Idén om denna korta materialreflektion föddes från ett konstigt faktum. I färd med att optimera Premiere Pro och After Effects, och redan efter att jag lämnat ASUS TUF GeForce RTX 3090 24GB (recensionen gjordes av min kollega Denys Zaichenko här) Jag fick veta att med den senaste uppdateringen försvann möjligheten att optimera programmet för flerkärniga processorer - för att fördela rendering mellan CPU-trådar.
Detta förklarades av att Adobe sakta men säkert går från CPU-optimering till GPU-optimering. Detta, om något, kallas en GPGPU, eller General Purpose GPU. Och det kan vara stora problem med optimering för det här fallet, även om du har Intel Xe Graphics ASUS RTX 3090 24GB!
Grunderna i GPGPU
Det verkar som att det inte borde vara några problem - eftersom GPU i den moderna versionen består av den så kallade strömprocessorer. I NVIDIA de kallas till exempel CUDA-kärnor. Och dessa processorer fungerar på samma princip som kärnorna i en vanlig CPU.
Skillnaden i kraft. CPU-kärnor har betydande datorkraft, men ett litet antal, även med tanke på multithreading. Och GPU-kärnorna, även om de är små i kraft, kan utföra en viss uppgift. Och samtidigt finns det hundratals gånger fler av dem. Om inte tusentals.
Videomaterial om GPGPU
Vill du inte läsa? Titta på videon:
Hårdvaruacceleration
Och, låt oss säga, i Premiere Pro tar bearbetning av Lumetri-effekter på processorn - och dessutom, enkel H264-kodning-avkodning - en vild bit av tid. Och detta är normalt, olika uppgifter för olika järn utförs med olika effektivitet. I själva verket gör även en liten hårdvaruaccelerator för videobearbetning i iGPU:n verkliga mirakel och ändrar renderingshastigheten ibland många gånger om!
Och med tanke på den växande kraften hos GPU - säg in ASUS TUF RTX 3090 har så många som 24 gigabyte videominne och mer än tiotusen CUDA-kärnor – det är ganska logiskt att applikationer är optimerade för sådant arbete.
Under tiotusentals små arbetare som parallelliserar arbete, tar bort belastningen från processorn. Men frågan. Tar grafikkortet för mycket? Jag märkte att när man renderade tunga effekter, övergångar och helt enkelt ändrade bilden med ytterligare medel, började datorn sakta ner.
Minnet på grafikkortet var igensatt till noll, processorn deltog nästan inte i renderingen... liksom RAM-minnet. Och nyansen är att jag har 128 GB RAM.
Och, till exempel, i Premiere Pro, är hälften av RAM-minnet inaktivt, processorn är hälften upptagen, dekoder-kodaren är helt avslappnad, men VRAM är fast och prestandan är nästan noll.
Gemensamt arbete
Det värsta händer när man renderar ett projekt med blandade stycken - länkade kompositioner av After Effects, till exempel. Det är där videominnet går till noll nästan omedelbart, utan förvarning. Och för att öka renderingshastigheten är det nödvändigt att stänga alla applikationer som äter VRAM. Som samma Premiere Pro och After Effects! Och lämna, säg, bara Media Encoder.
OCH! Ett viktigt fokus tas inte med i beräkningen. Låt oss säga att After Effects också äter RAM, och för båda kinderna. MEN! Han vet hur man dränerar cachen! Frigör minne för andra applikationer. Men inget program fungerar så med videominne! Minnet blockeras eller frigörs efter att projektet har stängts.
Och ja, VRAM är definitivt snabbare än DRAM, och ibland mycket. Men i recensionerna av Transcend, och inte bara jag upprepade - för arbetsuppgifter är mycket långsamt minne bättre än en liten bit supersnabbt minne.
Om programmet bara vet hur man täpper till minnet, men inte frigör det så effektivt som möjligt, så hjälper inte minneshastigheten. Och det visar sig att jag har en hel hög med RAM-minne i min PC för Adobe Creative Suite... vilket skulle vara trevligt att använda för rendering.
Läs också: Laptop recension ASUS ROG Zephyrus G14 2021: Nöjd, men ingen wow-effekt
Men nej – den förlitar sig nästan helt på det olyckliga GTX 1080 Ti, där minnesmängden är mer än TIO GÅNGER mindre! Och man kan säga, säger de, det finns liksom samma RTX, som samma modell ASUS TUF RTX 3090s drar NVLink med minnespoolning! Men även här finns en nyans.
För priset av två RTX 3090, det vill säga för 2x $2000. (MSRP räknas inte längre, det motsvarar inte den moderna verkligheten) vi får... 24 GB minne. Dessutom är det inte ett faktum att den kan användas för rendering! Ja, vissa program implementerar den här funktionen. Främst – modellering och vetenskapliga beräkningar. Och inställningarna där är helt enkelt hemska.
Och för $4000 4 kan vi fylla alla minneskanaler med DDRXNUMX ECC-matriser AMD Threadripper! 256 GB kommer att vara det värsta fallet! Och även med felkorrigering, vilket RTX 3090 inte har.
Den enda anledningen till att jag kan se som kan hindra dig från att optimera GPU som en dator och RAM som en buffert är att latensen mellan RAM och grafikkortet skulle vara för hög för att åsidosätta volymbonusarna. Å andra sidan saktar avsaknaden av VRAM fortfarande ner processen. Och du kan åtminstone lägga till RAM, om det är så!
GPGPU-resultat
Detta är faran. Även om du har ASUS TUF RTX 3090, som du specifikt köpt för GPGPU-uppgifter, kan du fortfarande stöta på en flaskhals som kan undvikas. Om program använde mer RAM istället för VRAM. Jag kan inte se hur detta kan ändras – men om trenden fortsätter kommer det att bli en riktigt återvändsgränd framtid.
Priser för ASUS TUF RTX 3090 24GB
- Uttag
- Alla butiker
