Diit.cz - Novinky a informace o hardware, software a internetu

Diskuse k Rozbor snímku jádra Navi 10

Hezké, jsem zvědavej jak moc se bude lišit nějaká detailnější rozborka, ale i tak to muselo dát práci (přemýšlet).

+1
+11
-1
Je komentář přínosný?

Moc dekuji za zverejneni tohoto claku. Hlasoval jsem pro nej v ankete pred svatky, ale vubec mi nevadi ze vysel pozdeji, hlavne ze vysel ;-)

+1
+7
-1
Je komentář přínosný?

Též jsem hlasoval pro tento rozbor a připojuji se k poděkování.

+1
+2
-1
Je komentář přínosný?

Já bych řekl, že tenhle článek uzrál tak akorát :). Za mě plus, dobře se to čte, pěkně se to prohlíží, parádní práce. Takových už se dneska na netu moc nevidí.

+1
+11
-1
Je komentář přínosný?

S tou AI bych to nepřeháněl. Když se člověk podrobně podívá tak zjistí že si v těch detailech dost vymýšlela věci které v procesoru evidentně nebyly (různé šikmo hrbaté struktury odpovídající spíš zbořenině zdí než hranatým obrysům jádra). I když z dálky to vypadá o dost líp... Evidentě by to chtělo tu AI nejprve naučit "čistě na jádra procesorů"..

+1
+3
-1
Je komentář přínosný?

No…

1. Jde o zvětšení na šestnáctinásobek(!) původní plochy. To znamená, že každého jpeg kompresí zkresleného pixelu vznikne celkem 16 pixelů s nějakou kresbou. Je někde dostupná aplikace, která zvládne lepší výsledek než tento? Pokud ano, pak by mě zajímala. Pokud ne (a stávající postup je nejlepší), pak je podle mého mínění pozitivní hodnocení na místě.

2. Původní snímek má velmi nízký kontrast a je velmi poškozený kompresí. Je logické, že detaily, které nebyla na původním snímku ani před kompresí, už se získat nedají.

3. Zatímco rozborů původního GCN, Polaris a Vegy jsou na webu desítky, do snímku Navi nikdo nešel. On totiž v originální podobě vypadá tak špatně, že to nejspíš každého odradilo. Pokud ale existují algoritmy, které ho upraví do té podoby, že z něj lze vykoukat vše potřebné a rozbor udělat, pak bych je rozhodně nekritizoval.

+1
+8
-1
Je komentář přínosný?

Tada jde spiše o slovíčka. Jak jsi správně podotkl (2), co se jednou smaže, to už se obnovit nedá. Nicméně nazývat aplikaci metody, která zvýrazní hrany, umělou inteligencí je trochu přehnané.
Umělá inteligence by si měla umět najít na webu (nebo ve své databázi) vzory těch bloků (paměť, řadič, výpočetní blok) a měla by je na tom obrázku sama vyhledat (třeba nějakou korelací) a označit.

+1
+3
-1
Je komentář přínosný?

Algoritmy na bázi strojového učení patří pod obor umělé inteligence. Dále pak nejde o metodu, která zvýrazní hrany. Každý si může originální snímek stáhnout a vyzkoušet na něm libovolné metody zvýraznění hran, aby zjistil, že s nimi nedosáhne ani vzdáleně podobného výsledku.

+1
+4
-1
Je komentář přínosný?

Ve výsledku to ale neudělao to co mělo, tj nedokázalo si to "domyslet" že jde o obloky v procesoru a místo toho to tam vkládalo něco co odpovídá spíše zdem budov, tam kde čtverec jpegu se sousedním vytvořil uměle schodek to udělalo šikmou plochu atd. A to je to co jsem psal (nevím proč hned ta hysterická reakce). Často to prostě doplnilo nesmysly.
To že to bylo z mizerného podkladu a výsledek vypadá hezky přece nemá nic společného s tím že ta metoda dělá nesmyslné chyby.

+1
0
-1
Je komentář přínosný?

Z kybernetiky víme, že tam kde informace o obrazu chybí, tam nepomůže nic. Prostě ztrátová komprese prostě informace o obrazu ztrácí. AI sice pomůže "domyslet si" chybějící informace (tak jako lidský mozek), jenže otázka je zda to odpovídá skutečnosti. Dost o tom pochybuji. Ostatně se to dá vyzkoušet na nějaké hi-res fotce čipu, downscalovat, zrekonstruovat a pak porovnat.

Při astro fotografii se při rekonstrukci (nízké rozlišení, atmo deformace, optické chyby, hi-iso šum) dost používají sekvence snímků nebo rovnou kamery. Jenže z několika tisíc snímků se dají ty dodatečné informace dostat/dopočítat. To je dle zákonů informatiky OK. U jednoho snímku o tom dost pochybuji.

+1
+5
-1
Je komentář přínosný?

Jaká hysterická reakce? Reaguji na poznámky v příspěvku a přijde mi, že věcně.

„Ve výsledku to ale neudělao to co mělo“

Z mého pohledu to udělalo, co mělo. Možná by se dalo říct, že nějaký člověk má nějakou představu o fungování nějakého algoritmu a já jsem použil jiný, který funguje úplně jinak, takže to nenaplnilo jednu konkrétní představu a vyvolalo odezvu v podobě kritiky.

„že ta metoda dělá nesmyslné chyby.“

Budu se opakovat. Metoda splnila, co se od ní očekávalo. Tato metoda (mám vyzkoušeno) dává pro podobné situace nejlepší výsledky. Nesrovnatelně lepší než jiné, které jsem vyzkoušel. Pokud je tedy řeč o hysterii, spíše mi přijde, že někteří lidé mají tendenci být z principu kritičtí k AI algoritmům, zatímco klasické filtry - ač dávají řádově horší výsledky - kritice nepodrobují. Jaký smysl má kritizovat pro danou situaci objektivně nejlepší metodu, když všechny ostatní jsou horší - a tyto horší přitom kritice nepodrobit?

+1
+3
-1
Je komentář přínosný?

kdyby to skutečně dělalo to co má tak tam "domaluje" struktury, které odpovídají tvarem těm reálným. A to by i snad dokázalo, kdyby to AI mělo nějaké odpovídající podklady ze kterých by se to naučilo, tohle prostě skutečně spíš připomíná nějaký algoritmus typu "lepší zaostření".

+1
-1
-1
Je komentář přínosný?

"Výpočetní fotografie má zkrátka potenciál a do budoucna si lze představit i to, že např. procesory v televizích (případně s použitím cloudu) budou schopné video ve FullHD rozlišení převést na velmi slušně vypadající 8k."

Ono kdybys tam nehodil tuhle s prominutim debilni poznamku, tak by treba nikdo nereagoval.
Jiste s tebou muzeme souhlasit, ze algoritmus vytazeni hran odvedl paradni praci a mohl diky tomu vzniknout zajimavy clanek, ale ten zazracny potencial, ten tam vidis asi jen ty.
Za clanek dik. Je videt u AMD pokrok, uz jen pridat RT jednotky a ono to treba nejak pujde. :-)

+1
-2
-1
Je komentář přínosný?

No-x: Když to máš vyzkoušeno, tak třeba já bych rád viděl praktickou ukázku, kdy vezmeš hi-res fotku třeba Zenu, zmenšíš 4x a opět zvětšíš pomocí této AI metody. Myslím, že nejsem sám kdo by rád viděl co to opravdu dovede a jestli si to nevymýšlí něco co tam není.

+1
+3
-1
Je komentář přínosný?

Souhlas. Bez ohledu na kritiky této metody by to bylo určitě zajímavé.
Ta technika je zajímavá už jen jako experimentální a třeba časem s potřebnou péči noXe vyzraje ještě více.
Samozřejmě nejtěžší bude natrénovat (je-li to vůbec možné) architektonické změny, které jsou novinkou. S takovými si podle mě žádná neuronová síť jen tak neporadí. Tedy pokud nebude mít (třeba) k dispozici hypotetické vzory uspořádání/tvarů budoucích, které by náhodou mohly odpovídat právě těmto novým (nebo nově pojatým) arch. prvkům.
Ale to už je ode mě příliš mnoho spekulací a vaření z vody.
Každopádně velmi zajímavý článek a i pro laika jako já dobře stravitelný. Díky *thumbsup*

+1
0
-1
Je komentář přínosný?

Jak bylo zmíněno v předchozím článku, jde o jeden ze široce dostupných algoritmů, já jsem pouze uživatel, který si několik možností vyzkoušel a jednu zvolil.

+1
0
-1
Je komentář přínosný?

Možná se mi to nedaří optimálním způsobem vysvětlit, ale tady nejde o vymýšlí / nevymýšlí, tady jde o typ algoritmu. Výše někdo argumentoval, že by algoritmus měl vycházet z nějakých obrázků čipů, které si najde na webu, což je samozřejmě nežádoucí. V okamžiku, kdy bude algoritmus operovat na základě „zkušeností“ s nějakými předchozími architekturami, bude mít tendenci obraz rekonstruovat podle existujících architektur a logicky bude do obrazu vnášet prvky existující v těchto architekturách, což je špatně, protože to vytváří faktické zkreslení.

V okamžiku, kdy je použit algoritmus, který pracuje graficky, tedy na základě jpeg artefaktu zrekonstruuje, jak detail mohl vypadat než ho zkreslila jpeg komprese a poté obraz zvětší na základě „zkušenosti“ natrénované na obrazu v původním rozlišení a obrazu zmenšeném, sice v případě vysoké komprese a nízké kvality vstupu mohou vzniknout určité artefakty, ale jde o obrazové artefakty, nikoli dokreslení architektonického prvku, který v čipu ve skutečnosti není a algoritmus ho tam přidal, protože tam bylo na základě zkušenosti s jinými čipy něco podobného.

+1
-2
-1
Je komentář přínosný?

"V okamžiku, kdy bude algoritmus operovat na základě „zkušeností“ s nějakými předchozími architekturami, bude mít tendenci obraz rekonstruovat podle existujících architektur a logicky bude do obrazu vnášet prvky existující v těchto architekturách, což je špatně, protože to vytváří faktické zkreslení."
No teď jsi tomu dal korunu... Podle čeho jiného ta AI má jako "domyslet" chybějící tvar než podle existujících tvarů v jádře procesoru :0))))))

+1
+1
-1
Je komentář přínosný?

Stejně jako já jste nepochopil původní sdělení - AI použitá na zpracování fotografie je zaměřená na odhad původního obrazu před kompresí, nikoliv na rozpoznání jednotlivých částí čipu, nebo na doplnění původních sekcí čipu.
Ten algoritmus prostě opravuje snímky po kompresi, nic víc.

+1
0
-1
Je komentář přínosný?

Jak už jsem psal výše, jde jen o to, zda toto můžeme nazvat umělou inteligencí. Překladače, korektory mluvnice a různé prediktory dělají mnohem složitější práci, ale pořád je to jen pevně nastavený kód a jediné co ho může vylepšit, je více dat do databáze. Sám od sebe si žádný nový algoritmus nevymyslí, tak bych to umělou inteligencí nenazýval, i když marketingoví kreativci budou jiného názoru. To samé platí o tomto algoritmu. Jak píše NoX, svoji práci to dělá dobře, ale fakt tam nemůže dodat to, co v původním obrázku není.

+1
+3
-1
Je komentář přínosný?

"Sám od sebe si žádný nový algoritmus nevymyslí, tak bych to umělou inteligencí nenazýval"

Umělá inteligence naštěstí není definovaná vymýšlením nebo nevymýšlením nových algoritmů. A ne, nemá to nic společného s "marketingovými kreativci".

+1
-2
-1
Je komentář přínosný?

No, tak Turingovým testem by to asi neprošlo, že jo :D
Strojové učení je přesnější ve všech ohledech, než pojem AI.

+1
+1
-1
Je komentář přínosný?

"je zaměřená na odhad původního obrazu před kompresí"
A já snad někde tvrdím něco jiného? Jenže aby ten algoritmus dokázal odhadnout odpovídající tvar před kompresí nesmí být "naučený" na tvary skal a zbořenin namísto tvary detailů procesoru...

+1
0
-1
Je komentář přínosný?

Však já to chápu. Jenže AI, nebo-li neuronové sítě, umí obé, jak eliminovat artefakty tak si i vymýšlet. Záleží na čem se ta síť vytrénuje a jak je složitá.

Nechceš o tom udělat nějaký krátký článek? Když si spočítáš čas dohadováním se tady v diskusi, tak bys možná měl ten článek hotový za kratší čas a bez hádek. Já osobně bych rád viděl co to všechno umí a kde jsou limity toho algoritmu. A podle vášnivých reakcí tady v diskusi si myslím že to bude zajímavé i pro spoustu ostatních lidí.

+1
0
-1
Je komentář přínosný?

Domnívám se, že jde o poměrně zásadní nepochopení fungovaní machine learning nebo špatnou formulaci myšlenek. Je opravdu žádoucí, aby se (v tomhle případě asi vhodná) neuronová síť trénovala na obrázcích čipů. A ne, není cílem doplňovat celé bloky existujících architektur. Proto je podstatné, jak budou trénovancí data předzpracována a jaká neuronová síť se použije! ... Cílem je samozřejmě zvýraznění reálných struktur oproti artefaktům. Teď si představte, že chcete, aby síť poznala, co je artefakt a vhodně ho nahradila něčím, co tam "mohlo být". K tomu ji budete chtít trénovat na sadě dvojic segmentů obrazu "v plné kvalitě" a "po zmršení". Pokud to budou segmenty z náhodných obrázků, výsledkem bude, že síť bude (zjednodušeně) rekonstruovat na místo artefaktů všechno možné, co v té sadě viděla (gradienty, různě ohraničené plochy). Pokud budou segmenty z obrázků čipů, tak bude mít tendenci rekonstruovat vhodné pravouhlé struktury s určitou vhodnou texturou. Výsledkem pro nás bude fotografie s menším množstvím do očí bijících artefaktů, které neodpovídají fotografii čipu.

+1
0
-1
Je komentář přínosný?

A pokud by chtěl někdo tvrdit, že se nebavíme o žádných neuronových sítích, ale o nějakém "šikovném algoritmu" - tj. předpisu, který je zřejmý a rozumíme, co všechny jeho kroky přesně dělají, tak se nejedná o ML ani AI. :-)

+1
+2
-1
Je komentář přínosný?

Reakce NEbyla hysterická. Jen čtenáři DIITu se těžko ztotožňují s faktem že pěkně namalovaná fixe je pro většinu lidí přijatelnější než jpegem postihnutá realita.
Což je pochvala všech zde. Čtenářů i autorů. Snad to všichni pochopí správně. Nikdo se neurazí. A nevznikne hysterie.

Prostě pěkný domeček namalovaný pomocí AI je hezčí než původní strom deformován kompresí. Mně to je proti srsti, ale většina lidí to přijme jako realitu.

+1
-1
-1
Je komentář přínosný?

Jee, tady v diskuzi je ale odborníků :-). Dobrý článek, díky!

+1
+3
-1
Je komentář přínosný?

Najde na snímku někdo (jedno jestli člověk nebo stroj) jednotky pro raytracing? Nebo budou softwarové. Stejně jako u nVidie?
Nebo to je nafouknutá bublina, která splaskne?

+1
0
-1
Je komentář přínosný?

V Navi10 nejsou a nebyly jednotky pro raytracing...

+1
0
-1
Je komentář přínosný?

Navi 10 zadnou podporu, jak pise Mittar nema. To by mela prinest Navi 21

+1
0
-1
Je komentář přínosný?

Díky za info.

+1
0
-1
Je komentář přínosný?

Pekny clanek. Diky
Jinak tu pletete AI a DP s tim co delal no-X.Coz bylo neco co s ani jedni z tech dvou nema moc spolecneho. Pokud no-X pouzil jak sam pise dostupny a na dany snimek nejlepsi SW, tak mu to verim uz jen proto ,ze se zajima o fotografie.
Dalsi vec je ,ze pokud se podivate na snimky chipu na 7nm a na 7nm EUV, tak pochopite ,ze to po doma asi opravdu lepe udelat neslo. Jen se divim ,ze se s tim vubec nekdo delal pro takove nevdecniky jako jste Vy.

+1
+5
-1
Je komentář přínosný?

Je hezké, jak se z prostředního bloku dá rozšiřovat celé gpu....

+1
0
-1
Je komentář přínosný?

akorát ten prostředek by se taky musel zvětšit, více CU bez cache atp by přece jen nedělalo dobrotu ;-)

+1
0
-1
Je komentář přínosný?

Pro psaní komentářů se, prosím, přihlaste nebo registrujte.