វិធីសាស្ត្រកំណត់អត្តសញ្ញាណប្រព័ន្ធអ្នកប្រើប្រាស់ដោយផ្អែកលើព័ត៌មាន GPU

អ្នកស្រាវជ្រាវមកពីសាកលវិទ្យាល័យ Ben-Gurion (អ៊ីស្រាអែល) សាកលវិទ្យាល័យ Lille (ប្រទេសបារាំង) និងសាកលវិទ្យាល័យ Adelaide (អូស្ត្រាលី) បានបង្កើតបច្ចេកទេសថ្មីមួយសម្រាប់កំណត់អត្តសញ្ញាណឧបករណ៍របស់អ្នកប្រើប្រាស់ដោយរកឃើញប៉ារ៉ាម៉ែត្រប្រតិបត្តិការ GPU នៅក្នុងកម្មវិធីរុករកតាមអ៊ីនធឺណិត។ វិធីសាស្ត្រនេះត្រូវបានគេហៅថា "Drawn Apart" ហើយផ្អែកលើការប្រើប្រាស់ WebGL ដើម្បីទទួលបានទម្រង់ដំណើរការ GPU ដែលអាចធ្វើអោយប្រសើរឡើងយ៉ាងខ្លាំងនូវភាពត្រឹមត្រូវនៃវិធីសាស្រ្តតាមដានអកម្ម ដែលដំណើរការដោយមិនចាំបាច់ប្រើខូគី និងដោយមិនរក្សាទុកឧបករណ៍កំណត់អត្តសញ្ញាណនៅលើប្រព័ន្ធរបស់អ្នកប្រើប្រាស់។

វិធីសាស្រ្តដែលគិតគូរពីលក្ខណៈពិសេសនៃការបង្ហាញ GPU ក្រាហ្វិចជង់ និងកម្មវិធីបញ្ជានៅពេលកំណត់អត្តសញ្ញាណត្រូវបានប្រើប្រាស់ពីមុន ប៉ុន្តែពួកវាត្រូវបានកំណត់ចំពោះសមត្ថភាពបំបែកឧបករណ៍នៅកម្រិតនៃម៉ូដែលផ្សេងគ្នានៃកាតវីដេអូ និង GPU ពោលគឺឧ។ អាចត្រូវបានប្រើជាកត្តាបន្ថែមដើម្បីបង្កើនលទ្ធភាពនៃការកំណត់អត្តសញ្ញាណ។ លក្ខណៈសំខាន់នៃវិធីសាស្ត្រ "Drawn Apart" ថ្មីគឺថាវាមិនកំណត់ខ្លួនវាក្នុងការបំបែកម៉ូដែល GPU ផ្សេងគ្នានោះទេ ប៉ុន្តែព្យាយាមកំណត់ភាពខុសគ្នារវាង GPU ដូចគ្នាបេះបិទនៃម៉ូដែលដូចគ្នា ដោយសារភាពខុសប្រក្រតីនៃដំណើរការផលិតបន្ទះសៀគ្វីដែលត្រូវបានរចនាឡើងសម្រាប់ស្របគ្នាច្រើន។ កុំព្យូទ័រ។ វាត្រូវបានកត់សម្គាល់ថាការប្រែប្រួលដែលកើតឡើងក្នុងអំឡុងពេលដំណើរការផលិតធ្វើឱ្យវាអាចបង្កើតចំណាប់អារម្មណ៍ដែលមិនកើតឡើងដដែលៗសម្រាប់ម៉ូដែលឧបករណ៍ដូចគ្នា។

វាបានប្រែក្លាយថាភាពខុសគ្នាទាំងនេះអាចត្រូវបានកំណត់អត្តសញ្ញាណដោយរាប់ចំនួននៃអង្គភាពប្រតិបត្តិ និងការវិភាគដំណើរការរបស់ពួកគេនៅក្នុង GPU ។ ការត្រួតពិនិត្យដោយផ្អែកលើសំណុំនៃអនុគមន៍ត្រីកោណមាត្រ ប្រតិបត្តិការឡូជីខល និងការគណនាចំណុចអណ្តែតត្រូវបានប្រើជាបុព្វបទដើម្បីកំណត់ម៉ូដែល GPU ផ្សេងៗគ្នា។ ដើម្បីកំណត់អត្តសញ្ញាណភាពខុសគ្នានៅក្នុង GPUs ដូចគ្នា ចំនួននៃខ្សែស្រឡាយដំណាលគ្នានៅពេលដំណើរការ vertex shaders ត្រូវបានប៉ាន់ស្មាន។ វាត្រូវបានសន្មត់ថាឥទ្ធិពលដែលបានរកឃើញគឺបណ្តាលមកពីភាពខុសគ្នានៃលក្ខខណ្ឌសីតុណ្ហភាព និងការប្រើប្រាស់ថាមពលនៃបន្ទះឈីបផ្សេងៗគ្នា (កាលពីមុន ឥទ្ធិពលស្រដៀងគ្នាត្រូវបានបង្ហាញសម្រាប់ស៊ីភីយូ - ដំណើរការដូចគ្នាបេះបិទបង្ហាញពីការប្រើប្រាស់ថាមពលខុសៗគ្នានៅពេលប្រតិបត្តិកូដដូចគ្នា)។

ដោយសារតែប្រតិបត្តិការតាមរយៈ WebGL ត្រូវបានអនុវត្តដោយអសមកាល JavaScript API performance.now() មិនអាចប្រើដោយផ្ទាល់ដើម្បីវាស់ពេលវេលាប្រតិបត្តិរបស់ពួកគេបានទេ ដូច្នេះល្បិចបីត្រូវបានស្នើឡើងដើម្បីវាស់ពេលវេលា៖

• នៅលើអេក្រង់ — កំពុងបង្ហាញឈុតក្នុងផ្ទាំងក្រណាត់ HTML វាស់ពេលវេលាឆ្លើយតបនៃមុខងារហៅត្រឡប់មកវិញ កំណត់តាមរយៈ Window.requestAnimationFrame API ហើយបានហៅបន្ទាប់ពីការបង្ហាញត្រូវបានបញ្ចប់។
• offscreen - ដោយប្រើអ្នកធ្វើការនិងបង្ហាញឈុតទៅជាវត្ថុ OffscreenCanvas ដោយវាស់ពេលវេលាប្រតិបត្តិនៃពាក្យបញ្ជា convertToBlob ។
• GPU - គូរទៅវត្ថុ OffscreenCanvas ប៉ុន្តែប្រើកម្មវិធីកំណត់ម៉ោងដែលផ្តល់ដោយ WebGL ដើម្បីវាស់ពេលវេលាដែលគិតដល់រយៈពេលនៃសំណុំនៃពាក្យបញ្ជានៅខាង GPU ។

ក្នុងអំឡុងពេលដំណើរការបង្កើតលេខសម្គាល់ ការធ្វើតេស្តចំនួន 50 ត្រូវបានអនុវត្តនៅលើឧបករណ៍នីមួយៗ ដែលនីមួយៗគ្របដណ្តប់ការវាស់វែង 176 នៃលក្ខណៈ 16 ផ្សេងៗគ្នា។ ការពិសោធន៍ដែលបានប្រមូលព័ត៌មាននៅលើឧបករណ៍ 2500 ជាមួយនឹង 1605 GPUs ផ្សេងគ្នាបានបង្ហាញពីការកើនឡើង 67% នៅក្នុងប្រសិទ្ធភាពនៃវិធីសាស្ត្រកំណត់អត្តសញ្ញាណរួមបញ្ចូលគ្នានៅពេលបន្ថែមការគាំទ្រ Drawn Apart ។ ជាពិសេស វិធីសាស្ត្រ FP-STALKER រួមបញ្ចូលគ្នាបានផ្តល់នូវការកំណត់អត្តសញ្ញាណក្នុងរយៈពេល 17.5 ថ្ងៃជាមធ្យម ហើយនៅពេលរួមបញ្ចូលជាមួយ Drawn Apart រយៈពេលកំណត់អត្តសញ្ញាណបានកើនឡើងដល់ 28 ថ្ងៃ។

• ភាពត្រឹមត្រូវនៃការបំបែកនៃប្រព័ន្ធ 10 ជាមួយនឹងបន្ទះឈីប Intel i5-3470 (GEN 3 Ivy Bridge) និង Intel HD Graphics 2500 GPU ក្នុងការធ្វើតេស្តលើអេក្រង់គឺ 93% ហើយនៅក្នុងការធ្វើតេស្តក្រៅអេក្រង់វាមាន 36.3% ។
• សម្រាប់ប្រព័ន្ធ Intel i10-5 ចំនួន 10500 (GEN 10 Comet Lake) ដែលមានកាតវីដេអូ NVIDIA GTX1650 ភាពត្រឹមត្រូវគឺ 70% និង 95.8%។
• សម្រាប់ប្រព័ន្ធ Intel i15-5 ចំនួន 8500 (GEN 8 Coffee Lake) ដែលមាន Intel UHD Graphics 630 GPU - 42% និង 55% ។
• សម្រាប់ប្រព័ន្ធ Intel i23-5 (GEN 4590 Haswell) ចំនួន 4 ដែលមាន Intel HD Graphics 4600 GPU – 32.7% និង 63.7% ។
• សម្រាប់ស្មាតហ្វូន Samsung Galaxy S20/S20 Ultra ចំនួនប្រាំមួយជាមួយនឹង Mali-G77 MP11 GPU ភាពត្រឹមត្រូវនៃការកំណត់អត្តសញ្ញាណនៅក្នុងការធ្វើតេស្តលើអេក្រង់គឺ 92.7% ហើយសម្រាប់ស្មាតហ្វូន Samsung Galaxy S9/S9+ ដែលមាន Mali-G72 MP18 វាមាន 54.3% ។

វាត្រូវបានកត់សម្គាល់ថាភាពត្រឹមត្រូវត្រូវបានប៉ះពាល់ដោយសីតុណ្ហភាពរបស់ GPU ហើយសម្រាប់ឧបករណ៍មួយចំនួន ការចាប់ផ្ដើមប្រព័ន្ធឡើងវិញបាននាំឱ្យមានការបង្ខូចទ្រង់ទ្រាយនៃការកំណត់អត្តសញ្ញាណ។ នៅពេលប្រើវិធីសាស្រ្តរួមផ្សំជាមួយវិធីសាស្ត្រកំណត់អត្តសញ្ញាណដោយប្រយោលផ្សេងទៀត ភាពត្រឹមត្រូវអាចកើនឡើងយ៉ាងខ្លាំង។ ពួកគេក៏មានគម្រោងបង្កើនភាពត្រឹមត្រូវតាមរយៈការប្រើប្រាស់ compute shaders បន្ទាប់ពីស្ថេរភាពនៃ WebGPU API ថ្មី។

Intel, ARM, Google, Khronos, Mozilla និង Brave ត្រូវបានជូនដំណឹងអំពីបញ្ហាត្រឡប់មកវិញក្នុងឆ្នាំ 2020 ប៉ុន្តែព័ត៌មានលម្អិតនៃវិធីសាស្ត្រគឺទើបតែត្រូវបានបង្ហាញនៅពេលនេះប៉ុណ្ណោះ។ អ្នកស្រាវជ្រាវក៏បានបោះពុម្ពឧទាហរណ៍ការងារដែលសរសេរក្នុង JavaScript និង GLSL ដែលអាចធ្វើការជាមួយ និងដោយមិនបង្ហាញព័ត៌មាននៅលើអេក្រង់។ ដូចគ្នានេះផងដែរសម្រាប់ប្រព័ន្ធដែលមានមូលដ្ឋានលើ GPU Intel GEN 3/4/8/10 សំណុំទិន្នន័យត្រូវបានបោះពុម្ពផ្សាយសម្រាប់ចាត់ថ្នាក់ព័ត៌មានដែលបានស្រង់ចេញនៅក្នុងប្រព័ន្ធរៀនម៉ាស៊ីន។

ប្រភព: opennet.ru