Video: Como optimizar tu tarjeta gráfica Nvidia para AUMENTAR FPS (Noviembre 2024)
El nuevo procesador de gráficos Titan X de Nvidia se basa en el procesador GM200, que es un chip enorme, que aprovecha la potencia de 8 mil millones de transistores, 3.072 núcleos de procesamiento y 12 GB de memoria GDDR5 incorporada para 7 teraflops de rendimiento máximo de precisión simple. Este chip, que se presentó en la Conferencia de desarrolladores de juegos hace dos semanas, se basa en los mismos núcleos Maxwell que se encuentran en los procesadores actuales de la compañía y se fabrica en el mismo proceso de 28 nm.
Pero Nvidia dijo esta semana que su nueva GPU GeForce insignia ofrecería el doble de rendimiento y duplicaría la eficiencia energética de su predecesora. También es un chip muy grande de 601 mm2, aproximadamente el chip de mayor tamaño fabricado actualmente, y consumirá 250 vatios de potencia. Y, por supuesto, será el chip gráfico general más caro con un precio minorista sugerido de $ 999.
La mayoría de las reseñas de sitios como ExtremeTech, Anandtech y TechReport son bastante positivas. Por supuesto, en el mundo real, nadie ve la duplicación del rendimiento que el vendedor afirma, aunque hay algunas buenas ganancias. En general, el Titan X parece vencer claramente a otras tarjetas de una sola GPU, y hace un trabajo acreditable al compararlo con la doble GPU Radeon R9 295X2 de AMD o la GeForce GTX 980 SLI dual de Nvidia. En muchos casos, una tarjeta de doble GPU de cualquiera de los proveedores será más rápida que cualquier tarjeta de una sola GPU, pero muchos juegos no usan ambas tarjetas, y en otros, las configuraciones de doble tarjeta exhiben más tartamudeo. En particular, muchas de las revisiones se centran en qué tan bien funciona el Titan X a 4K.
Por supuesto, no es probable que el principal rival de Nvidia en el competitivo mundo de los gráficos para PC se quede quieto: se rumorea ampliamente que AMD tiene su propia nueva tarjeta esperando en las alas.
Sin embargo, una vez más, lo que pensé que era más interesante acerca de la presentación del Titan X en la GPU Technology Conference (GTC) el martes fue el enfoque en usar el chip en aplicaciones de aprendizaje profundo, con el CEO de Nvidia, Jen-Hsun Huang, hablando sobre cómo los investigadores he descubierto que las técnicas de aprendizaje profundo pueden acelerarse dramáticamente usando GPU.
En particular, Huang habló sobre aplicaciones que van desde el reconocimiento de imágenes con la escritura automática de subtítulos hasta la investigación médica y los vehículos autónomos. El mercado automotriz fue el foco principal de Nvidia en el CES, ya que presentó su chip Tegra X1 y su solución Drive PX para la industria automotriz. La idea es aumentar los sistemas avanzados de asistencia al conductor (ADAS) existentes para que se vuelvan más y más inteligentes con el tiempo. "Creo que el Big Bang de los autos autónomos está por llegar en los próximos años". Dijo Huang.
Más tarde, el CEO de Tesla Motors, Elon Musk, se unió a Huang en el escenario de GTC para decir que el desarrollo de autos autónomos que en realidad son más seguros que los de humanos no está tan lejos. Musk dijo que las suites de sensores actuales en un Tesla ya son capaces de ofrecer funciones avanzadas de asistencia al conductor, pero la conducción autónoma en un entorno urbano a velocidades de 10 a 40 millas por hora requerirá más potencia de procesamiento. Aún así, dijo que la transición llevará mucho tiempo, ya que la flota de vehículos en la carretera es muy grande. "Es extraño que estemos tan cerca del advenimiento de la IA", dijo Musk. "Solo espero que nos quede algo que hacer los humanos".
El aprendizaje automático es diferente a la mayoría de las aplicaciones informáticas de alto rendimiento (HPC) en las que Nvidia ha estado impulsando sus aceleradores Tesla. Esas aplicaciones generalmente requieren punto flotante de doble precisión, mientras que las aplicaciones de aprendizaje profundo a menudo solo necesitan precisión simple. El Titan X solo ofrece precisión simple. Para aplicaciones de aprendizaje profundo, Nvidia ofrece un nuevo marco llamado DIGITS, los Sistemas de capacitación de GPU profunda para científicos de datos y un nuevo dispositivo de $ 15, 000 llamado DIGITS DevBox.
Mirando hacia el futuro, Huang dijo que la arquitectura de GPU Pascal, que debutará el próximo año, acelerará las aplicaciones de aprendizaje profundo diez veces más que la velocidad de sus procesadores Maxwell de generación actual. Esto viene de tres nuevas características: precisión mixta (más uso de punto flotante de 16 bits); 2.7 veces la capacidad de memoria con hasta 32 GB mediante el uso de memoria apilada en 3D con tres veces el ancho de banda de la memoria, y la interconexión NV Link que permite hasta ocho GPU de alta gama en un DevBox o estación de trabajo similar (en comparación con los cuatro Titan X GPU en el envío en mayo). No se dijo, pero es probable que los chips basados en esta arquitectura utilicen tecnología de proceso de próxima generación. Después de todo, los primeros chips de 28nm se introdujeron en 2011 y comenzaron a venderse en 2012, por lo que para el próximo año, espero ver chips gráficos discretos de 16nm o 14nm.
