R600 pod drobnohľadom

Sampler hardware

 

Každé výraznejšie zvýšenie výkonu shader core, voči predchádzajúcej architektonickej generácii sa musí odzrkadliť aj na zvýšení výkonu a schopností inej časti čipu. Nie je preto prekvapením, že sa viditeľne zvýšili schopnosti a výkon práve samplerov voči R580 alebo R520. Takisto môžno argumentovať, že to čip R600 aj potreboval pri pohľade na sampler hardware konkurencie – G80.

Čip R600 obsahuje štvoricu výpočtových jednotiek, ktoré sú väčšinou nazývané nie celkom presne texturovacími jednotkami (TMUs). My ich ale nazývame presnejšie „samplermi“ ,nakoľko odzrkadluje tento názov ich väčšie schopnosti filtrovať a adresovať ako by ste od textúrovacej jednotky očakávali.

Každá sampler jednotka dokáže adresovať 8 adries, fetch 16 FP32 hodnôt pre bilineárne filtrovanie a 4 FP32 hodnoty pre point sampling, všetko samozrejme za 1 takt. Teda vykonávať bilineárne filtrovanie s výkonom 4 INT8 alebo 4 FP 16 bilerps za takt z týchto fetch hodnôt. Neverte tomu čo ste mohli inde čítať o tom, že R600 vykonáva FP 16 filtrovanie s polovičným výkonom – nakoľko to nie je pravda. INT16 s 3 alebo 4 kanálmi ale čip nevie počítať s plnou rýchlosťou. Benchmark výsledky tieto tvrdenia potvrďujú – INT8 a FP 16 bilineárne filtrovanie s 1 až 4 kanálmi vykazujú rovnaké hodnoty.

Pokiaľ sa teraz zameriame na unifikovaný data fetch v shaderoch, dokáže čip vykonať Fetch4 fetch namiesto bilineárneho fetch za 1 takt. Ako bolo spomínané už na predchádzajúcej strane – každá sampler jednotka je „priviazná“ k určitému sub „quadu“ v shader clustery a odovzdávaja jemu potrebné dáta. Podporované je samozrejme aj 32-bit RGBE filtrovanie (nakoľko si to vyžadujú Direct3D 10 špecifikácie), aby mohli vývojári použiť tento formát pre HDR rendering vo svojich nových enginoch. Okrem toho všetkého dokáže čip pristupovať k veľmi veľkym - až 8Kx8K textúram, pre fetch alebo filtrovacie operácie.

Všetky fetch a filtrovacie schopnosti sú dostupné pre každý druh threadov, nakoľko nevedia sampler jednotky rozoznať čo ich využíva. Každá sampler jednotka má dosah na 32KiB lokálnu pamäť L1 cache a zdielanú L2 cache veľkosti až 256KiB, aby sa minimalizovali „misses“ (straty) L1 cache a maximalizovali „hits“ (zásahy).

Čip využíva okrem toho vertex cache pre urýchlenie nefiltrovaných fetch-ov. R600 podpruje tie isté dekompresné formáty z pamäti cache ako R580 pre DXT formáty a 1, 2 kanálové „hĺbkové“ formáty od ATi.

Všetky filtrovacie stupne sú dostupné pre všetky podporované formáty spolu s nelineárnymi. Napriek týmto vylepšeniam sa výraznejšia vylepšenia nedotkli AF (anizotropného filtra). HQAF R5xx série je teraz štandardne pri R600 zapnuté. Takisto sa mierne zlepšila presnosť 16xAF a bolo odstránených pár bugov, ktoré spôsobovali v určitých scénach shimmering textúr. R600 vykazuje napriek tomu v AF testerovi takmer identický obraz ako R580/R520. Má rovnaký výber mipmap levelov a v určitých uhloch (podotýkam veľmi ostrých) nefiltruje matematicky korektne 16x ale len s nižším AF. Kvalita AF R600 zostáva napriek tomu subjektívne na vysokej úrovni, ale objektívne je AF konkurencie – G80 lepšie. R600 podporuje aj urýchľovanie depth stencil textúr a PCF, vďaka čomu získavajú karty založené na tomto čipe v benchmarku „3DMark 2006“ viditeľný prírastok výkonu za 1 takt.

Počet jednotiek a ich fetch, filter výkon je v tomto čipe vyšší ako v R580, napriek tomu je toto oblasť v ktorej R600 (niekedy až veľmi) zaostáva za výkonom sampler jednotiek G80. Sampler jednotky pracujú na base frekvencii 742MHz ako zvyšok čipu. U G80 s jeho ortogonálnym sampler hardwarom je filtrovací výkon len záležitosť, ktorá závisí od dostupných bilerps za 1 takt, pokiaľ neberieme v úvahu priepustnosť pamäte.
 

 

Samozrejme netreba zabúdnúť, že sampler hardware R600 nepracuje s inými výpočtovými jednotkami v pevnom poradí – je „fully threaded“. Obsahuje arbiter a sequencer určený výhradne pre sampler jednotky. Je to hardware podobný tomu, ktorý má každý shader cluster v shader core, ale s rozdielnou heuristikou riadenia spracovávaných threadov. Práve vďaka tomu, že je sampler array „fully threaded“ sa mu darí skrývať latenciu, využívajúc pamäťový radič , aby bolo zaistené vyťaženie shader core, ktorý predstavuje clienta sampler array cez pamäťový radič. Pamätáte sa ešte na to ako som písal, že shader core môže dať uspať a odložiť thready pokiaľ čaká na sampler dáta? Tie dva schedulers spolupracujú, aby bolo zabezpäčené práve toto uspatie. Lebo prístup k pamäti DRAM pre získanie dáta a nasledovné odoslanie cez obvody pre filtrovanie môže stáť až stovky voľných taktov. Veď nechceme predsa nechať zbytočne čakať shader core.

Ďalej sa pozrieme na ROPs.