A ideia desta curta reflexão material nasceu de um fato estranho. No processo de otimização do Premiere Pro e After Effects, e já depois que saí ASUS TUF GeForce RTX 3090 24 GB (a revisão foi feita pelo meu colega Denys Zaichenko aqui) Aprendi que com a atualização mais recente, a capacidade de otimizar o programa para processadores multi-core - para distribuir a renderização entre os threads da CPU - desapareceu.
Isso foi explicado pelo fato de que a Adobe está lenta mas seguramente passando da otimização da CPU para a otimização da GPU. Isso, se houver, é chamado de GPGPU ou GPU de uso geral. E pode haver grandes problemas com otimização para este caso, mesmo se você tiver Intel Xe Graphics, embora ASUS RTX3090 24GB!
Noções básicas de GPGPU
Parece que não deveria haver problemas - porque a GPU na versão moderna consiste nos chamados processadores de fluxo. EM NVIDIA eles são chamados de kernels CUDA, por exemplo. E esses processadores funcionam com o mesmo princípio dos núcleos de uma CPU normal.
A diferença de poder. Os núcleos da CPU têm poder de computação significativo, mas um número pequeno, mesmo considerando o multithreading. E os núcleos da GPU, embora sejam pequenos em potência, são capazes de realizar uma determinada tarefa. E, ao mesmo tempo, existem centenas de vezes mais deles. Se não milhares.
Material de vídeo sobre GPGPU
Não quer ler? Assista o vídeo:
Aceleraçao do hardware
E, digamos, no Premiere Pro, o processamento de efeitos Lumetri no processador - e mais, simples codificação-decodificação H264 - leva muito tempo. E isso é normal, diferentes tarefas para diferentes ferros são realizadas com diferentes eficiências. Na verdade, mesmo um minúsculo acelerador de hardware de processamento de vídeo no iGPU faz verdadeiros milagres, alterando a velocidade de renderização às vezes várias vezes!
E tendo em vista o crescente poder da GPU - digamos, em ASUS O TUF RTX 3090 tem até 24 gigabytes de memória de vídeo e mais de dez mil núcleos CUDA - é bastante lógico que os aplicativos sejam otimizados para esse trabalho.
Sob dezenas de milhares de pequenos trabalhadores que paralelizam o trabalho, removendo a carga da CPU. Mas a pergunta. A placa de vídeo está pegando muito? Percebi que ao renderizar efeitos pesados, transições e simplesmente mudar a imagem com meios adicionais, o computador começou a ficar lento.
A memória da placa de vídeo estava zerada, o processador quase não participou da renderização... assim como a RAM. E a nuance é que tenho 128 GB de RAM.
E, por exemplo, no Premiere Pro, metade da RAM está ociosa, o processador está meio ocupado, o decodificador-codificador está completamente relaxado, mas a VRAM está travada e o desempenho é quase zero.
Trabalho conjunto
O pior acontece ao renderizar um projeto com peças mistas - composições vinculadas do After Effects, por exemplo. É aí que a memória de vídeo vai para zero quase imediatamente, sem aviso. E para aumentar a velocidade de renderização, é necessário fechar todos os aplicativos que consomem VRAM. Como o mesmo Premiere Pro e After Effects! E deixe, digamos, apenas o Media Encoder.
E! Um foco importante não é levado em consideração. Digamos que o After Effects também coma RAM e para ambas as bochechas. MAS! Ele sabe como drenar o cache! Libere memória para outros aplicativos. Mas nenhum programa funciona assim com memória de vídeo! A memória é bloqueada ou liberada após o fechamento do projeto.
E sim, a VRAM é definitivamente mais rápida que a DRAM e, às vezes, muito. No entanto, nas análises do Transcend, e não apenas repeti - para tarefas de trabalho, muita memória lenta é melhor do que um minúsculo pedaço de memória super-rápida.
Se o programa souber apenas entupir a memória, mas não liberá-la da maneira mais eficiente possível, a velocidade da memória não ajudará. E descobri que tenho um monte de RAM no meu PC para o Adobe Creative Suite... o que seria bom usar para renderização.
Leia também: Revisão do laptop ASUS ROG Zephyrus G14 2021: Encantado, mas sem efeito uau
Mas não - ele depende quase inteiramente do infeliz GTX 1080 Ti, onde a quantidade de memória é mais de DEZ VEZES menor! E você pode dizer, eles dizem, existem, por assim dizer, o mesmo RTX, como o mesmo modelo ASUS TUF RTX 3090 puxando NVLink com pooling de memória! Mas aqui novamente há uma nuance.
Pelo preço de duas RTX 3090, ou seja, por 2x R$ 2000. (MSRP não é mais contado, não corresponde à realidade moderna) temos... 24 GB de memória. Além do mais, não é um fato que possa ser usado para renderização! Sim, alguns programas implementam essa funcionalidade. Principalmente – modelagem e cálculos científicos. E as configurações lá são simplesmente terríveis.
E por $ 4000, podemos preencher todos os canais de memória com matrizes DDR4 ECC AMD Threadripper! 256 GB será o pior caso! E também com correção de erros, que o RTX 3090 não possui.
A única razão que posso ver que pode impedi-lo de otimizar a GPU como uma computação e a RAM como um buffer é que a latência entre a RAM e a placa gráfica seria muito alta para substituir os bônus de volume. Por outro lado, a falta de VRAM ainda atrasa o processo. E você pode pelo menos adicionar RAM, se tanto!
resultados GPGPU
Este é o perigo. Mesmo se você tiver ASUS TUF RTX 3090, que você comprou especificamente para tarefas GPGPU, ainda pode encontrar um gargalo evitável. Se os programas usaram mais RAM em vez de VRAM. Não consigo ver como isso pode ser mudado - mas se a tendência continuar, será um futuro realmente sem saída.
Preços para ASUS TUF RTX 3090 24 GB
- Soquete
- Todas as lojas
