Apakah sejumlah besar memori GPU membantu ketika bekerja dengan gambar yang sangat besar dan mosaik gambar?

14

Sepertinya itu akan sangat membantu untuk menyimpan sebanyak mungkin gambar pada GPU untuk panning dan zooming, dll.

Kami menangani banyak gambar yang sangat besar. Banyak berkisar dari 8 GB hingga ratusan GB. Di rumah saya punya monitor 40 "4k dan GTX Titan dengan memori video 12 GB, dan kinerjanya luar biasa baik untuk semua yang saya lakukan. Ini juga tampak hebat saat melihat gambar. Apakah pengaturan itu terlalu banyak diperlukan untuk pemrosesan gambar GIS kerja?

Apakah QGIS , ArcMap , dan PCI Geomatica dapat memanfaatkan memori grafis yang berlimpah ketika berhadapan dengan gambar multi-gigabyte dan mosaik gambar dalam kisaran ratusan gigabyte?

Aplikasi GIS apa yang paling menguntungkan dari banyaknya memori GPU ketika berhadapan dengan gambar besar?

— gnarbarian
sumber

4

Untuk program seperti ArcMap, memiliki GPU kelas atas tidak penting untuk bekerja dengan raster besar. Sebaliknya, disarankan memiliki RAM dalam jumlah besar untuk menangani pemrosesan raster seperti mosaicing. Sayangnya, ArcGIS memiliki kemampuan pemrosesan GPU yang sangat terbatas. Saya tidak dapat berbicara untuk QGIS atau PCI. Mungkin perlu melihat pengolahan gambar dengan Matlab karena dukungan prosesor GPU yang sangat baik.

— Aaron

3

Perangkat lunak GIS yang saya ketahui yang membuat tenaga kuda GPU paling banyak adalah Manifold GIS. Saya percaya ini mendukung hingga empat GPU menggunakan inti Nvidia CUDA. Ini juga asli 64 bit dan akan memanfaatkan konfigurasi multi-core dan multi-cpu. Diatur dengan benar, mesin Manifold bisa menjadi binatang buas. Sayangnya, ArcGIS dan QGIS tertinggal jauh dalam hal itu. Saya tidak tahu tentang PCI Geomatika.

— Baltok

1

Seperti yang dikatakan @Aaron ArcGis menyukai lebih banyak RAM di papan dan HDD (atau SSD) yang lebih cepat ... itu ada hubungannya dengan cara menjadikannya sebagai cache dalam RAM dan pada dasarnya melempar bitmap yang dikompilasi ke kartu grafis untuk ditampilkan - semua pekerjaan dilakukan oleh satu utas di memori mainboard. Mengenai ketinggalan zaman, Esri masih merupakan aplikasi utas tunggal meskipun banyak core tersedia sejak akhir 90-an; banyak dari kita berharap mulai dari awal pendekatan ArcGis Pro akan memungkinkan dukungan multi-thread.

— Michael Stimson

1

Beberapa alat spesifik sedang ditingkatkan untuk secara khusus memanfaatkan GPU high-end, seperti Viewshed2 Sejumlah alat, yang memproses mosaik misalnya dapat mengambil keuntungan dari banyak core di ArcGIS 10.2+

— KHibma

16

Esri telah merilis ArcGIS Pro, yang menggunakan GPU untuk rendering dan beberapa pemrosesan:

Sumber daya adaptor grafis

Di ArcGIS Pro, mesin grafis membatasi menggambar berdasarkan kemampuan unit pemrosesan grafis Anda (GPU).

Pemrosesan GPU dengan Spatial Analyst

Spatial Analyst sekarang menawarkan peningkatan kinerja dengan menggunakan pemrosesan Graphics Processing Unit (GPU) untuk beberapa alat. Teknologi ini memanfaatkan kekuatan komputasi kartu grafis di komputer modern untuk meningkatkan kinerja operasi tertentu.

— Radar
sumber

3

Satu-satunya GIS yang menggunakan daya GPU untuk memproses data disebut MapD. Data Tweetmap Harvard diproses melalui perangkat lunak ini.

Harvard Tweetmap Diberdayakan oleh MapD

Proyek MapD - Komputasi Data Spasial Masif

Cara lain adalah dengan menginstal pemrosesan latar belakang ArcGIS untuk prosesor 64-bit.

Itu benar-benar akan mengurangi waktu perhitungan gambar raster karena mereka semua dalam proses latar belakang.

ArcGIS Latar Belakang Geoprosesing

— Downhillski
sumber

3

Untuk pemrosesan gambar, saat ini ada dua proyek yang berurusan dengan ini:

Proyek-proyek tersebut berhadapan langsung dengan sistem paralel (seperti pemrosesan GPU dan High Performance Computing), tetapi tidak terbatas pada itu, dan mampu diimplementasikan pada sistem terdistribusi. GIS Tools untuk Hadoop pada awalnya dirancang untuk bekerja pada lingkungan Hadoop, tetapi sekarang mereka adalah movimg untuk Spark. Geotrellis terlibat langsung dengan Spark.

Salah satu masalah yang perlu dipertimbangkan ketika berhadapan dengan komputasi paralel / terdistribusi pada pemrosesan gambar / penginderaan jauh, adalah bahwa sebagian besar algoritma memiliki implementasi yang membuat serialisasi data saat memproses, sehingga upaya besar pada proyek-proyek saat ini adalah memindahkan algoritma lama tersebut untuk bekerja pada data yang distrubutasikan. struktur, yang cukup menantang.

— Ricardo Barros Lourenço
sumber

2

Saya tidak akan terlalu generalisasi dan mengatakan "perangkat lunak GIS tidak menggunakan GPU untuk diproses" ketika berbicara tentang ArcMap. Apa pun yang menggunakan OpenGL atau DirectX dengan shader akan memanfaatkan memori GPU: Google Earth, ArcScene / ArcGlobe, ENVI, OpenSceneGraph, AmigoCloud, CesiumJS, dll.

— Ragi Yaser Burhum
sumber

Rendering tidak sama dengan porting algoritme ke GPU, yang khususnya untuk vektor, jauh lebih menantang.

— John Powell