Annabelle Stephenson
در دنیای فناوری امروزی که همواره در حال تکامل است، مفهوم چند-GPU برای بازی‌ها، مانند SLI و CrossFire، قدیمی شده است. اما قدرت دو گرافیک (dual-GPU) همچنان در برنامه‌های دیگر قابل استفاده است، همانطور که در دموی FluidX3D نیز مشاهده می‌شود. در این دمو تحت نام ProjectPhysX، توسعه‌دهنده دکتر موریتز لهمان یک ترکیب را به نمایش گذاشت که شامل یک Intel A770 و یک Nvidia Titan Xp بود، یک سیستم که به سالگرد ب هفتمین سالگرد نزدیک می‌شود. این ترکیب ممکن است غریب به نظر برسد، اما نتایج نشان می‌دهند که دو GPU با همراهی یکدیگر یک شراکت قوی را ایجاد می‌کنند.
در دموی چند-GPU خیلی ساده و آسان شد. دکتر لهمان از Acer Predator A770 16GB و Nvidia Titan Xp استفاده کرد و هر GPU نصف شبیه‌سازی را شبیه‌سازی و رندر می‌کرد. در حالی که DX12 و Vulkan پرطرفدار‌ترین اینترفیس‌ها برای عملیات چند-GPU هستند، FluidX3D با استفاده از OpenCL اجرا می‌شود، که یک توسعه توسط گروه Khronos است، همان سازندگان Vulkan.
اگرچه داده‌های دقیق عملکرد ارائه نشده است، دکتر موریتز ادعا می‌کند که راه‌اندازی دو گرافیک 70% کارآمدتر از هر GPU به طور جداگانه بود، که به لحاظ خلاقیت A770 و Titan Xp نتایج مشابهی در FluidX3D ارائه می‌کنند. برای اجرای شبیه‌سازی یک ساعت و 13 دقیقه طول کشید، و رندرینگ در حدود 14 دقیقه طول کشید. این به این معنی است که هر کارت به طور جداگانه برای شبیه‌سازی حدود دو ساعت نیاز داشته باشد.
اگرچه این ترکیب بطن‌خنده به نظر برسد، اما توجیه عقلانی خود را داشت. همانطور که توسط توسعه‌دهنده تاکید می‌شود، ترکیب کارت‌های گرافیک بسیار قدرتمند با کمک به یکدیگر کار منطقی‌ای نیست. در مورد FluidX3D، بهتر است که کارت‌های گرافیک دارای ظرفیت و پهنای باند حافظه مشابه باشند. A770 در این مورد از حافظه 16 گیگابایت و پهنای باند 560 گیگابایت در ثانیه برخوردار است، در حالی که Titan Xp حافظه 12 گیگابایت و پهنای باند 548 گیگابایت در ثانیه را ارائه می‌کند. بنابراین، این ترکیب انتخاب منطقی‌ای است.
در طول دموی FluidX3D که نشان دهنده 70٪ افزایش عملکرد بود، سخنگویان به سرعت به این نکته اشاره کردند که DX12 و Vulkan حمایت قابل توجهی از این فناوری دارند و اتصال گرافیک به گرافیک از همیشه پایدارتر است به لطف نسخه‌های جدید PCIe که بسیار سریع هستند.
در پاسخ به این نظرات، دکتر موریتز تحلیل خود را ارائه کرد و چند مسئله مربوط به پیکربندی‌های چند-GPU در بازی‌ها را برجسته کرد. نگرانی اصلی مربوط به هزینه‌های مرتبط با توسعه راه حل‌های چند-GPU برای بازی‌ها است. در گذشته، این بار بر دوش Nvidia و AMD بود، اما با ظهور DX12 و Vulkan، مسئولیت به توسعه‌دهندگان بازی منتقل شده است. این API ها امکانات چند‌گرافیک قدرتمندی را ارائه می دهند اما نیاز به بهینه سازی دستی برای رسیدن به کارآیی عملی دارند. با این حال، توسعه دهندگان بازی از مزایای پشتیبانی از چند-GPU بهره‌برداری نمی‌کنند زیرا همیشه یک ویژگی نیش همچون PC است.
صنعت بازی‌ها به جای سرمایه‌گذاری در فناوری متعدد-GPU به سمت جهت متفاوتی هدایت شده است تا عملکرد بیشتری بدست آورد. تمرکز در حال حاضر بیشتر بر روی پیکربندی یک گرافیک است، با ساخت مدل‌های نماینده‌ای که به اندازه‌ای بزرگ شده‌اند که “شما حتی نمی‌توانید یکی از آن‌ها را در یک کیس کامپیوتر معمولی قرار دهید، برخلاف دو تا”، همانطور که دکتر موریتز می‌گوید. با در نظر گرفتن اینکه بسیاری از کارت‌های گرافیک مانند نسخه Founders Edition RTX 4090، سه شکاف را اشغال می‌کنند، به راحتی می‌توان پذیرفت. در حال حاضر، فناوری چند-GPU در مراکز داده، کامپیوترهای فوق‌العاده و سیستم‌های متمرکز بر هوش مصنوعی در حال رشد است، جایی که هزینه پیاده‌سازی به تعداد آنچه که باید باشد توجیه می‌شود.
FAQ:
۱. استفاده چه گونه از تکنولوژی چند-GPU در دموی ارائه شده صورت گرفت؟
تکنولوژی چند-GPU برای شبیه‌سازی و رندرینگ شبیه‌سازی‌ها در برنامه FluidX3D استفاده شد.
۲. چه کارت‌های گرافیک در ترکیب چند-GPU استفاده شدند؟
در دمو از کارت‌های گرافیک Acer Predator A770 16GB و Nvidia Titan Xp استفاده شد.
۳. کدام درخواست برنامه‌نویسی در آزمایش چند-GPU استفاده شد؟
دمو از API OpenCL که توسط گروه Khronos توسعه داده شده است استفاده کرد، همانگونه که Vulkan توسط همین سازندگان تهیه شده است.
۴. عملکرد تقریبی افزایش با استفاده از ترکیب چند-GPU چه بود؟
با توجه به خلق کننده دمو، استفاده از ترکیب چند-GPU ۷۰٪ کارآمدتر از هر کارت گرافیک به طور جداگانه بود.
۵. مسائل اصلی مربوط به پیکربندی‌های چند-GPU در بازی‌ها چیست؟
مسائل اصلی شامل هزینه‌های بالای مربوط به توسعه راه حل‌های چند-GPU برای بازی‌ها و عدم
The source of the article is from the blog myshopsguide.com
