Machine Learning vs GameDev⁠⁠

Ох блин не собирался же писать (не смотри мой предыдущий пост), но пиво сильнее меня.

Итак:

Machine Learning vs GameDev.

Для чего нужны видеокарты в целом и RTX в частности во всяких академиях наук?

Что у нас интересного произошло на рынке видеокарт?

Да нихрена, в 3х серии они просто допилили RTX, и поставили производство чипов на поток, чем наконец это дело удешевили.

Чем крут RTX? и почему карты 2х серии мне так зашли? Ну попробую рассказать.

Для современного компа не является проблемкой обсчитать пару миллионов точек, накатить на них текстурки и назвать это игрой. Красиво? Да! Продается? Еще как!! Теперь это будет называться видяхой!! Получите!!!!

Но хочется же большего….

(Кто-то скажет - включи режим сглаживания, ну окей, там же стандартные режимы аппроксимации…. скучно….)

Я_ХОЧУ_СЧИТАТЬ!

Во много потоков и без затрат CPU.

Вот честно, я думаю, что создатель первой архитектуры тензор ядер думал именно так.

Опять растекся мыслью по древу……

Как я уже ранее говорил, мы имеем тонну треугольников и камеру чтобы их видеть. Теперь накуриваемся и представляем, что камера умеет стрелять. Каждый Ваш выстрел по треугольнику в компе это RayTrace.

Если вы без травы – вот схема:

И вот тут встает вопрос: Столько мощи и в холостую?

Гребаные 3к потоков параллельных вычислений только для того чтобы ты посмотрел как клёво выглядит Сэм Бриджес в 4к? (ну простите меня, это не реклама, я не так часто во что-то играю, но завис на DS)

Нифига, если вы правильно поняли как устроен RayTrace, он же RTX, мы, например, можем проверить радиопроницаемость вещества. Если вы слегка закопаетесь, то узнаете что в своей прошлой статье я говорил как раз о том, что моя коллега пошла выбивать RTX карточки для одного НИИ. Сейчас они занимаются подсчетом уровня ошибки проницаемости в неравномерных средах

Ну и просто красивая картинка, CIA