GPU

GPU Raycasting的两种实现方法

Raycasting的核心是从每一个屏幕像素处发射一条光纤,然后让其穿过整个体数据。基于GPU的Raycasting可以独立,并行地计算每条光线,从而能大大提高速度,实现实时绘制效果。绘制时的过程一般是绘制一个长方体,并且以体数据作为三维纹理。

根据光线的方向和终点的确定方法的不同,Raycasting有两种实现:

GPU Raycasting的两种实现方法

1,基于光线起点和相机位置。将相机位置由世界坐标通过模型视图投影矩阵反变换到长方体的局部坐标空间。每个fragment的坐标作为光线的起点,由变换后的相机位置与光线起点确定光线的方向,在沿着光线方向从起点前进时,每到达一个新的点,判断其是否在长方体内,如果不在,则结束这条光线。

什么是离屏渲染?什么情况下会触发?该如何应对?

离屏渲染就是在当前屏幕缓冲区以外,新开辟一个缓冲区进行操作。

离屏渲染出发的场景有以下:
  •   圆角 (maskToBounds并用才会触发)
  •   图层蒙版
  •   阴影
  •   光栅化

为什么要有离屏渲染?

大家高中物理应该学过显示器是如何显示图像的:需要显示的图像经过CRT电子枪以极快的速度一行一行的扫描,扫描出来就呈现了一帧画面,随后电子枪又会回到初始位置循环扫描,形成了我们看到的图片或视频。

为了让显示器的显示跟视频控制器同步,当电子枪新扫描一行的时候,准备扫描的时发送一个水平同步信号(HSync信号),显示器的刷新频率就是HSync信号产生的频率。然后CPU计算好frame等属性,将计算好的内容交给GPU去渲染,GPU渲染好之后就会放入帧缓冲区。然后视频控制器会按照HSync信号逐行读取帧缓冲区的数据,经过可能的数模转换传递给显示器,就显示出来了。具体的大家自行查找资料或询问相关专业人士,这里只参考网上资料做一个简单的描述。

教你如何挑选深度学习GPU

随着硬件的更新换代,越来越多的机器学习从业者又开始面临选择 GPU 的难题。正如我们所知,机器学习的成功与否很大程度上取决于硬件的承载能力。在今年 5 月,我在组装自己的深度学习机器时对市面上的所有 GPU 进行了评测。而在本文中,我们将更加深入地探讨:

GPU + 深度学习

深度学习(DL)是机器学习(ML)的一个分支。深度学习使用神经网络来解决问题。神经网络的优点之一是自行寻找数据(特征)模式。这和以前告诉算法需要找什么不一样。但是,通常这意味着该模型从空白状态开始(除非使用迁移学习)。为了从头捕捉数据的本质/模式,神经网络需要处理大量信息。通常有两种处理方式:使用 CPU 或 GPU。

计算机的主要计算模块是中央处理器(CPU),CPU 的设计目的是在少量数据上执行快速计算。在 CPU 上添加数倍的数字非常快,但是在大量数据上进行计算就会很慢。如,几十、几百或几千次矩阵乘法。在表象背后,深度学习多由矩阵乘法之类的操作组成。

公司领先的GPU、NNA、GPU+NNA等多种灵活的硬件设计方案和完善的软件和工具链,可为芯片设计公司带来满足应用市场需求的最佳技术与生态组合

在11月13日于深圳举办的“OFweek 2018(第三届)中国人工智能产业大会AI技术专场”上,Imagination Technologies首席技术方案工程师李安发表了题为《运用GPU+NNA 实现设备端异构计算》的精彩演进,并介绍了公司领先的图形处理器(GPU)、用于人工智能的神经网络加速器(NNA)、GPU+NNA和片上存储架构和软件。 (这里提到的片上存储架构改成“GPU+NNA等多种灵活的系统架构设计和软件。”

Imagination在过去的近30年中,一直为业界提供领先的GPU硅知识产权(IP)产品,它们被广泛地应用于移动电话、平板电脑、数字电视、汽车电子和智能安防等等应用,客户包括苹果公司和联发科技等国际企业,以及紫光展锐、瑞芯微等国内领先芯片设计公司。其GPU内核全球累计销量已经超过130亿个,为各类电子产品的创新提供了很好的支撑。

晶心科技(Andes)于11月9日在北京举行RISC-V研讨会(2018 Andes RISC-V CON),邀请来自科研机构和科技企业的多位技术专家到场,分享交流前沿技术、最新产品和产业发展情况。

Imagination受邀参与本次会议,会上Imagination中国华东区与北方区销售总监王强先生代表公司发表主题演讲。王强首先简单介绍了Imagination的PowerVR GPU、PowerVR Vision & AI和Ensigma三大IP产品系列及手机、汽车、物联网、消费性产品、视觉与人工智能、增强现实/虚拟现实六大产品应用领域,然后围绕PowerVR GPU和PowerVR Vision & AI产品的架构、性能及可为客户提供的支持等进行了重点讲解。

Imagination出席晶心科技研讨会,展示业界领先的GPU和AI技术
Imagination中国华东区与北方区销售总监王强先生发表演讲

5 种最流行的深度学习架构

连接主义体系结构已存在 70 多年,但新的架构和图形处理单元 (GPU) 将它们推到了人工智能的前沿。深度学习架构是最近 20 年内诞生的,它显著增加了神经网络可以解决的问题的数量和类型。本文将介绍 5 种最流行的深度学习架构:递归神经网络 (RNN)、长短期记忆 (LSTM)/门控递归单元 (GRU)、卷积神经网络 (CNN)、深度信念网络 (DBN) 和深度叠加网络 (DSN),然后探讨用于深度学习的开源软件选项。

深度学习不是单个方法,而是一类可用来解决广泛问题的算法和拓扑结构。深度学习显然已不是新概念,但深度分层神经网络和 GPU 的结合使用加速了它们的执行,深度学习正在突飞猛进地发展。大数据也助推了这一发展势头。因为深度学习依赖于监督学习算法(这些算法使用示例数据训练神经网络并根据成功水平给予奖惩),所以数据越多,构建这些深度学习结构的效果就越好。

深度学习与 GPU 的兴起

深度学习由不同拓扑结构的深度网络组成。神经网络已存在很长一段时间,但多层网络(每个层提供一定的功能,比如特征提取)的开发让它们变得更加实用。增加层数意味着各层之间和层内有更多相互联系和更多权值。在这里,GPU 可为深度学习带来助益,使训练和执行这些深度网络成为可能(原始处理器在这方面的效率不够高)。

Imagination在 GLOBALFOUNDRIES 2018技术大会上展示多项领先技术

11月1日,GLOBALFOUNDRIES 2018年度技术大会(GTC 2018)在上海卓美亚喜马拉雅酒店举行。GLOBALFOUNDRIES多位高管和技术专家出席会议,与参会的行业和企业嘉宾共同探讨影响半导体价值链的行业趋势,并围绕FinFET、FDX、物联网、5G 、汽车、人工智能、数据中心、边缘计算、下一代无线/光纤连接等行业热门话题进行交流。

Imagination参与了本次会议并设有展位,通过生动、直观的现场演示为与会者展现了公司在神经网络加速器(NNA)、图形处理器(GPU)、无线连接等方面的多项领先技术和解决方案。

Imagination在 GLOBALFOUNDRIES 2018技术大会上展示多项领先技术
Imagination现场演示多项领先技术

PowerVR PVRIC4™技术可为诸如数字电视,智能手机和平板电脑等内存和带宽受限的设备大幅降低成本

Imagination Technologies宣布推出突破性的PowerVR PVRIC4,这是新一代功能强大的图像压缩技术,可协助为数字电视、智能手机和平板电脑等设备开发系统级芯片(SoC)的客户降低成本,且不会出现明显的图像质量损失。PVRIC4支持随机访问视觉无损图像压缩,确保带宽和内存占用节省至少50%,并使系统能够克服性能的带宽限制。

Imagination以独立IP模块的方式为SoC制造商提供PVRIC4,以将其集成到他们的多媒体流水线(pipeline)中。该模块已经被Chips&Media等Imagination的合作伙伴采用,该公司已经采用PVRIC4来作为双方最近合作项目的一部分,为采用PowerVR GPU和WAVE5视频编解码器的系统提供最佳解决方案。

分析公司Linley Group的首席分析师Linley Gwennap表示:“Imagination的PVRIC4是GPU压缩技术的一项重大进步。对存储器带宽和芯片面积不断增长的需求是SoC制造商真正关注的问题,因此将无损压缩和视觉无损压缩相结合可同时带来成本和带宽的节省。“

GPU流水线

当GPU从CPU那里得到渲染命令后,就会进行一系列流水操作,最终把图元渲染到屏幕上。

从图中可以看出,GPU的渲染流水线接收顶点数据作为输入。这些顶点数据是由应用阶段加载到显存中,再由Draw Call指定的。这些数据随后被传递给顶点着色器。

GPU流水线

顶点着色器(Vertex Shader)是完全可编程的,它通常用于实现顶点的空间变换、顶点着色等功能。

曲面细分着色器(Tessellation Shader)是一个可选的着色器,它用于细分图元。

几何着色器(Geometry Shader)同样是一个可选的着色器,它可以被用于执行逐图元(Per-Primitive)的着色操作,或者被用于产生更多的图元。

显卡、显卡驱动、显存、GPU

显卡

Video card,Graphics card,又叫显示接口卡,是一个硬件概念(相似的还有网卡),执行计算机到显示设备的数模信号转换任务,安装在计算机的主板上,将计算机的数字信号转换成模拟信号让显示器显示出来。

显卡是计算机的标配之一,计算机要显示图像就必须安装显卡。普通计算机的显卡一般是集成在主板上的。

显卡驱动

显卡驱动是显卡跟计算机连接的桥梁,可以让计算机识别到GPU硬件,是必须正确安装的,不同厂商、不同型号的GPU对应不同的显卡驱动。

显存

又叫帧缓存,作用是用来存储GPU处理过或者即将提取的渲染数据,显存相对于GPU相当于内存对于CPU。

GPU

Graphics Processing Unit,图形处理单元,GPU是显卡上的一块芯片,也是显卡的核心设备,GPU和显卡的关系类似于CPU和主板的关系。

同步内容
--电子创新网--
粤ICP备12070055号