DirectML: Alt om den kunstige intelligens-revolution i Windows og spil

Sidste ændring: 26/05/2025
Forfatter: Isaac
  • DirectML giver dig mulighed for at accelerere opgaver IA Brug af GPU'ers og NPU'ers kraft i Windows
  • API'en understøtter flere mærker og er integreret i førende applikationer og spil
  • Det tilbyder et åbent alternativ til proprietære teknologier som DLSS, hvilket bringer avanceret AI tættere på

directml

I de senere år har maskinlæring og kunstig intelligens fået en stadig mere fremtrædende rolle i teknologiens verden, især inden for spil, kreativ software og Windows-operativsystemet. Men selvom udtryk som DLSS, ray tracing og hardwareacceleration har vundet frem i et stykke tid, er der en nøglekomponent, der forbinder hele denne mekanisme i Microsofts økosystem: DirectML . Hvis du nogensinde har spekuleret på, hvad DirectML er, hvad det bruges til, og hvordan det er ved at blive den hemmelige motor bag mange aktuelle innovationer, er her den mest omfattende og opdaterede forklaring.

DirectML er ikke bare et buzzword; det er en essentiel teknologi designet til at frigøre det fulde potentiale af moderne GPU'er og NPU'er inden for kunstig intelligens og maskinlæringsopgaver, hvad enten det er i næste generations videospil, multimedieredigeringsapps eller avancerede Windows-funktioner. At forstå DirectML i dag betyder at forstå en betydelig del af den teknologiske revolution , der finder sted i pc'er, konsoller og Windows-enheder.

Hvad er DirectML, og hvorfor er det vigtigt?

DirectML (Direct Machine Learning) er en lavniveau-API, der er skabt af Microsoft specifikt for at accelerere maskinlæringsopgaver på Windows-systemer, der bruger DirectX 12-standarden. Det er et bibliotek, der giver udviklere mulighed for at udnytte kraften i grafikprocessorer (GPU'er) og ikke-processorer (NPU'er) til effektivt at køre kunstig intelligens-modeller. Denne API er ikke kun beregnet til spiludvikling, men også til alle typer applikationer, motorer, middleware og miljøer, der kræver avancerede maskinlæringsfunktioner.

Begrundelsen for DirectML ligger i integrationen og accelerationen af ​​kunstig intelligens i Windows-økosystemet . Det giver komplekse algoritmer mulighed for at udnytte den enorme parallelisme og computerkraft, der tilbydes af moderne GPU'er og, for nylig, de NPU'er, der er indbygget i mange nuværende systemer, i stedet for udelukkende at stole på den centrale processorenhed (CPU). Dette gør opgaver som billedbehandling, grafikforbedring, prædiktiv modelacceleration og avanceret opgaveautomatisering betydeligt hurtigere, mere effektive og mere tilgængelige for en bredere vifte af brugere og udviklere.

Hvordan fungerer DirectML i Windows-miljøet?

directml

DirectML fungerer som en bro mellem maskinlæringsframeworks (såsom TensorFlow eller PyTorch) og DirectX 12-kompatibel hardware . Implementeringen er dybt integreret i Windows 10 siden version 1903 (build 10.0.18362) og i Windows 11 , hvilket gør det nemt for enhver kompatibel applikation at drage fordel af denne hardwareacceleration.

Den store fordel ved DirectML er, at det tilbyder en ensartet og simpel API til udviklere, der kan oprette og implementere AI-inferensmodeller på tværs af en bred vifte af enheder og arkitekturer . Uanset om vi taler om GPU'er fra AMD, Intel , NVIDIA , Qualcomm eller dedikerede NPU'er, er DirectMLs mål at forene kald og muliggøre maksimal tilgængelig ydeevne. Ved at bruge DirectX 12 som fundament giver det dig mulighed for fuldt ud at udnytte din grafikhardware med meget lav latenstid og uovertruffen effektivitet til opgaver som billed-supersampling, mønstergenkendelse og automatisk multimedieklassificering.

I praksis er DirectML blevet standarden for acceleration af AI-frameworks på Windows . Microsoft promoverer det som en integrationskanal, især til brug med ONNX Runtime (et runtime-miljø til standard AI-modeller), TensorFlow og PyTorch, hvilket giver applikationer og spil mulighed for at opnå vigtige forbedringer i hastighed og processorkraft uden at være afhængige af specifik hardware fra et enkelt mærke.

  Minecraft Education virker ikke på MacBook Pro 2012: årsager og løsninger

Brug af DirectML i praksis: aktuelle anvendelser og eksempler

DirectML er langt fra en teoretisk teknologi, men bruges allerede i adskillige kreative og professionelle løsninger, især i de nye Windows Copilot+ pc'er . Disse enheder, der er udstyret med avancerede arkitekturer med den nyeste generation af NPU'er og GPU'er, udnytter DirectMLs muligheder fuldt ud til at udføre intelligente opgaver lokalt og med ultraeffektivitet.

Blandt de applikationer, der allerede har integreret DirectML, er nogle sværvægtere inden for kreativ og produktivitetssoftware:

  • Adobe Premiere ProBruger DirectML til automatisk tagging af lydklip, der øjeblikkeligt klassificerer hver fil baseret på dens art (musik, dialog, effekter, atmosfære), hvilket fremskynder redigeringen betydeligt.
  • Capture Onehar indarbejdet to AI-forbedrede funktioner med DirectML, såsom Match Look og AI Crop, hvilket gør det nemmere for fotografer og kreative at arbejde uden at miste præcision.
  • Affinitetsbillede 2Udnytter DirectML og Qualcomm Hexagon NPU til automatisk valg af objekter og motiver i fotografering, hvilket eliminerer behovet for manuel maskering og gør redigering meget mere effektiv.

Inden for spilsektoren har DirectML været nøglen til forskning og udvikling af teknikker som intelligent supersampling og forbedring af grafikydeevne uden at gå på kompromis med kvaliteten. For eksempel, da Microsoft afslørede Xbox Series X|S, blev DirectML af udviklere identificeret som en af ​​konsollens største styrker, der muliggjorde radikale forbedringer af ydeevnen gennem teknikker som "ML-superopløsning", overførsel af grafikstil og udvikling af nye spiloplevelser.

DirectMLs forhold til Ray Tracing, DLSS og konkurrenterne

Et af de oftest stillede spørgsmål er, om DirectML konkurrerer direkte med teknologier som NVIDIAs DLSS, eller om det er et alternativ til ray tracing . Det korte svar er, at DirectML og DLSS, selvom de deler visse mål (forbedring af kvalitet og ydeevne i videospil gennem AI), ikke er helt det samme.

DLSS (Deep Learning Super Sampling) er en proprietær NVIDIA-teknologi , der bruger deep learning til at generere billeder med højere opløsning fra færre pixels gengivet af GPU'en, hvilket forbedrer FPS og visuel kvalitet. Selvom det kun er tilgængeligt for RTX-kort, er konceptet bag DLSS baseret på maskinlæringsteknikker, som Microsoft også søger at demokratisere gennem DirectML.

DirectML er på sin side en åben API integreret i Windows til al DirectX 12-kompatibel hardware . Det giver udviklere adgang til en række AI-accelerationsfunktioner, lige fra intelligent billedopskalering (Super Resolution) til spilmotoroptimering, teksturgenerering, talegenkendelse og automatisk billedforbedring. Derfor kan AMD, Intel og NVIDIA alle bruge DirectML, hvilket åbner døren for alternativer til DLSS på platforme som AMD GPU'er med Radeon ML og lignende teknologier.

Ray tracing og AI går også hånd i hånd takket være DirectML . Med ankomsten af ​​DirectX 12 Ultimate arbejder teknologier som DXR (DirectX Ray Tracing) og DirectML sammen, så udviklere kan få adgang til både realistisk lysstrålesimulering og AI anvendt på grafik, hvilket genererer mere realistiske, hurtigere og mere effektive billeder.

For eksempel har AMD arbejdet på løsninger som DirectML Super Resolution , der muliggør intelligent opskalering (opgradering af et 540p-billede til skarpt 4K, samtidig med at aliasing reduceres) på sine RX 6000- og Xbox-kort, i overensstemmelse med en åben og multiplatformsfilosofi, der konkurrerer med DLSS, men ikke er begrænset til en enkelt producent.

  Fejlfinding af kompatibilitetsproblemer med ældre software i Windows 11

DirectML-integration i hardware: NPU'er, GPU'er og den næste generation af pc'er

Den mest betydningsfulde nylige udvikling er integrationen af ​​DirectML, ikke kun i GPU'er, men også i NPU'er (Neural Processing Units) . Indtil nu blev DirectML primært brugt til at udnytte kraften i grafikkort fra AMD, NVIDIA og Intel. Men med ankomsten af ​​Intel Core Ultra- processorer (Meteor Lake) og deres AI Boost NPU, sammen med Samsung-partnerskabet, er DirectML blevet udvidet til at udnytte chips, der udelukkende er dedikeret til AI-opgaver i pc'en, fuldt ud.

Dette repræsenterer en revolution sammenlignet med den tidligere udelukkende afhængighed af GPU'en . Nu kan opgaver som sprogmodelinferens, realtidsanalyse og multimedieklassificering outsources til disse NPU'er, hvilket frigør endnu flere ressourcer og forbedrer strømeffektiviteten. Support er i første omgang kommet på Intel- og Samsung -bærbare computere, der kører Windows 11, hvilket kræver en kombination af softwarekomponenter (DirectML 1.31.1, NuGet, ONNX Runtime 1.17 og opdaterede Intel -drivere ) for at fungere korrekt.

Selvom AMDs Ryzen AI-understøttelse i øjeblikket er begrænset, er det tydeligt, at branchen bevæger sig mod større DirectML-integration på tværs af alle typer hardware. Microsofts mål er at sikre, at ingen udviklere eller brugere lades i stikken i AI-revolutionen, og i den nærmeste fremtid forventes den nye Ryzen 8040-serie at inkludere avanceret DirectML-understøttelse og dens NPU-accelerationsfunktioner.

Sammenligning af GPU-ydeevne og optimering: Hvornår er DirectML det værd?

Et af de mest diskuterede emner vedrørende DirectML er dens faktiske ydeevne sammenlignet med andre native GPU-løsninger . Ifølge tests udført på forskellige systemer, for eksempel ved hjælp af TensorFlow og DirectML i Windows Subsystem for Linux (WSL), kan udførelsestiden variere betydeligt afhængigt af den anvendte GPU og drivere.

For eksempel tog testen cirka 139 sekunder på et system med en Ryzen 3600-processor og et AMD RX 6600 XT-grafikkort, mens tiden var 97 sekunder på et Nvidia RTX 3060 med native drivere. Dette viser, at selvom DirectML er et kraftfuldt og fleksibelt værktøj, kan der stadig være situationer, hvor den rene ydeevne af en native driver (især på NVIDIA-kort) er bedre. Forskellen har dog en tendens til at mindskes med hver opdatering og udvidelse af DirectML-understøttelse, især på AMD-hardware eller i scenarier, hvor kompatibilitet på tværs af platforme og adgang til intelligente funktioner fra standard AI-frameworks prioriteres.

Det er ikke altid en god idé at bruge DirectML, især i disse tilfælde:

  • Hvis du har en meget kraftfuld GPU, men ingen DirectML-understøttelse, kan den indbyggede driver muligvis tilbyde bedre ydeevne.
  • Til ekstremt komplekse og specifikke maskinlæringsopgaver kan du have brug for mere specialiserede løsninger eller biblioteker, der er optimeret direkte til din hardware.
  • Hvis din udvikling ikke kræver AI eller ML, tilbyder DirectML ingen merværdi, og du kan vælge andre værktøjer, der er skræddersyet til din arbejdsgang.

Nuværende fordele og begrænsninger ved DirectML

Blandt de vigtigste fordele ved DirectML er dens problemfri integration med Windows, kompatibilitet med en bred vifte af hardware og dens evne til at gøre AI tilgængelig og effektiv for enhver bruger eller udvikler . Det muliggør acceleration af både produktivitetsapplikationer og alle typer videospil uden at kræve omfattende hardwarekendskab, forudsat at systemet opfylder minimumskravene til DirectX 12 og har tilstrækkelig understøttelse.

  Hvordan ændrer jeg mit kodeord i Riot Games?

Derudover er DirectML den kanal, hvorigennem udviklere kan forudse fremtiden for on-premises AI og undgå udelukkende afhængighed af skyen eller proprietære løsninger . Takket være integrationen med teknologier som ONNX Runtime, TensorFlow, PyTorch og andre populære AI-biblioteker er mulighederne lige så store som ingeniørers og kreatives fantasi.

Der er dog stadig nogle ulemper eller adgangsbarrierer :

  • Ydeevnen halter i nogle tilfælde stadig bagefter i forhold til native drivere, der er optimeret til et specifikt GPU-mærke, selvom forskellen mindskes hvert år.
  • NPU-integration er stadig i sin tidlige fase, hvilket betyder, at kun visse hardwaremodeller, versioner og drivere kan drage fuld fordel af disse funktioner.
  • Der kan være kompatibilitetsbegrænsninger for meget komplekse eller specialiserede deep learning-modeller, i hvilket tilfælde det kan være nødvendigt at bruge alternative biblioteker.

Krav, installation og opstart af DirectML

For at kunne udnytte DirectML på Windows er det første krav et DirectX 12-kompatibelt system og den relevante operativsystemversion (Windows 10 build 1903 eller nyere, eller Windows 11) . Derefter er installation og brug typisk knyttet til den software, du har til hensigt at bruge (f.eks. TensorFlow eller PyTorch) og den tilsvarende GPU- eller NPU-driver.

I avancerede scenarier, f.eks. brug af Windows Subsystem for Linux (WSL) og ML-acceleration i Linux-miljøer under Windows, er trinnene typisk som følger:

  1. Aktiver WSL-undersystemet og den virtuelle maskinplatform fra Windows-funktioner.
  2. Installer en Linux-distribution (f.eks. Ubuntu) fra Microsoft Store.
  3. Opsæt et udviklingsmiljø som MiniConda til at administrere Python-miljøer.
  4. Installer den relevante version af TensorFlow eller PyTorch, og integrer DirectML-understøttelse i henhold til den officielle dokumentation.

For NPU-acceleration er det vigtigt at have den nyeste version af DirectML, ONNX Runtime og de mest opdaterede drivere til den tilsvarende NPU (f.eks. Intel AI Boost i Meteor Lake) . Ikke alle modeller eller opgaver understøttes i de første udgivelser, så det er afgørende at konsultere udgivelsesnoterne og listerne over understøttede modeller fra hver hardwareleverandør.

Fremtiden for DirectML: AI i hjertet af Windows-økosystemet

Microsoft fortsætter med at investere kraftigt i DirectML som en drivkraft for innovation inden for kunstig intelligens til Windows . Udviklingen af ​​Windows Copilot+, integrationen med nye chips fra Intel, Qualcomm og AMD samt åbningen af ​​platformen for alle typer udviklere varsler en ustoppelig ekspansion af DirectML i de kommende år.

DirectML-teamet arbejder på at tilføje flere funktioner og gøre det nemmere for enhver udvikler at udnytte AI i deres applikationer , hvilket fremskynder fremtidige innovationer og demokratiserer kraften i kunstig intelligens på tværs af desktop-, web- og mobilenheder . Tendensen er klar: mere ydeevne, færre tekniske barrierer og en stadig mere problemfri og personlig oplevelse for Windows-brugere.

gaming + ai nøgle til pc 2025-1
Relateret artikel:
Gaming og kunstig intelligens: Sådan vil pc-revolutionen se ud i 2025
Isaac

Isaac

Passioneret forfatter om bytes-verdenen og teknologien generelt. Jeg elsker at dele min viden gennem skrivning, og det er det, jeg vil gøre i denne blog, vise dig alle de mest interessante ting om gadgets, software, hardware, teknologiske trends og mere. Mit mål er at hjælpe dig med at navigere i den digitale verden på en enkel og underholdende måde.