha szuperszámítógép-szintű grafikus teljesítményt használ.

Ezután veszi azt a kisebb belső felbontású keretet, és jobb híján „elképzeli”, hogy nézett volna ki, ha egy nálad sokkal-sokkal erősebb számítógép rendereli a jelenetet. Ha ez egy kicsit fekete mágiának tűnik, akkor nem vagy egyedül!

Mikor használjuk a DLSS-t^{(When To Use DLSS)}

Először is, a ^(First)DLSS - t csak az azt támogató játékokban használhatja, ami szerencsére gyorsan bővül. Minden címnek megvannak a maga DLSS -re vonatkozó követelményei is , mint például a minimális felbontású renderelés, mert erre képezték ki a neurális hálót.

Az Nvidia^(Nvidia) nagy agya azonban nem hagyja abba a tanulást, és a kártya DLSS funkciója folyamatosan frissítéseket kap, így bővül a címenkénti támogatás és a minőség.

A legjobb módja annak, hogy eldöntse, érdemes-e DLSS^(DLSS) - t használni a játékokban, ha szemügyre veszi az eredményt. Hasonlítsa össze a hagyományos felskálázással vagy élsimítással, hogy megtudja, melyik a kellemesebb. A teljesítmény szintén fontos döntő tényező. Ha 60 képkocka/másodperc sebességet céloz meg, de nem ér oda, a DLSS jó választás.

Ha azonban magas képkockasebességet ér el, a DLSS valójában lelassíthatja a dolgokat. Ennek az az oka, hogy a tenzormagoknak meghatározott időre van szükségük az egyes keretek feldolgozásához. Jelenleg nem tudják elég gyorsan megtenni a nagy képkockasebességű lejátszáshoz.

Lényegében a DLSS akkor a leghasznosabb, ha nagy felbontású (pl. 4K, ultraszéles vagy 1440p felbontású) kijelzőt használunk, a cél képkockasebesség körülbelül 60 képkocka/másodperc. Hihetetlenül hasznos az RTX kártyák másik fő trükkje – a sugárkövetés – aktiválásakor is. A DLSS^(DLSS) elég jól ellensúlyozza a sugárkövetés teljesítményveszteségét, olykor látványos végeredménnyel.

Ez a legkevesebb, amit tudnia kell, mielőtt eldönti, hogy a DLSS -t választja-e vagy sem. Ne feledje^(Just) , hogy ez a technológia gyorsan változik, ezért ha ma nem tetszenek az eredmények, térjen vissza néhány hónap múlva, és lehet, hogy végre elájul.

What Is DLSS and Should You Use It In Games

The march of technology is inexorable and nowhere іs this mоre true than with graрhics hardware. Every year cardѕ get signifiсantly fastеr and bring а whole new set of аcronyms for fancy graphical 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

• A GBoost használatával növelheti a játék teljesítményét Windows 10 PC-n

• Töltse le a Tencent Gaming Buddy PUBG Mobile emulátort PC-re

• A virtualizáció engedélyezése az MSI Gaming Plus Max B450-ben

• Hogyan optimalizáljuk a Windows számítógépet online játékokhoz

• A 6 legjobb, most ingyenesen játszható nyilvános domain videojáték

• Lehet PS3 játékokat játszani PS4-en?

• A 10 legjobb erőszakmentes videojáték PC-re, Xboxra, PlayStationre

• A jelenleg játszható legjobb ingyenes PS4-játékok

• A 10 legjobb ingyenes VR-játék, amellyel most játszhat

• 8 alternatíva a Steam helyett PC-játékok online vásárlásához

• 8 legjobb 2D-s játék Windowshoz

• A 10 legjobb Nintendo Switch retro játék

• A 7 legjobb Halloween videojáték egy kísérteties éjszakára

• Hangulatos játékok Nintendo Switchen

• A legjobb SNES emulátorok online játékokhoz

• A legjobb oldalak ingyenes számítógépes játékok letöltéséhez

• 3 Discord játék játék- és animerajongóknak

• A 10 legjobb YouTube-csatorna retro számítógépes játékokhoz

• Hogyan változtassuk meg a Riot Games felhasználónevét és címkesorát

• Útmutató az Angry Birds játékokhoz: melyek a legjobbak?