Бен-Гурион Их Сургууль (Израиль), Лиллийн Их Сургууль (Франц), Аделаидагийн Их Сургуулийн (Австрали) судлаачид вэб хөтчөөс GPU үйлдлийн параметрүүдийг илрүүлэх замаар хэрэглэгчийн төхөөрөмжийг таних шинэ техник боловсруулжээ. Энэ аргыг "Drawn Apart" гэж нэрлэдэг бөгөөд GPU-ийн гүйцэтгэлийн профайлыг олж авахын тулд WebGL ашиглахад суурилдаг бөгөөд энэ нь күүки ашиглахгүйгээр, хэрэглэгчийн систем дээр танигч хадгалахгүйгээр ажилладаг идэвхгүй хяналтын аргуудын нарийвчлалыг мэдэгдэхүйц сайжруулж чадна.
Тодорхойлохдоо дүрслэх, GPU, график стек, драйверуудын онцлогийг харгалзан үздэг аргуудыг өмнө нь ашигладаг байсан боловч тэдгээр нь зөвхөн видео карт болон GPU-ийн өөр өөр загваруудын түвшинд төхөөрөмжүүдийг салгах чадвараар хязгаарлагддаг байсан. зөвхөн таних магадлалыг нэмэгдүүлэх нэмэлт хүчин зүйл болгон ашиглаж болно. Шинэ "Drawn Apart" аргын гол онцлог нь энэ нь өөр өөр GPU загваруудыг тусгаарлахаар хязгаарлагдахгүй, харин их хэмжээгээр параллель хийх зориулалттай чип үйлдвэрлэх үйл явцын янз бүрийн байдлаас шалтгаалан ижил загварын ижил GPU-ийн ялгааг тодорхойлохыг оролддог явдал юм. тооцоолох. Үйлдвэрлэлийн явцад гарч буй өөрчлөлтүүд нь ижил төхөөрөмжийн загварт дахин давтагдахгүй цутгамал үүсгэх боломжтой болохыг тэмдэглэжээ.
Эдгээр ялгааг гүйцэтгэх нэгжийн тоог тоолж, GPU дахь гүйцэтгэлд дүн шинжилгээ хийх замаар тодорхойлох боломжтой болсон. Тригонометрийн функц, логик үйлдлүүд болон хөвөгч цэгийн тооцоололд суурилсан шалгалтыг өөр өөр GPU загваруудыг тодорхойлохын тулд анхдагч байдлаар ашигласан. Ижил GPU-нуудын ялгааг тодорхойлохын тулд оройн шэйдерүүдийг гүйцэтгэх үед нэгэн зэрэг гүйцэтгэх хэлхээний тоог тооцоолсон. Илрүүлсэн нөлөө нь температурын нөхцөл, янз бүрийн чипүүдийн эрчим хүчний зарцуулалтын зөрүүгээс үүдэлтэй гэж үздэг (өмнө нь ижил төстэй үр нөлөө нь CPU-ийн хувьд харагдаж байсан - ижил процессорууд ижил кодыг гүйцэтгэх үед өөр өөр эрчим хүчний зарцуулалтыг харуулсан).
WebGL-ээр дамжуулан үйлдлүүд синхрон бусаар хийгддэг тул JavaScript API performance.now()-г тэдгээрийн гүйцэтгэлийн хугацааг хэмжихэд шууд ашиглах боломжгүй тул цагийг хэмжих гурван аргыг санал болгосон:
- дэлгэцэн дээр — үзэгдлийг HTML зурагт дүрслэх, Window.requestAnimationFrame API-ээр дамжуулан тохируулж, дүрслэл дууссаны дараа дуудагдсан дуудлагын функцийн хариу өгөх хугацааг хэмжих.
- offscreen - ажилчийг ашиглан дүр зургийг OffscreenCanvas объект болгон дүрсэлж, convertToBlob командын гүйцэтгэлийн хугацааг хэмжих.
- GPU - OffscreenCanvas объект руу зурах боловч WebGL-ээр хангасан таймерыг ашиглан GPU талд байгаа командын багцын үргэлжлэх хугацааг харгалзан цагийг хэмжинэ.
ID үүсгэх явцад төхөөрөмж тус бүр дээр 50 өөр шинж чанартай 176 хэмжилтийг хамарсан 16 туршилтыг хийдэг. 2500 өөр GPU бүхий 1605 төхөөрөмж дээр мэдээлэл цуглуулсан туршилт нь Drawn Apart дэмжлэгийг нэмснээр таних хосолсон аргуудын үр ашиг 67%-иар нэмэгдсэн байна. Тодруулбал, хосолсон FP-STALKER аргыг дунджаар 17.5 хоногийн дотор таних боломжтой байсан бол Drawn Apart-тай хослуулан таних хугацаа 28 хоног болж нэмэгджээ.
- Intel i10-5 чип (GEN 3470 Ivy Bridge) болон Intel HD Graphics 3 GPU бүхий 2500 системийг дэлгэцэн дээрх тестээр салгах нарийвчлал 93%, дэлгэцээс гадуурх тестэд 36.3% байв.
- NVIDIA GTX10 видео карттай 5 Intel i10500-10 системийн (GEN 1650 Comet Lake) хувьд нарийвчлал нь 70% ба 95.8% байв.
- Intel UHD Graphics 15 GPU бүхий 5 Intel i8500-8 системд (GEN 630 Кофе нуур) - 42% ба 55%.
- Intel HD Graphics 23 GPU бүхий 5 Intel i4590-4 (GEN 4600 Haswell) системийн хувьд – 32.7% ба 63.7%.
- Mali-G20 MP20 GPU бүхий зургаан Samsung Galaxy S77/S11 Ultra ухаалаг гар утасны хувьд дэлгэц дээрх тестийн нарийвчлал 92.7%, Mali-G9 MP9-тай Samsung Galaxy S72/S18+ ухаалаг гар утасны хувьд 54.3% байна.
Нарийвчлал нь GPU-ийн температураас шалтгаалсан бөгөөд зарим төхөөрөмжүүдийн хувьд системийг дахин ачаалах нь танигчийг гажуудуулахад хүргэсэн гэж тэмдэглэжээ. Энэ аргыг бусад шууд бус таних аргуудтай хослуулан хэрэглэх үед нарийвчлалыг мэдэгдэхүйц нэмэгдүүлэх боломжтой. Тэд мөн шинэ WebGPU API-г тогтворжуулсны дараа тооцоолох шэйдер ашиглах замаар нарийвчлалыг нэмэгдүүлэхээр төлөвлөж байна.
Асуудлын талаар Intel, ARM, Google, Khronos, Mozilla, Brave компаниуд 2020 онд мэдэгдсэн боловч аргын дэлгэрэнгүй мэдээлэл одоо л ил болж байна. Судлаачид дэлгэцэн дээр мэдээлэл харуулахгүйгээр ажиллах боломжтой JavaScript болон GLSL дээр бичигдсэн ажлын жишээнүүдийг нийтэлсэн. Мөн GPU Intel GEN 3/4/8/10 дээр суурилсан системүүдийн хувьд машин сургалтын системд олборлосон мэдээллийг ангилах өгөгдлийн багцыг нийтэлсэн.
Эх сурвалж: opennet.ru