JuzaPhoto utilizza cookies tecnici e cookies di terze parti per ottimizzare la navigazione e per rendere possibile il funzionamento della maggior parte delle pagine; ad esempio, è necessario l'utilizzo dei cookie per registarsi e fare il login (maggiori informazioni).
Proseguendo nella navigazione confermi di aver letto e accettato i Termini di utilizzo e Privacy e preso visione delle opzioni per la gestione dei cookie.
Puoi gestire in qualsiasi momento le tue preferenze cookie dalla pagina Preferenze Cookie, raggiugibile da qualsiasi pagina del sito tramite il link a fondo pagina, o direttamente tramite da qui:
Io resto sempre più convinto che Adobe supporti poche GPU per questi algoritmi, affidandosi nello specifico più che altro a core e tecnologie proprietarie peculiari di una data marca di schede (Nvidia). Secondo me, è meglio che allarghino e correggano il tiro...
“ arrivato a questo punto io non posso credere che un mac mini m1 sia più potente del pc con schede grafiche dedicate „
Ma infatti, ripeto che io con un laptop MSI con i7 12700k, 16 GB di RAM e nVidia RTX 3080 8 GB processo un file della R5 in 10-15 secondi, quindi sicuramente lì c'è qualcosa che non quadra a livello di preferenze del software o davvero un'ottimizzazione penosa delle GPU AMD
la funzione denoise AI di adobe usa massicciamente i tensor core delle RTX che sono processori estremamente specializzati in questa tipologia di calcoli. L'hardware amd non avendo equivalenti capacità in termini di potenza e/o efficienza offre prestazioni inferiori. con la mia 3060 TI processo un file della Z9 in 15 sec ed uno della z62 in 9.
L'architettura Turing ha introdotto un miglioria ai Tensor Core: è prevista l'operabilità con dati di tipo INT4 e INT8 per operazioni di inferenza che possono tollerare errori di quantizzazione. L'introduzione di questa novità consente di accelerare ulteriormente le applicazioni basate su Intelligenza Artificiale. Quindi, anziché usare molti CUDA Core e molti cicli di clock, per ottenere lo stesso task con Tensor Core occorre solamente un ciclo di clock e questo causa un drammatico incremento delle prestazioni. NVIDIA stima che lo stesso calcolo effettuato con Tensor Core risulta essere più veloce di circa 12 volte rispetto ai CUDA Core. Le applicazioni di Machine Learning hanno tratto un enorme vantaggio da questa nuova architettura ma, se ci spostiamo nell'ambito dell'High Performance Computing, questa architettura può avere alcune limitazioni.
Vuoi dire la tua? Per partecipare alla discussione iscriviti a JuzaPhoto, è semplice e gratuito!
Non solo: iscrivendoti potrai creare una tua pagina personale, pubblicare foto, ricevere commenti e sfruttare tutte le funzionalità di JuzaPhoto. Con oltre 243000 iscritti, c'è spazio per tutti, dal principiante al professionista.