Ideen om denne korte materialrefleksjonen ble født fra et merkelig faktum. I ferd med å optimalisere Premiere Pro og After Effects, og allerede etter at jeg dro ASUS TUF GeForce RTX 3090 24GB (anmeldelsen ble gjort av min kollega Denys Zaichenko her) Jeg lærte at med den siste oppdateringen forsvant muligheten til å optimalisere programmet for flerkjerneprosessorer - for å distribuere gjengivelse mellom CPU-tråder.
Dette ble forklart med at Adobe sakte men sikkert beveger seg fra CPU-optimalisering til GPU-optimalisering. Dette, om noe, kalles en GPGPU, eller General Purpose GPU. Og det kan være store problemer med optimalisering for denne saken, selv om du har Intel Xe Graphics ASUS RTX 3090 24GB!
Grunnleggende om GPGPU
Det ser ut til at det ikke burde være noen problemer - fordi GPU i den moderne versjonen består av den såkalte strømprosessorer. I NVIDIA de kalles for eksempel CUDA-kjerner. Og disse prosessorene fungerer på samme prinsipp som kjernene til en vanlig CPU.
Forskjellen i kraft. CPU-kjerner har betydelig datakraft, men et lite antall, selv med tanke på multithreading. Og GPU-kjernene, selv om de er små i kraft, er i stand til å utføre en bestemt oppgave. Og samtidig er det hundrevis av ganger flere av dem. Om ikke tusenvis.
Videomateriale om GPGPU
Vil du ikke lese? Se videoen:
Maskinvareakselerasjon
Og, la oss si, i Premiere Pro tar behandling av Lumetri-effekter på prosessoren – og dessuten enkel H264-koding-dekoding – en vill slump av tid. Og dette er normalt, forskjellige oppgaver for forskjellige jern utføres med forskjellig effektivitet. Faktisk gjør selv en liten maskinvare-videobehandlingsakselerator i iGPU-en virkelige mirakler, og endrer gjengivelseshastigheten noen ganger mange ganger!
Og i lys av den økende kraften til GPU - si, i ASUS TUF RTX 3090 har hele 24 gigabyte videominne og mer enn ti tusen CUDA-kjerner – det er ganske logisk at applikasjoner er optimalisert for slikt arbeid.
Under titusenvis av små arbeidere som parallelliserer arbeid, fjerner belastningen fra CPU. Men spørsmålet. Tar skjermkortet for mye? Jeg la merke til at når du gjengir tunge effekter, overganger og ganske enkelt endret bildet med flere midler, begynte datamaskinen å bremse ned.
Minnet til skjermkortet var tilstoppet til null, prosessoren deltok nesten ikke i gjengivelsen... så vel som RAM. Og nyansen er at jeg har 128 GB RAM.
Og, for eksempel, i Premiere Pro er halvparten av RAM-minnet inaktivt, prosessoren er halvparten okkupert, dekoder-koderen er helt avslappet, men VRAM-en sitter fast og ytelsen er nesten null.
Felles arbeid
Det verste skjer når du gjengir et prosjekt med blandede stykker - koblede komposisjoner av After Effects, for eksempel. Det er der videominnet går til null nesten umiddelbart, uten forvarsel. Og for å øke gjengivelseshastigheten, er det nødvendig å lukke alle applikasjoner som spiser VRAM. Som den samme Premiere Pro og After Effects! Og la, si, bare Media Encoder.
OG! Et viktig fokus er ikke tatt i betraktning. La oss si at After Effects også spiser RAM, og for begge kinn. MEN! Han vet hvordan han skal tømme cachen! Frigjør minne for andre applikasjoner. Men ingen programmer fungerer slik med videominne! Minnet er enten blokkert eller frigjort etter at prosjektet er avsluttet.
Og ja, VRAM er definitivt raskere enn DRAM, og noen ganger mye. Men i anmeldelsene av Transcend, og ikke bare jeg gjentok - for arbeidsoppgaver er mye tregt minne bedre enn et bitte lite stykke superraskt minne.
Hvis programmet bare vet hvordan det skal tette minnet, men ikke frigjøre det så effektivt som mulig, vil ikke minnehastigheten hjelpe. Og det viser seg at jeg har en hel haug med RAM på PC-en min for Adobe Creative Suite... som ville vært fint å bruke til gjengivelse.
Les også: Gjennomgang av bærbar PC ASUS ROG Zephyrus G14 2021: Fornøyd, men ingen wow-effekt
Men nei – den er nesten helt avhengig av den uheldige GTX 1080 Ti, hvor minnemengden er mer enn TIO GANGER mindre! Og du kan si, sier de, det er så å si den samme RTX, som den samme modellen ASUS TUF RTX 3090s trekker NVLink med minnepooling! Men her er det igjen en nyanse.
For prisen av to RTX 3090, det vil si for 2x $2000. (MSRP telles ikke lenger, det samsvarer ikke med moderne virkelighet) vi får... 24 GB minne. Dessuten er det ikke et faktum at den kan brukes til gjengivelse! Ja, noen programmer implementerer denne funksjonaliteten. Hovedsakelig – modellering og vitenskapelige beregninger. Og innstillingene der er rett og slett forferdelige.
Og for $4000 kan vi fylle alle minnekanaler med DDR4 ECC-matriser AMD Threadripper! 256 GB vil være det verste tilfellet! Og også med feilretting, som RTX 3090 ikke har.
Den eneste grunnen til at jeg kan se at det kan stoppe deg fra å optimalisere GPU som en datamaskin og RAM som en buffer, er at latensen mellom RAM og grafikkortet ville være for høy til å overstyre volumbonusene. På den annen side bremser fortsatt mangelen på VRAM prosessen. Og du kan i det minste legge til RAM, hvis det!
GPGPU-resultater
Dette er faren. Selv om du har ASUS TUF RTX 3090, som du spesifikt kjøpte for GPGPU-oppgaver, kan du fortsatt støte på en unngåelig flaskehals. Hvis programmer brukte mer RAM i stedet for VRAM. Jeg kan ikke se hvordan dette kan endres - men hvis trenden fortsetter, kommer det til å være en virkelig blindveis fremtid.
Priser for ASUS TUF RTX 3090 24GB
- Stikkontakt
- Alle butikker
