ಕೆಲವು ದಿನಗಳ ಹಿಂದೆ ಎಂದು ಸಂಶೋಧಕರು ಸುದ್ದಿ ಮಾಡಿದರು ಬೆನ್-ಗುರಿಯನ್ ವಿಶ್ವವಿದ್ಯಾಲಯ (ಇಸ್ರೇಲ್), ಲಿಲ್ಲೆ ವಿಶ್ವವಿದ್ಯಾಲಯ (ಫ್ರಾನ್ಸ್) ಮತ್ತು ಅಡಿಲೇಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯ (ಆಸ್ಟ್ರೇಲಿಯಾ) ಸಾಧನಗಳನ್ನು ಗುರುತಿಸಲು ಹೊಸ ತಂತ್ರವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ ವೆಬ್ ಬ್ರೌಸರ್‌ನಲ್ಲಿ GPU ನಿಯತಾಂಕಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವ ಮೂಲಕ ಬಳಕೆದಾರರ.
ವಿಧಾನವನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ "ಡ್ರಾನ್ ಅಪರ್ಟ್" ಮತ್ತು ಇದು WebGL ಬಳಕೆಯನ್ನು ಆಧರಿಸಿದೆ GPU ಕಾರ್ಯಕ್ಷಮತೆಯ ಪ್ರೊಫೈಲ್ ಅನ್ನು ಪಡೆಯಲು, ಇದು ಕುಕೀಗಳನ್ನು ಬಳಸದೆ ಮತ್ತು ಬಳಕೆದಾರರ ಸಿಸ್ಟಮ್‌ನಲ್ಲಿ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಸಂಗ್ರಹಿಸದೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ನಿಷ್ಕ್ರಿಯ ಟ್ರ್ಯಾಕಿಂಗ್ ವಿಧಾನಗಳ ನಿಖರತೆಯನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸುತ್ತದೆ.
ಆ ವಿಧಾನಗಳು ರೆಂಡರಿಂಗ್ ಗುಣಲಕ್ಷಣಗಳು, GPU, ಗ್ರಾಫಿಕ್ಸ್ ಸ್ಟಾಕ್ ಮತ್ತು ಡ್ರೈವರ್‌ಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಿ ಅವುಗಳನ್ನು ಗುರುತಿಸುವಾಗ ಅವುಗಳನ್ನು ಹಿಂದೆ ಬಳಸಲಾಗುತ್ತಿತ್ತು, ಆದರೆ ಅವು ವಿಭಿನ್ನ ಮಾದರಿಗಳ ವೀಡಿಯೊ ಕಾರ್ಡ್‌ಗಳು ಮತ್ತು GPU ಗಳ ಮಟ್ಟದಲ್ಲಿ ಮಾತ್ರ ಸಾಧನಗಳನ್ನು ಬೇರ್ಪಡಿಸುವ ಸಾಧ್ಯತೆಗೆ ಸೀಮಿತವಾಗಿವೆ, ಅಂದರೆ ಗುರುತಿಸುವಿಕೆಯ ಸಂಭವನೀಯತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಹೆಚ್ಚುವರಿ ಅಂಶವಾಗಿ ಮಾತ್ರ ಇದನ್ನು ಬಳಸಬಹುದು.
ಪ್ರಮುಖ ಲಕ್ಷಣ ಹೊಸ "ಡ್ರಾನ್ ಅಪರ್ಟ್" ವಿಧಾನದ ಇದು GPU ನ ವಿವಿಧ ಮಾದರಿಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಸೀಮಿತವಾಗಿಲ್ಲಆದರೆ ಒಂದೇ ರೀತಿಯ ಜಿಪಿಯುಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗುರುತಿಸಲು ಪ್ರಯತ್ನಿಸಿ ಅದೇ ಮಾದರಿಯ, ವಿನ್ಯಾಸದ ಚಿಪ್‌ಗಳ ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆಯ ವೈವಿಧ್ಯತೆಯಿಂದಾಗಿ.
ಅದೇ ಸಾಧನದ ಮಾದರಿಗಳಿಗೆ ಪುನರಾವರ್ತಿತವಲ್ಲದ ಅಚ್ಚುಗಳನ್ನು ರೂಪಿಸಲು ಸಾಧ್ಯವಾಗುವಂತೆ ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಸಂಭವಿಸುವ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗಮನಿಸಲಾಗಿದೆ ಎಂದು ಸಹ ಉಲ್ಲೇಖಿಸಲಾಗಿದೆ.
ಎಕ್ಸಿಕ್ಯೂಶನ್ ಯೂನಿಟ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಎಣಿಸುವ ಮೂಲಕ ಮತ್ತು ಜಿಪಿಯುನಲ್ಲಿ ಅವುಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಈ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗುರುತಿಸಬಹುದು ಎಂದು ಅದು ಬದಲಾಯಿತು. ವಿಭಿನ್ನ ಜಿಪಿಯು ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸಲು ಆದಿಮಾನಗಳಾಗಿ, ತ್ರಿಕೋನಮಿತಿಯ ಕಾರ್ಯಗಳು, ತಾರ್ಕಿಕ ಕಾರ್ಯಾಚರಣೆಗಳು ಮತ್ತು ಫ್ಲೋಟಿಂಗ್ ಪಾಯಿಂಟ್ ಲೆಕ್ಕಾಚಾರಗಳ ಆಧಾರದ ಮೇಲೆ ತಪಾಸಣೆಗಳನ್ನು ಬಳಸಲಾಯಿತು. ಒಂದೇ GPU ನಲ್ಲಿ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗುರುತಿಸಲು, ವರ್ಟೆಕ್ಸ್ ಶೇಡರ್‌ಗಳನ್ನು ಚಾಲನೆ ಮಾಡುವಾಗ ಏಕಕಾಲದಲ್ಲಿ ಚಲಿಸುವ ಥ್ರೆಡ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಅಂದಾಜಿಸಲಾಗಿದೆ.
ಬಹಿರಂಗಪಡಿಸಿದ ಪರಿಣಾಮವು ತಾಪಮಾನದ ಆಡಳಿತಗಳಲ್ಲಿನ ವ್ಯತ್ಯಾಸಗಳು ಮತ್ತು ವಿಭಿನ್ನ ಚಿಪ್ ನಿದರ್ಶನಗಳ ವಿದ್ಯುತ್ ಬಳಕೆಯಿಂದ ಉಂಟಾಗುತ್ತದೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ (ಇದೇ ರೀತಿಯ ಪರಿಣಾಮವನ್ನು ಹಿಂದೆ CPU ಗಾಗಿ ಪ್ರದರ್ಶಿಸಲಾಗಿದೆ: ಅದೇ ಪ್ರೊಸೆಸರ್ಗಳು ಒಂದೇ ಪ್ರೊಸೆಸರ್ ಅನ್ನು ಚಾಲನೆ ಮಾಡುವಾಗ ವಿಭಿನ್ನ ವಿದ್ಯುತ್ ಬಳಕೆಯನ್ನು ಪ್ರದರ್ಶಿಸಿದವು).
WebGL ಮೂಲಕ ಕಾರ್ಯಾಚರಣೆಗಳು ಅಸಮಕಾಲಿಕವಾಗಿರುವುದರಿಂದ, ಅವುಗಳ ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಮಯವನ್ನು ಅಳೆಯಲು ನೀವು ನೇರವಾಗಿ performance.now() JavaScript API ಅನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ, ಆದ್ದರಿಂದ ಸಮಯವನ್ನು ಅಳೆಯಲು ಮೂರು ತಂತ್ರಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ:
- ತೆರೆಯ ಮೇಲೆ: Window.requestAnimationFrame API ಮೂಲಕ ಬಹಿರಂಗವಾದ ಕಾಲ್‌ಬ್ಯಾಕ್ ಕಾರ್ಯದ ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯದ ಮಾಪನದೊಂದಿಗೆ HTML ಕ್ಯಾನ್ವಾಸ್‌ನಲ್ಲಿ ದೃಶ್ಯದ ರೆಂಡರಿಂಗ್ ಮತ್ತು ರೆಂಡರಿಂಗ್ ಪೂರ್ಣಗೊಂಡ ನಂತರ ಕರೆಯಲ್ಪಡುತ್ತದೆ.
- ಆಫ್ ಸ್ಕ್ರೀನ್: ವರ್ಕರ್ ಅನ್ನು ಬಳಸಿ ಮತ್ತು convertToBlob ಆಜ್ಞೆಯ ಕಾರ್ಯಗತಗೊಳಿಸುವ ಸಮಯವನ್ನು ಅಳೆಯುವ ಮೂಲಕ ಆಫ್‌ಸ್ಕ್ರೀನ್‌ಕ್ಯಾನ್ವಾಸ್ ವಸ್ತುವಿಗೆ ದೃಶ್ಯವನ್ನು ನಿರೂಪಿಸಿ.
- ಜಿಪಿಯು: ಆಫ್‌ಸ್ಕ್ರೀನ್‌ಕ್ಯಾನ್ವಾಸ್ ಆಬ್ಜೆಕ್ಟ್‌ಗೆ ರೆಂಡರಿಂಗ್, ಆದರೆ ಸಮಯವನ್ನು ಅಳೆಯಲು WebGL ಒದಗಿಸಿದ ಟೈಮರ್‌ನೊಂದಿಗೆ, GPU ಭಾಗದಲ್ಲಿ ಆಜ್ಞೆಗಳ ಸೆಟ್‌ನ ಕಾರ್ಯಗತಗೊಳಿಸುವ ಅವಧಿಯನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
ಗುರುತಿಸುವಿಕೆಯನ್ನು ರಚಿಸುವ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಪ್ರತಿ ಸಾಧನದಲ್ಲಿ 50 ತಪಾಸಣೆಗಳನ್ನು ನಡೆಸಲಾಗುತ್ತದೆ, ಪ್ರತಿಯೊಂದೂ 176 ವಿಭಿನ್ನ ಗುಣಲಕ್ಷಣಗಳ 16 ಅಳತೆಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಪ್ರಯೋಗ, ಈ ಸಮಯದಲ್ಲಿ 2500 ವಿಭಿನ್ನ GPUಗಳೊಂದಿಗೆ 1605 ಸಾಧನಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾದ ಡೇಟಾವು ದಕ್ಷತೆಯಲ್ಲಿ 67% ಹೆಚ್ಚಳವನ್ನು ತೋರಿಸಿದೆ ಸಂಯೋಜಿತ ಗುರುತಿನ ವಿಧಾನಗಳಿಗೆ ಡ್ರಾ ಹೊರತುಪಡಿಸಿ ಬೆಂಬಲವನ್ನು ಸೇರಿಸುವ ಮೂಲಕ.
ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, ಸಂಯೋಜಿತ FP-STALKER ವಿಧಾನವು ಸರಾಸರಿ 17,5 ದಿನಗಳಲ್ಲಿ ಗುರುತನ್ನು ಒದಗಿಸಿತು ಮತ್ತು ಡ್ರಾನ್ ಹೊರತುಪಡಿಸಿ ಸಂಯೋಜನೆಯೊಂದಿಗೆ, ಗುರುತಿಸುವಿಕೆಯ ಅವಧಿಯು 28 ದಿನಗಳವರೆಗೆ ಹೆಚ್ಚಾಯಿತು.
ಜಿಪಿಯು ತಾಪಮಾನದಿಂದ ನಿಖರತೆ ಪರಿಣಾಮ ಬೀರಿದೆ ಎಂದು ಗಮನಿಸಲಾಗಿದೆ ಮತ್ತು, ಕೆಲವು ಸಾಧನಗಳಿಗೆ, ಸಿಸ್ಟಮ್ ಅನ್ನು ರೀಬೂಟ್ ಮಾಡುವುದರಿಂದ ಐಡೆಂಟಿಫೈಯರ್ ಅಸ್ಪಷ್ಟತೆ ಉಂಟಾಗುತ್ತದೆ. ವಿಧಾನವನ್ನು ಇತರ ವಿಧಾನಗಳೊಂದಿಗೆ ಸಂಯೋಜನೆಯಲ್ಲಿ ಬಳಸಿದಾಗ ಪರೋಕ್ಷ ಗುರುತಿಸುವಿಕೆ, ನಿಖರತೆಯನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಹೆಚ್ಚಿಸಬಹುದು. ಹೊಸ WebGPU API ಯ ಸ್ಥಿರೀಕರಣದ ನಂತರ ಕಂಪ್ಯೂಟ್ ಶೇಡರ್‌ಗಳ ಬಳಕೆಯ ಮೂಲಕ ನಿಖರತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಸಹ ಯೋಜಿಸಲಾಗಿದೆ.
Intel, ARM, Google, Khronos, Mozilla, ಮತ್ತು Brave ಗೆ 2020 ರ ಹಿಂದೆಯೇ ಸಮಸ್ಯೆಯ ಕುರಿತು ತಿಳಿಸಲಾಯಿತು, ಆದರೆ ವಿಧಾನದ ವಿವರಗಳನ್ನು ಈಗಷ್ಟೇ ಬಹಿರಂಗಪಡಿಸಲಾಗಿದೆ.
ಇತರ ವಿಷಯಗಳ ಜೊತೆಗೆ, ಸಂಶೋಧಕರು ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಮತ್ತು ಜಿಎಲ್‌ಎಸ್‌ಎಲ್‌ನಲ್ಲಿ ಬರೆಯಲಾದ ಕೆಲಸದ ಉದಾಹರಣೆಗಳನ್ನು ಪ್ರಕಟಿಸಿದರು, ಅದು ಪರದೆಯ ಮೇಲೆ ಮಾಹಿತಿಯನ್ನು ಪ್ರದರ್ಶಿಸದೆ ಮತ್ತು ಕೆಲಸ ಮಾಡಬಹುದು. Intel GEN 3/4/8/10 GPU ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳಿಗಾಗಿ, ಯಂತ್ರ ಕಲಿಕೆ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಹೊರತೆಗೆಯಲಾದ ಮಾಹಿತಿಯನ್ನು ವರ್ಗೀಕರಿಸಲು ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಪ್ರಕಟಿಸಲಾಗಿದೆ.
ಅಂತಿಮವಾಗಿ ನೀವು ಅದರ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ತಿಳಿದುಕೊಳ್ಳಲು ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರೆ, ನೀವು ವಿವರಗಳನ್ನು ಪರಿಶೀಲಿಸಬಹುದು ಕೆಳಗಿನ ಲಿಂಕ್.