Teknikens frammarsch är obönhörlig och ingenstans är detta mer sant än med grafikhårdvara. Varje år blir korten betydligt snabbare och ger en helt ny uppsättning akronymer för snygga grafiska trick. 

Om du tittar på de visuella inställningarna för PC-spel, kommer du att stöta på en ordsallad som innehåller så läckra nuggets som MSAA, FXAA, SMAA och WWJD . Okej, kanske inte den sista.

Om du är den lyckliga ägaren av ett nytt Nvidia GeForce RTX -kort kan du nu även välja att aktivera något som kallas DLSS . Det är en förkortning för Deep Learning Super Sampling och är en stor del av nästa generations hårdvarufunktioner som finns i Nvidia RTX- kort.

I skrivande stund har endast dessa kort den hårdvara som krävs för att köra DLSS :

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

Den specifika hårdvaran i fråga kallas en " Tensor "-kärna, där varje modell har olika antal av dessa specialiserade processorer.

Tensor-kärnor är designade för att påskynda maskininlärningsuppgifter, vilket DLSS är ett exempel på. Om du inte använder DLSS förblir^(DLSS) den delen av kortet inaktiv. Det betyder att du inte använder den fulla kapaciteten av din glänsande nya GPU om DLSS är tillgänglig, men förblir avstängd. 

Det finns dock mer än så. För att förstå vilket värde DLSS tillför^(DLSS) bordet måste vi kort gå in på några relaterade begrepp.

En snabb omväg till interna upplösningar och uppskalning^{(A Quick Detour Into Internal Resolutions & Upscaling)}

Moderna TV-apparater^{(Modern TVs)} och bildskärmar har en så kallad "native" upplösning^(resolution) . Det betyder helt enkelt att skärmen har ett visst antal fysiska pixlar. Om bilden du visar på den skärmen skiljer sig från den exakta ursprungliga upplösningen måste den "skalas" upp eller ner för att den ska passa. 

Så om du matar ut en HD-bild till en 4K-skärm^{(4K display)} , till exempel, kommer den att se ganska blockig och taggig ut. Precis som om du har zoomat in ett digitalt foto för långt. I praktiken ser dock HD-video bara bra ut på en 4K-TV, om än lite mindre skarp än inhemska 4K-bilder. Det beror på att TV:n har en hårdvara som kallas en "uppskalare" som bearbetar och filtrerar bilden med lägre upplösning för att se acceptabel ut.

Problemet är att kvaliteten på den uppskalande hårdvaran varierar kraftigt mellan skärmmärken och modeller. Det^(Which) är därför som GPU^(GPUs) :er ofta kommer med sin egen skalningsteknik.

De "proffs"-konsoler som är designade för att mata ut till en 4K-skärm presenterar den med en inbyggd 4K-bild, så att ingen skärmuppskalning sker alls. Detta innebär att utvecklarna av spel har fullständig kontroll över den slutliga bildkvaliteten. 

De flesta konsolspel renderas dock inte med en inbyggd 4K-upplösning. De har en lägre "intern" upplösning, vilket sätter mindre stress på GPU :n . Den bilden skalas sedan upp för att se så bra ut som möjligt på den högupplösta skärmen med hjälp av konsolens interna skalningsteknik.

I själva verket är DLSS en sofistikerad metod som renderar ett PC-spel med en lägre upplösning än den ursprungliga upplösningen och sedan använder DLSS- tekniken för att uppskala det för den anslutna skärmen. I teorin leder detta till en betydande prestationshöjning. 

Även om det låter mycket som vad som händer på 4K-konsoler, under huven är DLSS verkligen något speciellt. Allt tack vare "deep learning".

Vad handlar "Deep Learning"-biten om?^{(What’s The “Deep Learning” Bit About?)}

Deep learning är en maskininlärningsteknik som använder ett simulerat neuralt nät. Med andra ord, en digital approximation av hur nervcellerna i din hjärna lär sig och skapar lösningar på komplexa problem.

Det är tekniken som bland annat gör att datorer kan känna igen ansikten och låter robotar förstå och navigera i världen omkring dem. Det är också ansvarigt för de senaste strömmarna av djupförfalskningar^(deepfakes) . Det är den hemliga såsen av DLSS. 

Neurala nätverk kräver "träning" som i princip visar nätexemplen på hur något ska vara. Om du vill lära nätet hur man känner igen ett ansikte, visar du det miljontals ansikten och låter det lära sig egenskaperna och mönstren som utgör ett typiskt ansikte. Om den lär sig lektionen på rätt sätt kan du visa den vilken bild som helst med ett ansikte i den, och den kommer att välja ut den direkt.

Vad Nvidia har gjort är att träna sin mjukvara för djupinlärning på otroligt högupplösta bilder från spelen som stöder DLSS . Det neurala nätverket lär sig hur spelet "ska" se ut när det renderas med hjälp av grafikprestanda på superdatornivå.

Den tar sedan den lägre interna upplösningen och, i brist på ett bättre ord, "föreställer" sig hur det skulle ha sett ut om en mycket, mycket kraftfullare dator än din hade återgett scenen. Om det låter lite som svart magi för dig är du inte ensam!

När ska man använda DLSS^{(When To Use DLSS)}

Först^(First) och främst kan du bara använda DLSS i spel som stöder det, vilket är en lista som växer snabbt, tack och lov. Varje titel har också sina egna krav för DLSS , som att rendera med en lägsta upplösning, eftersom det är det neurala nätet har tränats på.

Den stora hjärnan hos Nvidia slutar dock inte lära sig och DLSS -funktionen på ditt kort kommer att fortsätta få uppdateringar, utöka stödet per titel och kvalitet.

Det bästa sättet att ta reda på om du ska använda DLSS i dina spel är att öga på resultatet. Jämför det med traditionell uppskalning eller kantutjämning för att se vilket som är trevligast. Prestanda är också en viktig avgörande faktor. Om du siktar på 60 bilder per sekund, men inte kan komma dit, är DLSS ett bra val.

Men om du får höga bildfrekvenser kan DLSS faktiskt sakta ner saker och ting. Det beror på att tensorkärnorna behöver en fast tid för att bearbeta varje bildruta. Just nu kan de inte göra det tillräckligt snabbt för spel med hög bildfrekvens.

I grund och botten är DLSS mest användbart när du använder en högupplöst skärm (t.ex. 4K, ultrawide eller 1440p-upplösningar) med en målbildhastighet på cirka 60 bilder per sekund. Det är också otroligt användbart när du aktiverar det andra huvudpartytricket med RTX- kort – ray tracing. DLSS kan kompensera prestandaförlusten av strålspårning ganska bra, med ett slutresultat som ibland är spektakulärt.

Det är det minsta du behöver veta innan du bestämmer dig för att gå med DLSS eller inte. Kom bara^(Just) ihåg att den här tekniken förändras snabbt, så om du inte gillar resultaten idag, kom tillbaka om några månader och du kan bara bli helt överväldigad till slut.

What Is DLSS and Should You Use It In Games

The march of technology is inexorable and nowherе is this more true than with graphicѕ hardware. Every yeаr cards get significantly faster and bring a whole new set of acronyms for fancу graphical 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

• Använd GBoost för att öka spelprestanda i Windows 10 PC

• Ladda ner Tencent Gaming Buddy PUBG Mobile emulator för PC

• Hur man aktiverar virtualisering i MSI Gaming Plus Max B450

• Hur man optimerar en Windows-dator för onlinespel

• 6 bästa Public Domain-videospel att spela gratis nu

• 3 bästa spel för din RTX Ray Tracing GPU

• 5 webbplatser för att hitta videospel i begränsad upplaga och specialutgåvor till salu

• Hur man växlar mellan spellägen i Minecraft

• 10 bästa Nintendo Switch Retro-spel

• Hur man delar spel på Steam

• De 7 bästa PlayStation VR-spelen

• Mysiga spel att spela på Nintendo Switch

• De bästa SNES-emulatorerna för att spela spel online

• 8 bästa FPS webbläsarspel du kan spela online nu

• 10 bästa ickevåldsspel för PC, Xbox, PlayStation

• Hur man hittar och spelar 1980- och 1990-tals konsolspel på din dator

• 10 bästa gratis VR-spel du kan spela nu

• De 7 sällsynta N64-spelen

• De 7 bästa GameCube-spelen genom tiderna

• 3 Discord-spel för spel- och animefans