AMD Radeon RX 6400/6500/6600/6650/6700/6750/6800/6900/6950 (XT) (Navi2x/RDNA2/PCIe 4.0): Tests/Meinungen im Netz. Links in Post 1

AMD Software: Adrenalin Edition Preview Driver for AMD Fluid Motion Frames Release Notes (AMD)

AMD Fluid Motion Frames (AFMF) Technical Preview – Boost FPS with frame generation technology for a smoother gaming experience.

  • AFMF adds frame generation technology to DirectX® 11 and 12 games on AMD Radeon™ RX 7000 (and now 6000!)Series Desktop Graphics Cards.
    • We are responding to the excitement from our community and are adding support for Radeon™ RX 6000 Series Desktop Graphics Cards.
  • AFMF preserves image quality by dynamically disabling frame generation during fast motion.
 


Das ganze "DLSS"-BS mit Ai und Tensor-Cores usw. ist eine einzige Marketing-BS von Nvidia. "DLSS" läuft unter Linux auch auf ner AMD RX6800.
Vielleicht kann das mal jemand nachtesten mit DLSS auf AMD unter Linux.
 


Das ganze "DLSS"-BS mit Ai und Tensor-Cores usw. ist eine einzige Marketing-BS von Nvidia. "DLSS" läuft unter Linux auch auf ner AMD RX6800.
Vielleicht kann das mal jemand nachtesten mit DLSS auf AMD unter Linux.
Leider gibt es eine neue Version der Demo wo sich DLSS nicht mehr auswählen lässt mit AMD Grafikkarte. :(
getestet auf dem ROG Ally unter ChimeraOS.
 
Das ganze "DLSS"-BS mit Ai und Tensor-Cores usw. ist eine einzige Marketing-BS von Nvidia. "DLSS" läuft unter Linux auch auf ner AMD RX6800.
Vielleicht kann das mal jemand nachtesten mit DLSS auf AMD unter Linux.

Ja natürlich ist das DLSS-Programm eine Verdummbeutelung der Kunden. Die Besonderheit von den sogenannten Tensor-Cores sind die (Tensor) Matrix-Multiplikationen in hoher Bitanzahl, damit die trainierten Werte möglichst korrekt sind. Diese werden aber nur beim Training von neuronalen Netzen wichtig. Das Inferencing, also das Anwenden eines trainierten Netzes kann in optimierten NNs mit weniger Bit erfolgen. Hierbei geht es vor allem um Latenz in der Verarbeitung wenn einzelne Werte durch das Netz "seriell gejagt" werden. Ich würde vermuten ein RDNA optimiertes NN müsste immer in den IF-Cache passen und alle CUs könnten dann mit packed Math in mehreren Pixeln je CU abarbeiten.
Am Ende sind es aber bei AMD, Intel und Nvidia die gleichen Instruktionen, die hier in HW angeboten werden. Für Inferencing sehe ich die CUs mit IF-Cache von AMD als sehr gut geeignet an. Linux kann da helfen einzelne proprietäre Konstrukte in Software aufzubrechen, auch das Drumherum in Algo zum NN. Gerade durch Proton/Vulkan als einheitliche API zum Hardware-Treiber ist das Drumherum gegeben, es bleibt das NN. Das optimierte NN muss auf die Instruktionen in niedrigen Bitzahlen und die Cache-Hierarchie der Zielarchitektur angepasst werden, wir brauchen also die trainierten NNs zu DLSS als ONNX. Oder das "proprietär optimierte" NN wird halt nur durch irgend eine offene API für andere Hardware zugänglich...
 
Zuletzt bearbeitet:
Das die meisten solcher Funktionen nur eine künstliche Abgrenzung sind und auch anderweitig umsetzbar wären sollte spätestens seit der PhysX Nummer klar sein.
Umgehungen für solche künstlichen Einschränkungen dürften eher an juristischen als an technischen Problemen scheitern.
 
forspoken_2023_10_04_mge7t.png


Flutsch und weg
 
Wie schaut es eigentlich mit dem Thema aus, dass man das Bild einer z.B RX6600 über die IGP eines R7 5700G ausgeben lassen kann?
 
Wie schaut es eigentlich mit dem Thema aus, dass man das Bild einer z.B RX6600 über die IGP eines R7 5700G ausgeben lassen kann?
Welches Bild ?
Auflösung, Farbtiefe, Komprimierung, Hz, Zertifiziert ?

DualGraphics läuft, aber halt mit allen Vor- und Nachteilen.
 
Dass was die Grafikkarte generiert. Nur Ausgabe über die IGP
 
Ja siehe auch unter Downloads
 
Zurück
Oben Unten