சில நாட்களுக்கு முன்பு என்று ஆராய்ச்சியாளர்கள் செய்தி வெளியிட்டனர் பென்-குரியன் பல்கலைக்கழகம் (இஸ்ரேல்), லில்லி பல்கலைக்கழகம் (பிரான்ஸ்) மற்றும் அடிலெய்ட் பல்கலைக்கழகம் (ஆஸ்திரேலியா) சாதனங்களை அடையாளம் காண புதிய நுட்பத்தை உருவாக்கியுள்ளனர் இணைய உலாவியில் GPU அளவுருக்களைக் கண்டறிவதன் மூலம் பயனர்கள்.
முறை என்று அழைக்கப்படுகிறது "Drawn Apart" மற்றும் WebGL இன் பயன்பாட்டை அடிப்படையாகக் கொண்டது ஒரு GPU செயல்திறன் சுயவிவரத்தைப் பெற, இது குக்கீகளைப் பயன்படுத்தாமல் மற்றும் பயனரின் கணினியில் அடையாளங்காட்டியைச் சேமிக்காமல் செயல்படும் செயலற்ற கண்காணிப்பு முறைகளின் துல்லியத்தை கணிசமாக மேம்படுத்த முடியும்.
அந்த முறைகள் ரெண்டரிங் பண்புகள், GPU, கிராபிக்ஸ் அடுக்கு மற்றும் இயக்கிகள் ஆகியவற்றை கணக்கில் எடுத்துக் கொள்ளுங்கள் அவற்றை அடையாளம் காணும்போது அவை முன்னர் பயன்படுத்தப்பட்டன, ஆனால் அவை வெவ்வேறு மாதிரிகள் வீடியோ அட்டைகள் மற்றும் GPU களின் மட்டத்தில் மட்டுமே சாதனங்களைப் பிரிப்பதற்கான சாத்தியக்கூறுகளுக்கு மட்டுப்படுத்தப்பட்டன, அதாவது அடையாளத்தின் நிகழ்தகவை அதிகரிக்க கூடுதல் காரணியாக மட்டுமே பயன்படுத்த முடியும்.
முக்கிய அம்சம் புதிய "டிரான் அபார்ட்" முறை இது GPU இன் வெவ்வேறு மாடல்களை பிரிப்பதில் மட்டும் அல்ல, ஆனால் ஒரே மாதிரியான GPU களுக்கு இடையிலான வேறுபாடுகளை அடையாளம் காண முயற்சிக்கவும் அதே மாதிரி, வடிவமைக்கப்பட்ட சில்லுகளின் உற்பத்தி செயல்முறையின் பன்முகத்தன்மை காரணமாக.
உற்பத்திச் செயல்பாட்டின் போது ஏற்படும் மாறுபாடுகள் ஒரே மாதிரியான சாதன மாதிரிகளுக்கு மீண்டும் மீண்டும் வராத அச்சுகளை உருவாக்குவதை சாத்தியமாக்குகிறது என்றும் குறிப்பிடப்பட்டுள்ளது.
செயல்படுத்தும் அலகுகளின் எண்ணிக்கையைக் கணக்கிடுவதன் மூலமும், GPU இல் அவற்றின் செயல்திறனை பகுப்பாய்வு செய்வதன் மூலமும் இந்த வேறுபாடுகளை அடையாளம் காண முடியும். வெவ்வேறு GPU மாதிரிகளை அடையாளம் காண பழமையானது, முக்கோணவியல் செயல்பாடுகள், தருக்க செயல்பாடுகள் மற்றும் மிதக்கும் புள்ளி கணக்கீடுகள் ஆகியவற்றின் அடிப்படையில் காசோலைகள் பயன்படுத்தப்பட்டன. ஒரே GPU இல் உள்ள வேறுபாடுகளைக் கண்டறிய, வெர்டெக்ஸ் ஷேடர்களை இயக்கும் போது ஒரே நேரத்தில் இயங்கும் நூல்களின் எண்ணிக்கை மதிப்பிடப்பட்டது.
வெளிப்படுத்தப்பட்ட விளைவு வெப்பநிலை ஆட்சிகளில் உள்ள வேறுபாடுகள் மற்றும் வெவ்வேறு சிப் நிகழ்வுகளின் மின் நுகர்வு (இதேபோன்ற விளைவு முன்பு CPU க்கு நிரூபிக்கப்பட்டது: அதே செயலிகள் ஒரே செயலியை இயக்கும் போது வெவ்வேறு ஆற்றல் நுகர்வுகளை வெளிப்படுத்தியது) குறியீடு).
WebGL வழியாகச் செயல்படும் செயல்கள் ஒத்திசைவற்றதாக இருப்பதால், நீங்கள் செயல்திறன்.now() JavaScript API ஐ அவற்றின் செயலாக்க நேரத்தை அளவிடுவதற்கு நேரடியாகப் பயன்படுத்த முடியாது, எனவே நேரத்தை அளவிட மூன்று தந்திரங்கள் முன்மொழியப்பட்டுள்ளன:
- திரையில்: Window.requestAnimationFrame API மூலம் வெளிப்படுத்தப்பட்டு, ரெண்டரிங் முடிந்ததும் அழைக்கப்படும் அழைப்புச் செயல்பாட்டின் மறுமொழி நேர அளவீட்டைக் கொண்டு HTML கேன்வாஸில் காட்சியை ரெண்டரிங் செய்தல்.
- திரைக்கு வெளியே: ஒரு பணியாளரைப் பயன்படுத்தி, convertToBlob கட்டளையின் செயலாக்க நேரத்தை அளவிடுவதன் மூலம் காட்சியை ஆஃப்ஸ்கிரீன் கேன்வாஸ் பொருளுக்கு வழங்கவும்.
- ஜி.பீ.: ஆஃப்ஸ்கிரீன் கேன்வாஸ் பொருளுக்கு ரெண்டரிங், ஆனால் GPU பக்கத்தில் உள்ள கட்டளைகளின் தொகுப்பின் செயல்பாட்டின் காலத்தை கணக்கில் எடுத்துக்கொண்டு, நேரத்தை அளவிடுவதற்கு WebGL ஆல் வழங்கப்பட்ட டைமருடன்.
அடையாளங்காட்டியை உருவாக்கும் பணியில் ஒவ்வொரு சாதனத்திலும் 50 சோதனைகள் செய்யப்படுகின்றன, ஒவ்வொன்றும் 176 வெவ்வேறு குணாதிசயங்களின் 16 அளவீடுகளை உள்ளடக்கியது. சோதனை, இதன் போது 2500 வெவ்வேறு GPUகளுடன் 1605 சாதனங்களில் சேகரிக்கப்பட்ட தரவு, செயல்திறனில் 67% அதிகரிப்பைக் காட்டுகிறது ஒருங்கிணைந்த அடையாள முறைகளை வரைதல் அபார்ட் ஆதரவைச் சேர்ப்பதன் மூலம்.
குறிப்பாக, ஒருங்கிணைந்த FP-STALKER முறை, சராசரியாக, 17,5 நாட்களுக்குள் அடையாளத்தை வழங்கியது, மேலும் Drawn Apart உடன் இணைந்து, அடையாளம் காணும் காலம் 28 நாட்களாக அதிகரித்தது.
GPU இன் வெப்பநிலையால் துல்லியம் பாதிக்கப்பட்டது கவனிக்கப்படுகிறது மேலும், சில சாதனங்களுக்கு, கணினியை மறுதொடக்கம் செய்வது அடையாளங்காட்டி சிதைவை ஏற்படுத்தியது. முறை மற்ற முறைகள் இணைந்து பயன்படுத்தப்படும் போது மறைமுக அடையாளம், துல்லியம் கணிசமாக அதிகரிக்க முடியும். புதிய WebGPU API இன் நிலைப்படுத்தலுக்குப் பிறகு கம்ப்யூட் ஷேடர்களைப் பயன்படுத்துவதன் மூலம் துல்லியத்தை அதிகரிக்கவும் திட்டமிடப்பட்டுள்ளது.
இன்டெல், ஏஆர்எம், கூகுள், க்ரோனோஸ், மொஸில்லா மற்றும் பிரேவ் ஆகிய நிறுவனங்களுக்கு 2020 ஆம் ஆண்டிலேயே இந்தச் சிக்கல் குறித்து அறிவிக்கப்பட்டது, ஆனால் முறையின் விவரங்கள் இப்போதுதான் வெளியாகியுள்ளன.
மற்றவற்றுடன், ஆராய்ச்சியாளர்கள் ஜாவாஸ்கிரிப்ட் மற்றும் ஜி.எல்.எஸ்.எல் ஆகியவற்றில் எழுதப்பட்ட வேலை எடுத்துக்காட்டுகளை வெளியிட்டனர், அவை திரையில் தகவலைக் காட்டாமல் வேலை செய்ய முடியும். மேலும் Intel GEN 3/4/8/10 GPU அடிப்படையிலான அமைப்புகளுக்கு, இயந்திர கற்றல் அமைப்புகளில் பிரித்தெடுக்கப்பட்ட தகவல்களை வகைப்படுத்த தரவுத் தொகுப்புகள் வெளியிடப்பட்டுள்ளன.
இறுதியாக நீங்கள் அதைப் பற்றி மேலும் அறிய ஆர்வமாக இருந்தால், நீங்கள் விவரங்களை சரிபார்க்கலாம் பின்வரும் இணைப்பு.