当前位置:首页 > 笔记本电脑 > 主流笔记本 > 新闻
重磅打造 从AFDS看异构计算发展
  • 2012-7-4 19:05:28
  • 类型:原创
  • 来源:电脑报
  • 报纸编辑:徐远志
  • 作者:徐远志
【电脑报在线】时隔一年,AMD的Fusion开发者峰会(AMD Fusion Developer Summit,简称AFDS)再度在西雅图附近的小镇贝尔维尤召开。而《电脑报》作为中国地区三家受邀媒体之一,也派出了记者全程参与。与上届AFDS发布第一代笔记本平台A系列APU(Accelerated Processing Units,加速处理器)并宣传异构计算概念不同,本届AFDS召开前,新一代


PART2:无处不在的异构计算应用
  异构计算并不神秘,目前已渗透各个领域,不仅是PC领域,也包括了手持移动设备领域、行业领域,甚至是云计算、分布式计算领域。事实上,异构计算至少在应用端(前台)并不像它的名字这样生涩,很多应用里面,都有异构计算的身影。小到网页及视频加速,大到DNA计算、蛋白质计算、气象运算,都能和异构计算搭上关系。

  下面,我们将给大家展示3个AFDS 2012上的异构计算应用案例,让大家进一步了解异构计算。而它们中的一些还和我们的日常应用息息相关!
    
  提炼句:“一些看似不复杂的应用,实则需要海量的计算,而异构计算在这些领域就能大显身手。异构计算正在服务我们的日常工作和生活,且还能服务更多的领域,包括云计算领域。”

●AMD视频稳定技术
  视频是和大家息息相关高频应用。而AMD、英特尔和NVIDIA在视频领域都有GPU加速/解码/转码技术——这一点大家都知道了。但还有些技术可能大家还不了解,比如图像稳定技术。

  我们时常遇到抖动的视频,这种抖动可能源于拍摄者的手不稳,也可能是因为长焦拍摄。无论如何,AMD通过异构计算拿出了解决方案:2011年中,AMD宣布了“Steady Video”技术,可以实时对抖动画面进行稳定化处理。不过由于缺乏播放软件的支持,该技术一直是“只闻其声,不见其形”,真正的应用并不多。而在AFDS 2012上,这一技术的升级版再度出击——与去年不同的是,如今,你使用APU平台笔记本,抑或是使用带有AMD独显,就能实实在在地感受到这一技术带来的良好特性。

  YouTube视频在线播放目前已经能够一键开启Steady Video技术(绝大部分和主流浏览器都支持),而且,这种技术甚至已经能够在Windows Media Player上实现!

  我们在最新的A10-4600M APU笔记本上进行了实测(Win 7系统),以佳能SX30 IS拍摄.mov格式的视频。实测中我们发现,只要视频初期存在抖动,在用Windows Media Player进行播放时,Steady Video功能就会自动开启——这时,在播放界面的右下角会短暂出现Steady Video的图标,说明该功能正在启用。而我们用35倍光学变焦拍摄的视频,其图像稳定的效果非常显著!

  Steady Video是一个很典型的异构计算应用,因为它并非完全采用GPU而解放CPU资源,而是将实时的视频图像处理任务进行了智能分工,分别交给CPU和GPU共同完成。




图说:720P视频播放实测截图,开启AMD Steady Video后画面的稳定性大大提升,效果显著

●人脸识别
  人脸识别是生物识别这个大范畴中的一类,目前广泛地运用在日常的娱乐生活中,相机拍照、摄像头人脸识别登录,甚至是目前很火的摄像头动作感应游戏,都是基于人脸识别系统的。那么,人脸识别怎么会和异构计算扯上关系的呢?

  人脸识别系统后台有面部模型,而其识别工作方式可能是这样的(不同软件会有区别):先把画面分成若干区域,大家可理解为一个区域对应一个识别框。然后,针对识别框进行识别和判定。每个识别框不是完全独立的,而是有大量重复区域。也就是说,整个画面会被分成海量的区域(识别框)。工作量如此大的“重复简单劳动”,让CPU来运算就很头疼了——因为它得一个一个地(特指单核CPU)比对、判定,就像跑马拉松;而GPU的核非常多,可同时对多个识别框进行比对和判定,效率大大提升。



  或许有人会说:CPU速度快,可以弥补数量的不足。但人脸识别绝非图示那么简单。举例来说,如果识别框的大小设定不对(如下图),就无法正常识别到人脸。那么在完成一次全画面识别后,需让识别框变大点再从头开始——这样看来,就是恐怖的工作量了。一张1920×1080分辨率的静态图片若经多次识别框大小调整并最终找到人脸,识别(框)总量大概为4百万个!如果是动态视频(等同于人脸跟踪),每秒的运算量还要翻几十倍!很显然,这类工作是GPU的专长。同时,GPU还会引入新的算法,会将画面先分为若干独立区域,利用面部模型先排除掉完全无人脸特征的区域,然后对剩下的区域进行并行计算(识别),效率可大幅提升。



图说:人脸识别绝对想象中那么简单,人脸的大小和运动状态,都极大影响着运算量——GPU在人脸识别中价值重大


延伸阅读:生物识别应用与异构计算
  前面提到了,人脸识别是生物识别(Biometric)的一种。生物识别包含了人脸识别、人体识别、声音识别、指纹识别、视网膜识别。而这几种识别,大家已不陌生。摄像头人脸识别系统登录、指纹打卡,是我们经常接触到的。而影视作品中则经常出现视网膜安全认证这一“高阶应用”。
    不过,生物识别能带给我们的远不止这些。一旦将它结合上别的技术,就能带来相当炫酷的应用:

  想必大家记得不少科幻作品中(例如《钢铁侠》),主角通过眼镜或头盔,不仅能正常观察周遭环境,还能看到很多数据——敌方速度、数量,抑或是自身的武器数量、自身武器的损伤情况、动力数据等。这就是基于视网膜和瞳孔扫描的应用——信息的显示必须紧跟着瞳孔的方向,才能让使用者能正常浏览。事实上,这已不完全是科幻,目前部分军用战机驾驶员已开始使用类似技术的产品。另外,虚拟购物和生物识别其实也有关系,购买者可以实际看到自己试穿或试戴的效果,对人体的识别和跟踪,使这一应用成为了可能。很多摄像头感应游戏,也是基于人体识别。
    而上面提到的所有应用,其实同人脸识别一样,也都能和异构计算挂上钩!




图说:生物识别技术可以延展出的应用相当丰富,而这些也和异构计算能够挂上钩^__^

本文出自2012-07-02出版的《电脑报》第26期 C.笔记本整机
(网站编辑:周俊)


我来说两句(0人参与讨论)
发表给力评论!看新闻,说两句。
匿名 ctrl+enter快捷提交
读者活动
48小时点击排行
论坛热帖