د بین ګوریون پوهنتون (اسرائیل) ، د لیل پوهنتون (فرانسې) او د اډیلیډ پوهنتون (آسټرالیا) څیړونکو په ویب براوزر کې د GPU عملیاتي پیرامیټونو په موندلو سره د کارونکي وسیلو پیژندلو لپاره نوی تخنیک رامینځته کړی. میتود د "ډران اپارټ" په نوم یادیږي او د GPU فعالیت پروفایل ترلاسه کولو لپاره د WebGL کارولو پراساس دی ، کوم چې کولی شي د پام وړ د غیر فعال تعقیب میتودونو دقت ته وده ورکړي چې د کوکیز کارولو پرته او د کارونکي سیسټم کې د پیژندونکي ذخیره کولو پرته کار کوي.
هغه میتودونه چې د پیژندلو پرمهال د رینډینګ ځانګړتیاوې په پام کې نیسي ، GPU ، ګرافیک سټیک او ډرایورونه دمخه کارول شوي و ، مګر دوی یوازې د ویډیو کارتونو او GPUs مختلف ماډلونو په کچه د وسیلو جلا کولو وړتیا پورې محدود وو ، د بیلګې په توګه. یوازې د یو اضافي فکتور په توګه کارول کیدی شي ترڅو د پیژندلو احتمال زیات کړي. د نوي "ډران اپارټ" میتود کلیدي ځانګړتیا دا ده چې دا ځان د مختلف GPU ماډلونو جلا کولو پورې محدود نه کوي ، مګر هڅه کوي د ورته ماډل د ورته GPUs ترمینځ توپیرونه وپیژني د چپس تولید پروسې د توپیر له امله چې په پراخه کچه موازي لپاره ډیزاین شوي. کمپیوټینګ د یادونې وړ ده چې هغه تغیرات چې د تولید پروسې په جریان کې رامینځته کیږي د ورته وسیلې ماډلونو لپاره د نه تکرار شوي کاسټونو رامینځته کول امکان لري.
دا معلومه شوه چې دا توپیرونه د اعدام واحدونو شمیرلو او په GPU کې د دوی فعالیت تحلیل کولو سره پیژندل کیدی شي. چکونه د مثلثي دندو د یوې سیټ پراساس، منطقي عملیات او د فلوټینګ پوائنټ محاسبې د مختلف GPU ماډلونو پیژندلو لپاره د لومړني په توګه کارول شوي. په ورته GPUs کې د توپیرونو پیژندلو لپاره ، د عمودی سیډرونو اجرا کولو پرمهال په ورته وخت کې د اجرا کونکو تارونو شمیر اټکل شوی و. داسې انګیرل کیږي چې کشف شوی تاثیر د تودوخې شرایطو کې د توپیرونو او د چپس مختلف مثالونو د بریښنا مصرف له امله رامینځته شوی (پخوا د CPUs لپاره ورته اغیزه ښودل شوې وه - ورته پروسس کونکو د ورته کوډ پلي کولو پرمهال د بریښنا مختلف مصرف ښودلی).
ځکه چې د WebGL له لارې عملیات په غیر متناسب ډول ترسره کیږي، JavaScript API performance.now() نشي کولی په مستقیم ډول د دوی د اجرا کولو وخت اندازه کړي، نو د وخت اندازه کولو لپاره درې چلونه وړاندیز شوي:
- په پرده - په HTML کینوس کې د صحنې وړاندې کول، د کال بیک فنکشن د غبرګون وخت اندازه کول، د Window.requestAnimationFrame API له لارې ټاکل شوي او د رینډینګ بشپړیدو وروسته ویل کیږي.
- آف سکرین - د کارګر په کارولو سره او صحنه د آف سکرین کینوس څیز ته وړاندې کول، د کنورټ ټو بلب کمانډ د اجرا کولو وخت اندازه کول.
- GPU - د آف سکرین کینوس څیز ته رسم کړئ ، مګر د وخت اندازه کولو لپاره د WebGL لخوا چمتو شوي ټایمر وکاروئ کوم چې د GPU اړخ کې د کمانډونو سیټ موده په پام کې نیسي.
د ID رامینځته کولو پروسې په جریان کې ، په هر وسیله کې 50 ازموینې ترسره کیږي ، هر یو د 176 مختلف ځانګړتیاو 16 اندازه پوښي. یوه تجربه چې د 2500 مختلف GPUs سره په 1605 وسیلو کې معلومات راټول کړي د Drawn Apart ملاتړ اضافه کولو پرمهال د ګډ پیژندنې میتودونو موثریت کې 67٪ زیاتوالی ښیې. په ځانګړې توګه، د FP-STALKER ګډ میتود په اوسط ډول په 17.5 ورځو کې پیژندنه چمتو کړې، او کله چې د Drawn Apart سره یوځای شي، د پیژندنې موده 28 ورځو ته لوړه شوه.
- د Intel i10-5 چپس (GEN 3470 Ivy Bridge) او Intel HD Graphics 3 GPU سره د 2500 سیسټمونو جلا کولو دقت په آن سکرین ازموینه کې 93٪ و، او د آف سکرین ازموینه کې دا 36.3٪ وه.
- د 10 Intel i5-10500 سیسټمونو لپاره (GEN 10 Comet Lake) د NVIDIA GTX1650 ویډیو کارت سره، دقت 70٪ او 95.8٪ و.
- د 15 Intel i5-8500 سیسټمونو لپاره (GEN 8 Coffee Lake) د Intel UHD ګرافیک 630 GPU سره - 42٪ او 55٪.
- د 23 Intel i5-4590 (GEN 4 Haswell) سیسټمونو لپاره د Intel HD ګرافیک 4600 GPU سره - 32.7٪ او 63.7٪.
- د شپږو سامسنګ ګیلیکسي S20/S20 الټرا سمارټ فونونو لپاره د Mali-G77 MP11 GPU سره، د سکرین په ازموینه کې د پیژندنې دقت 92.7٪ و، او د سامسنګ ګلیکسي S9/S9+ سمارټ فونونو لپاره د Mali-G72 MP18 سره دا 54.3٪ و.
د یادونې وړ ده چې دقت د GPU د تودوخې لخوا اغیزمن شوی و، او د ځینو وسیلو لپاره، د سیسټم ریبوټ کول د پیژندونکي د تحریف لامل شوی. کله چې د نورو غیر مستقیم پیژندنې میتودونو سره په ترکیب کې میتود کارول ، دقت د پام وړ لوړ کیدی شي. دوی همدارنګه پالن لري چې د نوي WebGPU API ثبات وروسته د کمپیوټر سیډرونو کارولو له لارې دقت زیات کړي.
Intel، ARM، Google، Khronos، Mozilla او Brave په 2020 کې د ستونزې څخه خبر شوي، مګر د میتود توضیحات یوازې اوس ښکاره شوي. څیړونکو په جاواسکریپټ او GLSL کې لیکل شوي کاري مثالونه هم خپاره کړل چې کولی شي په سکرین کې د معلوماتو ښودلو سره او پرته کار وکړي. همدارنګه، د GPU Intel GEN 3/4/8/10 پر بنسټ د سیسټمونو لپاره، د ماشین زده کړې سیسټمونو کې د استخراج شوي معلوماتو طبقه بندي کولو لپاره د معلوماتو سیټونه خپاره شوي.
سرچینه: opennet.ru