DirectML: Minden a mesterséges intelligencia forradalmáról a Windowsban és a játékokban

Az utóbbi években a gépi tanulás és a mesterséges intelligencia egyre kiemelkedőbb szerepet kapott a technológia világában, különösen a játékok, a kreatív szoftverek és a Windows operációs rendszer területén. Bár az olyan kifejezések, mint a DLSS, a sugárkövetés és a hardveres gyorsítás már egy ideje egyre népszerűbbek, van egy kulcsfontosságú elem, amely összeköti ezt az egész mechanizmust a Microsoft ökoszisztémáján belül: a DirectML . Ha valaha is elgondolkodtál azon, hogy mi is az a DirectML, mire használják, és hogyan válik számos jelenlegi innováció titkos motorjává, itt van a legátfogóbb és legfrissebb magyarázat.

A DirectML nem csupán egy divatos szó; egy alapvető technológia, amelyet a modern GPU-k és NPU-k teljes potenciáljának kiaknázására terveztek a mesterséges intelligencia és a gépi tanulási feladatokban, legyen szó akár a következő generációs videojátékokról, multimédia-szerkesztő alkalmazásokról vagy fejlett Windows-funkciókról. A DirectML megértése ma a PC-kben, konzolokban és Windows-eszközökben zajló technológiai forradalom jelentős részének megértését jelenti.

Mi a DirectML és miért fontos?

A DirectML (Direct Machine Learning) egy alacsony szintű API, amelyet a Microsoft kifejezetten a gépi tanulási feladatok felgyorsítására fejlesztett ki Windows rendszereken a DirectX 12 szabvány használatával. Ez egy olyan függvénykönyvtár, amely lehetővé teszi a fejlesztők számára, hogy kihasználják a grafikus feldolgozóegységek (GPU-k) és a nem feldolgozóegységek (NPU-k) erejét a mesterséges intelligencia modellek hatékony futtatásához. Ez az API nemcsak játékfejlesztéshez készült, hanem minden olyan alkalmazáshoz, motorhoz, köztes szoftverhez és környezethez is, amely fejlett gépi tanulási képességeket igényel.

A DirectML létjogosultsága a mesterséges intelligencia Windows ökoszisztémába való integrációjában és gyorsításában rejlik . Lehetővé teszi az összetett algoritmusok számára, hogy kihasználják a modern GPU-k, és újabban a számos jelenlegi rendszerbe beépített NPU-k által kínált hatalmas párhuzamosságot és számítási teljesítményt, ahelyett, hogy kizárólag a központi feldolgozóegységre (CPU) támaszkodnának. Ezáltal az olyan feladatok, mint a képfeldolgozás, a grafika javítása, a prediktív modellgyorsítás és a fejlett feladatautomatizálás jelentősen gyorsabbá, hatékonyabbá és elérhetőbbé válnak a felhasználók és fejlesztők szélesebb köre számára.

Hogyan működik a DirectML Windows környezetben?

A DirectML hidat képez a gépi tanulási keretrendszerek (mint például a TensorFlow vagy a PyTorch) és a DirectX 12-kompatibilis hardverek között . Implementációja mélyen integrálva van a Windows 10-be a 1903-as verzió (10.0.18362-es build) óta, valamint a Windows 11- be is , így bármely kompatibilis alkalmazás könnyen kihasználhatja ezt a hardveres gyorsítást.

A DirectML nagy előnye, hogy konzisztens és egyszerű API-t kínál a fejlesztők számára, akik mesterséges intelligencia következtetési modelleket hozhatnak létre és telepíthetnek a legkülönfélébb eszközökön és architektúrákon . Akár AMD, Intel , NVIDIA , Qualcomm GPU-król, akár dedikált NPU-król beszélünk , a DirectML célja a hívások egységesítése és a maximális elérhető teljesítmény elérése. A DirectX 12 alapjául használva lehetővé teszi a grafikus hardver teljes kihasználását, nagyon alacsony késleltetéssel és verhetetlen hatékonysággal olyan feladatokhoz, mint a kép-szupermintavételezés, a mintázatfelismerés és az automatikus multimédia-osztályozás.

Gyakorlati szempontból a DirectML a Windows rendszeren futó mesterséges intelligencia keretrendszerek gyorsításának szabványává vált . A Microsoft integrációs csatornaként népszerűsíti, különösen az ONNX Runtime-mal (egy szabványos mesterséges intelligencia modellekhez készült futási környezet), a TensorFlow-val és a PyTorch-hal való használatra, lehetővé téve az alkalmazások és játékok számára, hogy létfontosságú sebesség- és feldolgozási teljesítményjavulást érjenek el anélkül, hogy egyetlen márka specifikus hardvereire kellene támaszkodniuk.

A DirectML valós használata: jelenlegi alkalmazások és példák

A DirectML messze nem csupán elméleti technológia, hanem számos kreatív és professzionális megoldásban is használatos, leginkább az új Windows Copilot+ PC-kben . Ezek az eszközök, amelyek a legújabb generációs NPU-kat és GPU-kat tartalmazó fejlett architektúrákkal vannak felszerelve, teljes mértékben kihasználják a DirectML képességeit az intelligens feladatok lokális és rendkívül hatékony végrehajtásához.

A DirectML-t már beépített alkalmazások között van néhány kreatív és termelékenységi szoftver nagyágyúja:

• Az Adobe Premiere ProA DirectML-t használja a hangklipek automatikus címkézéséhez, azonnal osztályozva az egyes fájlokat a jellegük (zene, párbeszédek, effektek, hangulat) alapján, ami jelentősen felgyorsítja a szerkesztést.
• Elfog egyA : két mesterséges intelligenciával továbbfejlesztett DirectML-funkciót épített be, mint például a Match Look és az AI Crop, amelyek megkönnyítik a fotósok és a kreatív szakemberek munkáját a pontosság feláldozása nélkül.
• Affinity Photo 2A DirectML és a Qualcomm Hexagon NPU segítségével automatikusan kiválasztja az objektumokat és a témákat fotózás közben, így nincs szükség manuális maszkolásra, és sokkal hatékonyabbá teszi a szerkesztést.

A játékszektorban a DirectML kulcsfontosságú volt olyan technikák kutatásában és fejlesztésében, mint az intelligens szupermintavételezés és a grafikai teljesítmény javítása a minőség feláldozása nélkül. Például, amikor a Microsoft bemutatta az Xbox Series X|S-t, a fejlesztők a DirectML-t a konzol egyik legnagyobb erősségeként azonosították, amely radikális teljesítményjavulást tett lehetővé olyan technikákkal, mint az „ML szuperfelbontás”, a grafikai stílus átvitele és az emergent játékélmény fejlesztése.

A DirectML kapcsolata a Ray Tracinggel, a DLSS-sel és a versenytársakkal

Az egyik leggyakrabban feltett kérdés, hogy a DirectML közvetlenül versenyez-e olyan technológiákkal, mint az NVIDIA DLSS-e, vagy a sugárkövetés alternatívája . A rövid válasz az, hogy a DirectML és a DLSS, bár bizonyos célokat közösek (a videojátékok minőségének és teljesítményének javítása mesterséges intelligencia segítségével), nem teljesen ugyanazok.

A DLSS (Deep Learning Super Sampling) egy saját fejlesztésű NVIDIA technológia , amely mélytanulást használ a GPU által renderelt kevesebb pixelből nagyobb felbontású képek előállításához, javítva az FPS-t és a vizuális minőséget. Bár csak RTX kártyákhoz érhető el, a DLSS mögött álló koncepció gépi tanulási technikákon alapul, amelyeket a Microsoft a DirectML-en keresztül is demokratizálni kíván.

A DirectML egy nyílt API, amely bármilyen DirectX 12-kompatibilis hardverhez integrálható a Windowsba . Lehetővé teszi a fejlesztők számára, hogy számos mesterséges intelligencia gyorsítási képességhez férjenek hozzá, az intelligens képfelskálázástól (Super Resolution) a játékmotor-optimalizáláson, a textúrageneráláson, a beszédfelismerésen és az automatikus fotójavításon át. Ezért az AMD, az Intel és az NVIDIA is használhatja a DirectML-t, megnyitva az utat a DLSS alternatívái előtt olyan platformokon, mint az AMD GPU-k Radeon ML-lel és hasonló technológiákkal.

A DirectML-nek köszönhetően a sugárkövetés és a mesterséges intelligencia is kéz a kézben jár . A DirectX 12 Ultimate megjelenésével olyan technológiák, mint a DXR (DirectX Ray Tracing) és a DirectML együttműködnek, így a fejlesztők hozzáférhetnek mind a valósághű fénysugár-szimulációhoz, mind a grafikára alkalmazott mesterséges intelligenciához, realisztikusabb, gyorsabb és hatékonyabb képeket generálva.

Például az AMD olyan megoldásokon dolgozott, mint a DirectML Super Resolution , amely lehetővé teszi az intelligens felskálázást (az 540p-s kép éles 4K-ra frissítése az aliasing csökkentése mellett) RX 6000 és Xbox kártyáin, egy nyílt és többplatformos filozófiát követve, amely versenyez a DLSS-sel, de nem korlátozódik egyetlen gyártóra.

DirectML integráció hardverbe: NPU-k, GPU-k és a PC-k következő generációja

A legjelentősebb közelmúltbeli fejlemény a DirectML integrálása nemcsak a GPU-kba, hanem az NPU-kba (neurális feldolgozó egységek) is . Eddig a DirectML-t elsősorban az AMD, az NVIDIA és az Intel grafikus kártyáinak teljesítményének kihasználására használták. Az Intel Core Ultra processzorok (Meteor Lake) és az AI Boost NPU-k megjelenésével, valamint a Samsunggal való partnerséggel azonban a DirectML kibővült, és teljes mértékben kihasználja a PC-ken belüli, kizárólag AI-feladatokra szánt chipek előnyeit.

Ez forradalmat jelent a korábbi, kizárólag GPU-ra való támaszkodáshoz képest . Mostantól olyan feladatok, mint a nyelvi modell következtetése, a valós idejű elemzés és a multimédia osztályozás kiszervezhetők ezekre az NPU-kra, ami még több erőforrást szabadít fel és javítja az energiahatékonyságot. A támogatás kezdetben a Windows 11 rendszert futtató Intel és Samsung laptopokra érkezett , amelyek megfelelő működéséhez szoftverösszetevők (DirectML 1.31.1, NuGet, ONNX Runtime 1.17 és frissített Intel illesztőprogramok ) kombinációjára van szükség.

Bár az AMD Ryzen AI-támogatása jelenleg korlátozott, egyértelmű, hogy az iparág a DirectML-integráció fokozása felé halad minden típusú hardveren. A Microsoft célja, hogy egyetlen fejlesztő vagy felhasználó se maradjon le az AI-forradalomban, és a közeljövőben az új Ryzen 8040-es sorozat várhatóan fejlett DirectML-támogatással és NPU-gyorsítási képességekkel is rendelkezik majd.

GPU teljesítmény és optimalizálás összehasonlítása: Mikor éri meg a DirectML?

A DirectML-lel kapcsolatban az egyik legtöbbet vitatott téma a tényleges teljesítménye más natív GPU-megoldásokhoz képest . Különböző rendszereken végzett tesztek szerint, például a TensorFlow és a DirectML használatával a Windows Subsystem for Linux (WSL) rendszerben, a végrehajtási idő jelentősen változhat a használt GPU-tól és illesztőprogramoktól függően.

Például egy Ryzen 3600 processzorral és AMD RX 6600 XT grafikus kártyával rendelkező rendszeren a teszt körülbelül 139 másodpercet vett igénybe, míg egy natív illesztőprogramokkal rendelkező Nvidia RTX 3060-on ez az idő 97 másodperc volt. Ez azt mutatja, hogy bár a DirectML egy hatékony és rugalmas eszköz, mégis előfordulhatnak olyan helyzetek, amikor a natív illesztőprogram tiszta teljesítménye (különösen NVIDIA kártyákon) jobb. A különbség azonban a DirectML-támogatás minden egyes frissítésével és bővítésével csökken, különösen AMD hardvereken vagy olyan esetekben, amikor a platformfüggetlen kompatibilitás és a szabványos AI-keretrendszerek intelligens funkcióihoz való hozzáférés prioritást élvez.

Nem mindig jó ötlet a DirectML használata, különösen a következő esetekben:

• Ha nagyon erős GPU-d van, de nincs DirectML támogatásod, a natív illesztőprogram jobb teljesítményt nyújthat.
• Rendkívül összetett és specifikus gépi tanulási feladatokhoz speciálisabb megoldásokra vagy közvetlenül a hardverre optimalizált könyvtárakra lehet szüksége.
• Ha a fejlesztésed nem igényel mesterséges intelligenciát vagy gépi tanulást, a DirectML nem kínál hozzáadott értéket, és választhatsz más, a munkafolyamatodhoz igazított eszközöket.

A DirectML jelenlegi előnyei és korlátai

A DirectML fő előnyei közé tartozik a zökkenőmentes integráció a Windows rendszerrel, a hardverek széles skálájával való kompatibilitás, valamint az a képessége, hogy a mesterséges intelligenciát bármely felhasználó vagy fejlesztő számára elérhetővé és hatékonnyá teszi . Lehetővé teszi mind a termelékenységi alkalmazások, mind minden típusú videojáték gyorsítását, anélkül, hogy széleskörű hardverismeretekre lenne szükség, feltéve, hogy a rendszer megfelel a DirectX 12 minimális követelményeinek és megfelelő támogatással rendelkezik.

Továbbá a DirectML az a csatorna, amelyen keresztül a fejlesztők előre láthatják a helyszíni mesterséges intelligencia jövőjét, elkerülve a kizárólagos felhőalapú vagy saját megoldásokra való támaszkodást . Az olyan technológiákkal való integrációjának köszönhetően, mint az ONNX Runtime, a TensorFlow, a PyTorch és más népszerű MI-könyvtárak, a lehetőségek tárháza olyan hatalmas, mint a mérnökök és kreatív szakemberek képzelőereje.

Azonban még mindig vannak hátrányok vagy belépési korlátok :

• A teljesítmény bizonyos esetekben még mindig elmarad az adott GPU márkához optimalizált natív illesztőprogramok teljesítményétől, bár a különbség évről évre csökken.
• Az NPU integráció még korai szakaszban van, ami azt jelenti, hogy csak bizonyos hardvermodellek, verziók és illesztőprogramok tudják teljes mértékben kihasználni ezeket a képességeket.
• Kompatibilitási korlátozások lehetnek a rendkívül összetett vagy specializált mélytanulási modellek esetében, ebben az esetben alternatív könyvtárak használatára lehet szükség.

A DirectML követelményei, telepítése és indítása

A DirectML Windows rendszeren való használatához az elsődleges követelmény egy DirectX 12-kompatibilis rendszer és a megfelelő operációs rendszer verzió (Windows 10 build 1903 vagy újabb, illetve Windows 11) . Innentől kezdve a telepítés és a használat jellemzően a használni kívánt szoftverhez (például TensorFlow vagy PyTorch) és a megfelelő GPU vagy NPU illesztőprogramhoz kötött.

Speciális esetekben, például Windows alrendszer Linuxhoz (WSL) és gépi tanulási gyorsítás használata esetén Linux környezetekben Windows alatt, a lépések jellemzően a következők:

1. Engedélyezze a WSL alrendszert és a virtuálisgép-platformot a Windows-szolgáltatásokból.
2. Telepítsen egy Linux disztribúciót (például Ubuntut) a Microsoft Store-ból.
3. Állítson be egy fejlesztői környezetet, például a MiniCondát, a Python-környezetek kezeléséhez.
4. Telepítsd a TensorFlow vagy a PyTorch megfelelő verzióját, és integráld a DirectML támogatást a hivatalos dokumentációnak megfelelően.

Az NPU-gyorsításhoz elengedhetetlen a DirectML és az ONNX Runtime legújabb verziója, valamint a megfelelő NPU-hoz tartozó legfrissebb illesztőprogramok (például az Intel AI Boost a Meteor Lake-ben) . Nem minden modell vagy feladat támogatott a kezdeti kiadásokban, ezért elengedhetetlen, hogy az egyes hardvergyártók kiadási megjegyzéseit és támogatott modellek listáját is áttekintsük.

A DirectML jövője: MI a Windows ökoszisztéma szívében

A Microsoft továbbra is jelentős összegeket fektet be a DirectML-be, mint a Windows mesterséges intelligenciájának innovációjának motorjába . A Windows Copilot+ fejlesztése, az Intel, a Qualcomm és az AMD új chipjeivel való integrációja, valamint a platform megnyitása minden típusú fejlesztő előtt a DirectML megállíthatatlan terjeszkedését vetíti előre az elkövetkező években.

A DirectML csapata azon dolgozik, hogy további funkciókat adjon hozzá, és megkönnyítse a fejlesztők számára a mesterséges intelligencia alkalmazását az alkalmazásaikban , felgyorsítva a jövőbeli innovációkat és demokratizálva a mesterséges intelligencia erejét asztali, webes és mobileszközökön . A trend egyértelmű: nagyobb teljesítmény, kevesebb technikai akadály, valamint egyre zökkenőmentesebb és személyre szabottabb élmény a Windows-felhasználók számára.

Kapcsolódó cikk:

Játék és mesterséges intelligencia: Milyen lesz a PC-s forradalom 2025-ben

Izsák

Szenvedélyes író a bájtok és általában a technológia világáról. Szeretem megosztani tudásomat írásban, és ezt fogom tenni ebben a blogban, megmutatom a legérdekesebb dolgokat a kütyükről, szoftverekről, hardverekről, technológiai trendekről stb. Célom, hogy egyszerű és szórakoztató módon segítsek eligazodni a digitális világban.