پیشرفت تکنولوژی اجتناب ناپذیر است و هیچ کجا به اندازه سخت افزارهای گرافیکی صادق نیست. هر سال کارت ها به طور قابل توجهی سریعتر می شوند و مجموعه جدیدی از کلمات اختصاری را برای ترفندهای گرافیکی فانتزی به ارمغان می آورند. 

با نگاهی به تنظیمات بصری بازی های رایانه شخصی، با کلمه سالاد^{(word salad)} مواجه می شوید که حاوی قطعات خوشمزه ای مانند MSAA، FXAA، SMAA و WWJD است. باشه، شاید اون آخری نباشه

اگر صاحب خوش شانس کارت جدید Nvidia GeForce RTX هستید، اکنون می توانید چیزی به نام DLSS را نیز فعال کنید . مخفف Deep Learning Super Sampling است و بخش بزرگی از ویژگی های سخت افزاری نسل^{(generation hardware)} بعدی است که در کارت های Nvidia RTX یافت می شود.

در زمان نوشتن، فقط این کارت ها سخت افزار مورد نیاز برای اجرای DLSS را دارند :

• RTX 2060
• RTX 2060 Super
• RTX 2070
• RTX 2070 Super
• RTX 2080
• RTX 2080 Super
• RTX 2080 Ti

سخت افزار خاص مورد بحث به عنوان یک هسته " ^{(” core)}تنسور^(Tensor) " نامیده می شود که هر مدل دارای تعداد متفاوتی از این پردازنده های تخصصی است.

هسته های تانسور برای تسریع وظایف یادگیری ماشینی طراحی شده اند که DLSS نمونه ای از آن است. اگر از DLSS استفاده^{(t use)} نمی کنید ، آن قسمت از کارت بیکار می ماند. این بدان معناست که اگر DLSS در دسترس باشد، از ظرفیت کامل GPU جدید و براق خود استفاده نمی کنید ، اما خاموش باقی می ماند. 

برای درک اینکه DLSS چه ارزشی را^(DLSS) برای جدول به ارمغان می آورد، باید به طور خلاصه به چند مفهوم مرتبط بپردازیم.

یک انحراف سریع به وضوح داخلی و ارتقاء مقیاس^{(A Quick Detour Into Internal Resolutions & Upscaling)}

تلویزیون‌ها و مانیتورهای مدرن دارای وضوحی هستند که به آن ^{(Modern TVs and monitors)}وضوح^(resolution) «بومی» می‌گویند . این به سادگی به این معنی است که صفحه نمایش دارای تعداد مشخصی پیکسل فیزیکی است. اگر تصویری که در آن صفحه نمایش می‌دهید با وضوح دقیق اصلی متفاوت است، باید آن را "مقیاس" یا "مقیاس" کنید تا مناسب شود. 

بنابراین اگر یک تصویر HD را به عنوان مثال بر روی یک صفحه نمایش 4K^{(4K display)} خروجی بگیرید، کاملاً مسدود و ناهموار به نظر می رسد. درست مثل اینکه یک عکس دیجیتال را بیش از حد زوم کرده اید. با این حال، در عمل، ویدیوی HD^{(HD video)} در تلویزیون 4K بسیار خوب به نظر می رسد، البته شاید کمی کمتر از فیلم های 4K بومی. این به این دلیل است که تلویزیون دارای یک قطعه سخت افزاری است که به عنوان "افزایش دهنده" شناخته می شود که تصویر با وضوح پایین را پردازش و فیلتر می کند تا قابل قبول به نظر برسد.

مشکل این است که کیفیت سخت افزار ارتقاء مقیاس بین برندها و مدل های نمایشگر به شدت متفاوت است. به همین^(Which) دلیل است که پردازنده‌های گرافیکی اغلب با ^(GPUs)فناوری مقیاس‌بندی^{(scaling technology)} خاص خود عرضه می‌شوند .

کنسول‌های حرفه‌ای که برای خروجی به نمایشگر 4K طراحی شده‌اند، تصویری با کیفیت 4K را ارائه می‌کنند، به طوری که اصلاً تغییر مقیاس صفحه نمایش اتفاق نمی‌افتد. این بدان معناست که توسعه دهندگان بازی ها کنترل کاملی بر کیفیت تصویر^{(image quality)} نهایی دارند. 

با این حال، اکثر بازی‌های کنسولی با وضوح 4K رندر نمی‌شوند. آنها وضوح "^{(” resolution)} داخلی" پایین تری دارند که استرس کمتری به GPU وارد می کند . سپس با استفاده از فناوری مقیاس‌گذاری^{(scaling technology)} داخلی کنسول، آن تصویر بزرگ‌تر می‌شود تا به بهترین شکل ممکن در صفحه نمایش با وضوح بالا^{(high-resolution screen)} به نظر برسد .

در واقع، DLSS روشی پیچیده است که یک بازی رایانه شخصی را^{(PC game)} با وضوح پایین‌تر از وضوح اصلی ارائه می‌کند و سپس از فناوری DLSS^{(DLSS technology)} برای ارتقاء آن برای نمایشگر متصل استفاده می‌کند. در تئوری این منجر به افزایش قابل توجهی در عملکرد می شود. 

در حالی که به نظر بسیار شبیه به آنچه در کنسول‌های 4K روی می‌دهد، DLSS زیر کاپوت واقعاً چیز خاصی است. همه به لطف "یادگیری عمیق".

بیت «یادگیری عمیق» درباره چیست؟^{(What’s The “Deep Learning” Bit About?)}

یادگیری عمیق یک تکنیک یادگیری ماشینی است^{(machine learning technique)} که از یک شبکه عصبی شبیه سازی شده استفاده می کند. به عبارت دیگر، یک تقریب دیجیتالی از نحوه یادگیری نورون‌های مغز^{(brain learn)} و ایجاد راه‌حل برای مشکلات پیچیده.

این فناوری است که، در میان چیزهای دیگر، به رایانه‌ها اجازه می‌دهد تا چهره‌ها را تشخیص دهند و به ربات‌ها اجازه می‌دهد دنیای اطراف خود را درک کرده و مسیریابی کنند. همچنین مسئول موج‌های اخیر دیپ فیک است. این سس راز DLSS است. 

شبکه های عصبی به "آموزش" نیاز دارند که اساساً نمونه های خالصی را نشان می دهد که چیزی باید چگونه باشد. اگر می‌خواهید به شبکه آموزش دهید که چگونه یک چهره را تشخیص دهد، میلیون‌ها چهره را به آن نشان می‌دهید و به آن اجازه می‌دهید ویژگی‌ها و الگوهایی را که یک چهره معمولی را تشکیل می‌دهند، بیاموزد. اگر درس را به درستی یاد بگیرد، می‌توانید هر تصویری را که یک چهره در آن است نشان دهید و فوراً آن را تشخیص می‌دهد.

کاری که انویدیا^(Nvidia) انجام داده آموزش نرم افزار یادگیری^{(learning software)} عمیق خود بر روی تصاویر با وضوح فوق العاده بالا از بازی هایی است که از DLSS پشتیبانی می کنند . شبکه عصبی می‌آموزد که بازی هنگام رندر شدن با استفاده از عملکرد گرافیکی در سطح ابررایانه چگونه باید باشد.

سپس آن فریم با وضوح^{(resolution frame)} داخلی پایین‌تر را می‌گیرد و به دلیل نداشتن کلمه بهتر، «تصور می‌کند» که اگر رایانه‌ای بسیار قوی‌تر از شما صحنه را رندر می‌کرد، چه شکلی به نظر می‌رسید. اگر به نظر شما کمی شبیه جادوی سیاه است، شما تنها نیستید!

زمان استفاده از DLSS^{(When To Use DLSS)}

اول^(First) از همه، شما فقط می توانید از DLSS در بازی هایی استفاده کنید که از آن پشتیبانی می کنند، که خوشبختانه لیستی است که به سرعت در حال رشد است. هر عنوان نیز الزامات خاص خود را برای DLSS دارد، مانند رندر با حداقل وضوح، زیرا این همان چیزی است که شبکه عصبی بر روی آن آموزش دیده است.

با این حال، مغز بزرگ انویدیا ^{(Nvidia doesn)}یادگیری را متوقف^{(stop learning)} نمی‌کند و ویژگی DLSS^{(DLSS feature)} کارت شما همچنان به‌روزرسانی می‌شود، پشتیبانی از هر عنوان و کیفیت را^{(support and quality)} افزایش می‌دهد .

بهترین راه برای فهمیدن اینکه آیا باید از DLSS در بازی های خود استفاده کنید یا خیر این است که نتیجه را به چشم بیاورید. آن را با افزایش مقیاس سنتی یا ضد آلیاسینگ مقایسه کنید تا ببینید کدام خوشایندتر است. عملکرد نیز یک عامل مهم تعیین کننده است^{(deciding factor)} . اگر 60 فریم در ثانیه را هدف قرار می دهید، اما نمی توانید به آن برسید، DLSS انتخاب خوبی است.

با این حال، اگر نرخ فریم بالایی دریافت می کنید، DLSS در واقع می تواند سرعت را کاهش دهد. دلیل آن این است که هسته های تانسور برای پردازش هر فریم به زمان ثابتی نیاز دارند. در حال حاضر آنها نمی توانند این کار را با سرعت کافی برای پخش با نرخ فریم^{(frame rate play)} بالا انجام دهند.

اساساً، DLSS هنگام استفاده از صفحه نمایش با وضوح بالا^{(high-resolution display)} (به عنوان مثال 4K، وضوح فوق عریض یا 1440p) با نرخ فریم هدف^{(target frame rate)} در حدود 60 فریم در ثانیه بسیار مفید است. همچنین هنگام فعال کردن دیگر ترفند^{(party trick)} اصلی کارت‌های RTX - ردیابی پرتو ، بسیار مفید است. ^{(– ray)}DLSS می تواند کاهش عملکرد^{(performance loss)} ردیابی پرتو را به خوبی جبران کند، با نتیجه نهایی^{(end result)} که در برخی مواقع تماشایی است.

این حداقل چیزی است که قبل از تصمیم گیری در مورد استفاده از DLSS یا نه باید بدانید. فقط^(Just) به یاد داشته باشید که این فناوری به سرعت در حال تغییر است، بنابراین اگر نتایج امروز را دوست ندارید، چند ماه دیگر برگردید و ممکن است در نهایت شگفت زده شوید.

What Is DLSS and Should You Use It In Games

The march of technology is inexorable and nowhere is this more true than with graphics hardware. Every year cards get significantly faster and bring а whole new set of acronyms for fancy graphіcal tricks. 

Looking at the visual settings for PC games, you’ll encounter a word salad that contains such tasty nuggets as MSAA, FXAA, SMAA and WWJD. OK, maybe not that last one.

If you are the lucky owner of a new Nvidia GeForce RTX card, you can now also choose to enable something called DLSS. It’s short for Deep Learning Super Sampling and is a big part of the next generation hardware features found in Nvidia RTX cards.

At the time of writing, only these cards have the required hardware to run DLSS:

• RTX 2060
• RTX 2060 Super
• RTX 2070
• RTX 2070 Super
• RTX 2080
• RTX 2080 Super
• RTX 2080 Ti

The specific hardware in question is referred to as a “Tensor” core, with each model having a different number of these specialized processors.

Tensor cores are designed to accelerate machine learning tasks, which DLSS is an example of. If you don’t use DLSS, that part of the card remains idle. This means you aren’t using the full capacity of your shiny new GPU if DLSS is available, but remains off. 

There’s more to it than that though.To understand what value DLSS brings to the table, we have to digress briefly into a few related concepts.

A Quick Detour Into Internal Resolutions & Upscaling

Modern TVs and monitors have what’s known as a “native” resolution. This simply means that the screen has a specific number of physical pixels. If the image you are displaying on that screen differs from the exact native resolution, it has to be “scaled” up or down to make it fit. 

So if you output an HD image to a 4K display, for example, it’s going to look quite blocky and jagged. Just as if you’ve zoomed a digital photo in too far. In practice however, HD video looks just fine on a 4K TV, if perhaps a little less sharp than native 4K footage. That’s because the TV has a piece of hardware known as an “upscaler” that processes and filters the lower-resolution image to look acceptable.

The problem is that the quality of the upscaling hardware varies wildly between display brands and models. Which is why GPUs often come with their own scaling technology.

The “pro” consoles that are designed to output to a 4K display present it with a native 4K image, so that no display upscaling happens at all. This means the developers of games have complete control of the final image quality. 

However, most console games do not render at a native 4K resolution. They have a lower “internal” resolution, which puts less stress on the GPU. That image is then scaled up to look as good as possible on the high-resolution screen using the console’s internal scaling technology.

In effect, DLSS is a sophisticated method that renders a PC game at a lower than native resolution and then uses the DLSS technology to upscale it for the connected display. In theory this leads to a significant boost in performance. 

While that sounds a lot like what’s happening on 4K consoles, under the hood DLSS is really something special. All thanks to “deep learning”.

What’s The “Deep Learning” Bit About?

Deep learning is a machine learning technique that uses a simulated neural net. In other words, a digital approximation of how the neurons in your brain learn and create solutions to complex problems.

It’s the technology that, among other things, allows computers to recognize faces and lets robots understand and navigate the world around them. It’s also responsible for the recent spates of deepfakes. That’s the secret sauce of DLSS. 

Neural networks require “training” which is basically showing the net examples of what something should be like. If you want to teach the net how to recognize a face, you show it millions of faces, letting it learn the features and patterns that make up a typical face. If it learns the lesson properly, you can show it any image with a face in it, and it will pick it out instantly.

What Nvidia have done is to train their deep learning software on incredibly high-resolution images from the games that support DLSS. The neural network learns what the game “should” look like when rendered using supercomputer-level graphics performance.

It then takes that lower internal resolution frame and, for lack of a better word, “imagines” what it would have looked like if a much, much more powerful computer than yours had rendered the scene. If that sounds a little like black magic to you well, you’re not alone!

When To Use DLSS

First of all, you can only use DLSS in games that support it, which is a list that’s growing quickly, thankfully. Each title also has its own requirements for DLSS, such as rendering at a minimum resolution, because that’s what the neural net has been trained on.

However, the big brain at Nvidia doesn’t stop learning and the DLSS feature on your card will keep getting updates, expanding per-title support and quality.

The best way to figure out if you should use DLSS in your games is to eyeball the result. Compare it to traditional upscaling or anti-aliasing to see which is more pleasant. Performance is also an important deciding factor. If you are targeting 60 frames per second, but can’t get there, DLSS is a good choice.

If you are getting high frame rates however, DLSS can actually slow things down. That’s because the tensor cores need a fixed amount of time to process each frame. Right now they can’t do it quickly enough for high frame rate play.

Essentially, DLSS is most useful when using a high-resolution display (e.g. 4K, ultrawide or 1440p resolutions) with a target frame rate at around 60 frames per second. It’s also incredibly useful when activating the other main party trick of RTX cards – ray tracing. DLSS can offset the performance loss of ray tracing quite well, with an end result that is at times spectacular.

That’s the least you need to know before deciding to go with DLSS or not. Just remember that this technology is changing rapidly, so if you don’t like the results today, come back in a few months and you just might just be blown away at last.

Related posts

• Use GBoost برای افزایش Gaming performance در Windows 10 PC

• Download Tencent Gaming Buddy PUBG Mobile emulator برای PC

• چگونه به فعال کردن Virtualization در MSI Gaming Plus Max B450

• نحوه بهینه سازی Windows 10 کامپیوتر برای Online Gaming

• 6 Best Public Domain Video Games به بازی Free حالا

• چگونه برای مخفی کردن Games در بخار

• 5 بهترین بازی آنلاین رایگان مرورگر برای از بین بردن ساعت ها

• چگونه به استفاده از Steam Remote Play به Stream Local Multiplayer Games Anywhere

• 10 بهترین بازی VR رایگان که می توانید اکنون بازی کنید

• 10 بهترین بازی DOS که می توانید آنلاین بازی کنید

• Games 8 بهترین 2D برای ویندوز

• نحوه اضافه کردن غیر بخار Games به Steam Library شما

• چگونه به سوئیچ Between Games Modes در Minecraft

• 10 بهترین بازی ویدیویی بدون خشونت برای رایانه شخصی، ایکس باکس، پلی استیشن

• 8 Best FPS Browser Games شما می توانید Online بازی کنید

• 3 بهترین بازی برای پردازنده گرافیکی RTX Ray Tracing شما

• نحوه دانلود بازی در نینتندو سوییچ

• 5 سایت برای یافتن بازی های ویدئویی نسخه محدود و ویژه برای فروش

• نحوه اجرای بازی های پوکمون روی کامپیوتر

• 9 بهترین بازی در PS4