领40元无门槛渲染券,体验高速云渲染!

无需充值可试渲,支持3ds Max,Maya,C4D,Blender,V-ray,Redshift,Arnold,Corona等主流CG软件和插件

注册领取
40元渲染券

Arnold 6已经支持GPU渲染器
Arnold 6的GPU技术基于NVIDIA的OptiX框架,并进行了优化以利用NVIDIA RTX技术。 Autodesk曾于2019年3月首次发布了Beta版本的Arnold GPU,此版本中,除了支持GPU之外,还有其他功能的更新,包含了阴影网络,头发,SSS,大气,实例化和程序。现在,Arnold 6完善了Arnold GPU工具集,其中包括灯光,着色器和摄影机的更新:- 改进了对开放阴影语言(OSL)的支持- 改进了对OpenVDB卷的支持- 现在可以按需加载纹理,而不是在渲染开始时加载纹理,有助于减少内存使用并节省第一个像素的时间- 借助多项改进,包括更高效的NVIDIA OptiX缓存,现在可以更快地达到第一个像素的时间- 对于大型网格,几何体使用的边界体积层次(BVH)内存减少了多达50%- 新的Shadow Matte着色器的第一个版本已添加到GPU渲染器中- 多余的噪声源已被消除,例如折射或反射中的间接噪声。使用自适应采样时,GPU噪声现在可以与CPU噪声相提并论,无论使用哪种渲染器,GPU噪声都可以得到更快,更可预测的结果。- 现在支持大多数LPE(39/46和计数中)- 支持大多数指示灯,包括门户- 现在支持所有相机- 支持大多数着色器 这个版本的Arnold 依然有一些限制,您可以在Arnold文档门户上找到有关Arnold GPU的受支持功能和已知限制以及硬件和驱动器要求的更多信息。
Autodesk宣布发布具有Arnold GPU RTX渲染功能的Arnold 6
Maya Arnold 6 GPU渲染,由Lee Griggs提供“我们与NVIDIA紧密合作,优化了Arnold GPU,使其可以在最新的RTX GPU和RTX Server上运行,我们很高兴能将这一更新交付给新的和现有的Arnold客户,”——高级总监Chris Vienneau说Autodesk的媒体和娱乐产品部门。来自Maya的Arnold 6 GPU渲染显示降噪通过这些更新,使用NVIDIA RTX 服务器快了好几倍。Vienneau表示:“速度和互动性对创意过程的重要性比以往任何时候都重要。” “ Arnold 6提供了性能提升,将以与CPU渲染器相同的高质量渲染结果帮助减轻负载。”Autodesk Arnold 6的新功能包括: - 统一的渲染器,允许用户在CPU和GPU渲染之间无缝切换。- 支持OSL,OpenVDB卷,按需纹理加载,大多数LPE,光源,着色器和所有摄像机。- 新的USD组件(例如hydra渲染委托,Arnold USD过程和Arnold节点和属性的USD模式)现已在GitHub上可用。- 多项性能改进可帮助最大程度地提高效率,包括更快地增加细分,改进的Physical Sky着色器以及介电微面多重散射。- Bifrost for Maya:显着的性能改进,缓存回放支持以及新的MPM布约束。使用OpenVDB卷从Maya进行Arnold 6 GPU渲染。玛雅2020Autodesk Maya 2020现在还具有新的GPU加速功能:- GPU对ncloth和nparticles的缓存可以实现平滑,实时的动画回放,而无需播放播放或跳过帧。- 新的Proximity Wrap变形器加入了GPU加速的变形器系列,使建模布料和肌肉系统等材料中的变形更加简单。Arnold GPU中,可以免费试用Arnold 6,30天。Arnold GPU可以在所有受支持的Autodesk Maya,Autodesk 3ds Max,Houdini,Cinema 4D和Katana插件中使用
2019-12-17 03:17:30GPU渲染CPU渲染
建模渲染什么电脑配置最好?设计师装机完全指南
建模渲染什么电脑配置最好?快到一年一度的618了,而且还赶上最近内存和ssd的低价,所以各位想装机的小伙伴可以抓住这次机会自行组装一台新机器。 我们大蛇建筑就在这里推荐一批配置,供大家参考,当然这些配置主要针对于画图主机,器画图范畴包括lumion,sketchup,rhino,photoshop,vray,enscape,3dmax,revit,pr,AE等常用软件的使用,另外不用问哪个好,很明显:贵的好。当然我们也将配置分为了几个档次,大家可以根据自己的情况按需选择参考 豪华旗舰版 项目 型号 数量 价格 CPU: intel i9 9900k 1 4649 主板: 技嘉Z390 AORUS PRO WIFI 1 内存: 十铨灯条白色 C16 DDR4 3200 16G 4 2236 显卡: 索泰RTX2080Ti 11G 玩家力量PGF 1 8999 ssd: 三星970 PRO 512G M.2 NVMe SSD 1 999 机械: 西部数据 黑盘 4T 1 1499 电源: 海韵 PRIME ULTRA 850 1 1199 机箱: 追风者(PHANTEKS) 515ETG曜石黑 1 889 散热: 安耐美(Enermax)飞轮360水冷排 1 1099 风扇: 先马光环5 5 230 千斤顶: 炫彩RGB发光显卡支架 1 159 合计: 21958 性能优享版 项目 型号 数量 价格 CPU: intel i9 9900kf 1 4419 主板: 华擎 z390 extreme 4 1 内存: 十铨夜莺 C16 DDR4 3200 8G 4 1220 显卡: 映众 RTX 2080Ti Gaming 11G OC 1 7999 ssd: 三星970EVO PLUS 500G M.2 1 779 机械: 西部数据2T 红盘 1 529 电源: 鑫谷昆仑KL-750W 1 899 机箱: 乔思伯umx4 plus 银色黑色 1 899 散热: 安耐美(Enermax)飞轮360水冷排 1 1099 其他: 先马光环5 5 230 合计: 18073 性价优异版 项目 型号 数量 价格 CPU: intel i7 9700kf 1 3999 主板: 华擎 z390 extreme 4 1 内存: 十铨DDR4 3200 8G RGB灯条黑色 4 1180 显卡: 索泰 RTX2080 8G PGF 星际战舰 1 5199 ssd: 西部数据 SN750 500G m.2 1 545 机械: 西部数据2T 红盘 1 529 电源: 鑫谷GP700G黑金全模组版 1 439 机箱: 乔思伯umx4 RGB 银色 1 799 散热: 安耐美LIQFUSION240水冷散热器 1 699 其他: 先马光环5 3 150 合计: 13539 普通大众版 项目 型号 数量 价格 CPU: AMD Ryzen R7 2700x 1 2799 主板: 华擎科技 X470 Master SLI 1 内存: 十铨冥神ddr4 3000 8G 4 832 显卡: 华硕 ROG-STRIX RTX2070-O8G 1 3498 ssd: 西部数据 SN750 500G m.2 1 545 机械: 西部数据2T 红盘 1 529 电源: 鑫谷GP700P白金版电源 1 389 机箱: 乔思伯U5 黑色 1 449 散热: 九州风神 堡垒 240 1 499 其他: 先马光环5 5 230 合计: 9770 省钱经济版 项目 型号 数量 价格 CPU: intel i5 9600k 1 2399 主板: 华擎z390 pro4 1 内存: 十铨冥神ddr4 3000 8G 4 832 显卡: 耕升RTX2060 6G 追风 1 2199 ssd: 三星970EVO PLUS 250G M.2 1 375 机械: 西部数据2T蓝盘 1 354 电源: 安钛克 AP500 1 279 机箱: 乔思伯U4 银色红色 1 399 散热: 酷冷至尊暴雪T610P 1 279 其他: 先马光环5 3 150 合计: 7266 低配入门版 项目 型号 数量 价格 CPU: AMD Ryzen R5 2600x MAX 1 1759 主板: 微星B450M MORTAR 1 内存: 十铨DDR4 2666 16G 普条 2 770 显卡: 索泰gtx1660ti 6G 霹雳版OC 1 1899 ssd: 台电幻影240G M.2 ssd 1 219 机械: 希捷酷鱼1T 1 285 电源: 振华电源 铜皇450W 1 219 机箱: 乔思伯c3 plus 银色 1 299 散热: cpu自带 - - 其他: 先马光环5中间 3 120 合计: 5570 推荐配置及价格仅适用于最近,也就是2019年5~8月,未来怎么样还不一定呢~
2019-06-09 23:26:12GPU渲染
【渲染效果】Arnold CPU和GPU渲染效果对比,Arnold GPU原理详解
Katana3.0 + KtoA 2.3.0.0 gpu19 + GeForce GTX 1080Using 8 render threads参数设置:AA samples = 6GI diffsue samples = 3GI specular samples = 3GI transmisson samples = 3GI diffsue depth = 2GI specular depth = 3GI transmisson depth = 8灯光采样为默认值金属材质 (Metal)metal(左边为CPU, 右边为GPU)渲染时间:CPU - 2m13sGPU - 10s总结来说,金属这种BRDF的材质已经不需要太多运算性能,在GPU上也可以很好的计算,所以CPU和GPU的噪点都比较少,GPU渲染要快很多。当场景中有很多硬表面材质的时候,GPU会在不损失渲染质量的基础上,显示出更强大的速度和性能。玻璃材质 (Glass)glass(左边为CPU, 右边为GPU)渲染时间:CPU - 31m57sGPU - 17s玻璃这种BTDF的材质,光线追踪的渲染器实在太慢太低效了。虽然Arnold GPU渲染速度特别快,但是明显能看出来渲染细节丢失严重,噪点密密麻麻。还是使用CPU慢慢渲染比较靠谱。次表面散射材质 (SSS)sss(左边为CPU, 右边为GPU)渲染时间:CPU - 6m39sGPU - 36s次表面材质,SSS,也就是BSSRDF,是这么多测试中,Arnold GPU带来了最大的惊喜。Arnold GPU实现了 standard_surface中的random_walk BSSRDF。先简单介绍下,Arnold 5自带两种类型的SSS:diffusionrandom_walkdiffusion是一种基于经验的SSS模型,它的渲染结果更快,因为很多参数都是通过查表得到,这种经验模型也是现在普遍使用的方式。而randrom_walk是完全的光线反射计算,基于真实的物理模型。回到Arnold GPU,它不支持diffusion而是直接使用random_walk,得出的结果非常完美, 少,渲染效果和CPU非常相似。实际生产中,这个是完全可以胜任电影级的CG制作要求。科耐尔盒子 (Cornell Box)cornell_box(左边为CPU, 右边为GPU)渲染时间:CPU - 23m37sGPU - 1m27s结果很完美,虽然渲染时间很慢,但是效果惊人。和Redshift做对比的话,速度上惨败,效果上完胜。Redshift最大的问题在于间接光照往往太亮,暗部细节不够。Arnold GPU的效果和CPU基本完全一致,就这一点上,它是目前已知渲染器中(prman还不知道)做的最好的。这里请注意一下,GPU的渲染时间明显比CPU快很多的很重要的原因,是因为它们的采样相同,而采样相同的基础上,GPU渲染结果的噪点要明显比CPU渲染结果的噪点要多。Arnold Beta版的限制因为目前Arnold还处于早期的beta测试版本,所以很多特性是没有的,想要将Arnold GPU用于生产制作应该还是早了一些。以下是一些比较大的缺点。通用的限制GPU渲染,在相同采样的基础上,要比CPU噪点更多GPU渲染会将所有贴图读入内存和显存,暂不支持streaming textureGPU渲染不支持bucket rendering,所有支持的AOVs都留在内存中GPU渲染不支持OpenVDBShaders的限制暂不支持 OSL Shaders暂不支持第三方Shaders不支持AOVs写出,不支持 write_aovLights的限制暂不支持 cylinder_light暂不支持 disk_light暂不支持 mesh_light暂不支持 light_links暂不支持 light_filtersArnold GPU的未来Arnold希望将GPU渲染用于电影级的项目,但是因为GPU自身的缺点,很多渲染必须要使用CPU来计算,效率更高。所以,自由的在CPU和GPU之间切换渲染是非常重要。基于这一点,Arnold既能提供高质量的CPU单向光线追踪渲染,又能提供高效的GPU Optix光线追踪渲染。一套API支持CPU和GPUArnold设计之初就提出,使用一套API,兼容CPU和GPU渲染。现在Arnold GPU已经开始兼容一些MtoA里提供的Maya原生材质,至少这点Arnold已经取得一些进展了。支持OSL Shaders最新的消息,来自开发者论坛,NVIDIA正在和Sony一起,正在开发OSL基于GPU下的兼容性,包括OSL几个很重要的特性:Closure和LPEs。不久会加入Arnold GPU。渲染效果一致性现在看来,在效果还原上,Arnold还是做的很好的,GPU渲染尽力向CPU渲染的效果靠拢,因为两个渲染架构不同,不再延伸。来自: MIYAZAKI本文整理自Renderbus
如何搭建工作室小规模gpu渲染农场
图 2 Benchmark软件目前GPU测试数据排行 搭建云渲染平台-基本信息了解什么是GPU,优势何在我们通常所说的cpu即中央处理,全称Central Processing Unit。cpu拥有超强的逻辑能力,CPU虽然有多核,但总数没有超过两位数,CPU擅长处理具有复杂计算步骤和复杂数据依赖的计算任务;gpu则是图形处理器,全称Graphic Processing Unit。作为一个附属型处理器出现存在的,它主要处理计算机中与图形计算有关的工作。GPU的核数远超CPU,启用Gpu渲染加速,就是调用gpu加速图形的渲染和填充。开启gpu渲染加速后可以提升图形加载速度,降低cpu处理器的负担,使系统运行更加流畅.在图形渲染领域,不管是影视动画、建筑表现,还是CG广告,GPU凭借其专为图形加速而设计的架构和计算能力,为用户带来了一种更加高效的渲染解决方案,即GPU渲染解决方案。GPU渲染具有更快速度、更低成本的优势,而且GPU加速渲染的可用性也不断提高,越来越多搭上GPU渲染标签的高品质作品问世。 搭建云渲染平台-支持GPU渲染的渲染器就目前支持GPU渲染的渲染器来说,多是基于基于CUDA开发的,如:redshift、OctaneRender、vray等,Blender Cycles是为数不多同时支持N卡和A卡的渲染器。Redshift是世界第一款完全基于GPU加速的、有偏差的渲染器,也是现在市场接受度最高的一款GPU渲染器。Redshift采用近似法和插值技术,在样本相对较少的情况下实现无噪点的渲染结果,并在同等输出效果下,速度远超无偏差渲染器。Redshift支持多种有偏差的全局光照技术,包括:Brute Force GI、Photon Mapping (与Caustics)、Irradiance Cache (类似于Irradiance Map和Final Gather)、Irradiance Point Cloud (类似于Importons和Light Cache),同时out-of-core架构的几何体和纹理,一定程度上摆脱了显卡显存的限制,渲染数以千万计的多边形和几乎无限数量的纹理成为可能;OctaneRender是世界上第一个GPU加速最快、基于物理的无偏差渲染器。这意味着只使用计算机上的显卡,就可以获得超快的照片级逼真的渲染结果。OctaneRender 4引入了突破性的机器学习技术,可以在视口和最终帧制作渲染中交互式地对主图和AOV进行降噪。不同于其它降噪,Spectral AI降噪器在内部感知模型和引擎深处的场景数据上运行。这种特定的AI降噪器使用于体积,玻璃,折射,SSS,景深和运动模糊,在复杂的场景中将渲染时间缩短50-100倍;Blender Cycles是采用光线追踪算法的、可提供超写实渲染的无偏差渲染引擎。光线追踪算法的优点是设置参数简单,结果准确,能大大减少渲染时间。Cycles 有两种GPU渲染模式:CUDA, 在 NVIDIA 的显卡上运行的加速模式; 以及OpenCL, AMD 的显卡上运行的加速模式。V-Ray GPU有两个渲染引擎,一个是基于OpenCL,另一个基于NVIDIA 的CUDA,但是V-Ray Next,之后的版本将完全基于NVIDIA 的CUDA。根据您本地的配置可选择V-Ray GPU引擎执行射线追踪计算,或同时使用的计算机的CPU和GPU设备。 搭建云渲染平台-如何搭建多显卡渲染环境如之前所说,很多GPU渲染器是基于NVIDIA 的CUDA开发的,CUDA 是支持在一个系统中使用多个显卡的,但是这并不是自动完成的,因此应用程序拥有全面控制权。应用程序可将工作分配到多个 GPU。但是这并不是自动完成的,因此应用程序拥有全面控制权.。目前用的最多的GPU渲染器应该就是redshift,其支持的三维软件也较多,我们就以redshift渲染环境搭建为例作以说明。 图 4 redshift支持的三维软件基本步骤如果需要配置稍大规模的渲染环境,要考虑到需要配置license服务器,文件共享服务器等配置,渲染节点需要注意以下配置。基本硬件环境安装操作系统、硬件要求、驱动版本详见:https://docs.redshift3d.com/display/RSDOCS/System+Requirements?product=maya软件环境配置三维渲染软件、渲染插件配置、GPU运行状态监控软件(GPU-Z)调度器安装配置如:deadline注意事项:虽然是GPU渲染,但是渲染前还是有大量工作需要CPU做的,比如场景转换,因此cpu的选择也不能太过随意,尽量选择主频较高、线程数较多、可持续工作时间较长的,志强系列为佳;特别是走共享服务器路径的,要注意存储及网络性能,尽量选择i/o性能较好的ssd;流程优化。以redshift为例,渲染前会转临时贴图,如通过preferences.xm或者REDSHIFT_CACHEPATH这个环境变量设置到一个公共位置的话能减少不少渲染时间
GPU和CPU的区别是什么,渲染是否是并行计算的?
二:GPU与CPU的区别想要理解GPU与CPU的区别,需要先明白GPU被设计用来做什么。现代的GPU功能涵盖了图形显示的方方面面,我们只取一个最简单的方向作为例子。大家可能都见过上面这张图,这是老版本Direct X带的一项测试,就是一个旋转的立方体。显示出一个这样的立方体要经过好多步骤,我们先考虑简单的,想象一下他是个线框,没有侧面的“X”图像。再简化一点,连线都没有,就是八个点(立方体有八个顶点的)。那么问题就简化成如何让这八个点转起来。首先,你在创造这个立方体的时候,肯定有八个顶点的坐标,坐标都是用向量表示的,因而至少也是个三维向量。然后“旋转”这个变换,在线性代数里面是用一个矩阵来表示的。向量旋转,是用向量乘以这个矩阵。把这八个点转一下,就是进行八次向量与矩阵的乘法而已。这种计算并不复杂,拆开来看无非就是几次乘积加一起,就是计算量比较大。八个点就要算八次,2000个点就要算2000次。这就是GPU工作的一部分,顶点变换,这也是最简单的一部分。剩下还有一大堆比这更麻烦的就不说了。总而言之,CPU和GPU因为最初用来处理的任务就不同,所以设计上有不小的区别。它们分别针对了两种不同的应用场景。CPU需要很强的通用性来处理各种不同的数据类型,同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得CPU的内部结构异常复杂。而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。于是CPU和GPU就呈现出非常不同的架构(示意图):CPU与GPU区别大揭秘图片来自nVidia CUDA文档。其中绿色的是计算单元,橙红色的是存储单元,橙黄色的是控制单元。GPU采用了数量众多的计算单元和超长的流水线,但只有非常简单的控制逻辑并省去了Cache。而CPU不仅被Cache占据了大量空间,而且还有有复杂的控制逻辑和诸多优化电路,相比之下计算能力只是CPU很小的一部分。而GPU的工作大部分就是这样,计算量大,但没什么技术含量,而且要重复很多很多次。就像你有个工作需要算几亿次一百以内加减乘除一样,最好的办法就是雇上几十个小学生一起算,一人算一部分,反正这些计算也没什么技术含量,纯粹体力活而已。而CPU就像老教授,积分微分都会算,就是工资高,一个老教授资顶二十个小学生,你要是富士康你雇哪个?GPU就是这样,用很多简单的计算单元去完成大量的计算任务,纯粹的人海战术。这种策略基于一个前提,就是小学生A和小学生B的工作没有什么依赖性,是互相独立的。很多涉及到大量计算的问题基本都有这种特性,比如你说的破解密码,挖矿和很多图形学的计算。这些计算可以分解为多个相同的简单小任务,每个任务就可以分给一个小学生去做。但还有一些任务涉及到“流”的问题。比如你去相亲,双方看着顺眼才能继续发展。总不能你这边还没见面呢,那边找人把证都给领了。这种比较复杂的问题都是CPU来做的。而某些任务和GPU最初用来解决的问题比较相似,所以用GPU来算了。GPU的运算速度取决于雇了多少小学生,CPU的运算速度取决于请了多么厉害的教授。教授处理复杂任务的能力是碾压小学生的,但是对于没那么复杂的任务,还是顶不住人多。当然现在的GPU也能做一些稍微复杂的工作了,相当于升级成初中生高中生的水平。但还需要CPU来把数据喂到嘴边才能开始干活,究竟还是靠CPU来管的。三:并行计算首先我们说一下并行计算的概念,它是一种类型的计算,它的许多计算或执行过程是同时进行的。将大问题可以分成较小的问题,然后可以同时解决。可以同CPU或主机进行协同处理,拥有自己的内存,甚至可以同时开启1000个线程。采用GPU进行计算时与CPU主要进行以下交互: CPU与GPU之间的数据交换,在GPU上进行数据交换先说明一下,一般来说同一时刻一个CPU或GPU计算核心上(就是我们通常所说的“核”)只能够进行一个运算,在超线程技术中,一个计算核心在同一时刻可能进行多个计算(比如对于双核四线程的CPU,在不发生资源冲突的情况下,每个计算核心可能同时进行两个计算),但超线程通常只是使逻辑计算核心翻倍。我们平时看到自己使用的CPU可以同时运行几十个程序,实际上,从微观角度来说,这几十个程序在一定程度上仍然是串行的,比如在四核四线程CPU上,同一时刻只能够进行4个运算,这几十个程序便只能在四个计算核心上轮换执行,只是由于切换速度很快,在宏观上表现出的就是这些程序在“同时”运行。GPU最突出的特点就是:计算核心多。CPU的计算核心一般只有四个、八个,一般不超过两位数,而用于科学计算的GPU的计算核心可能上千个。正由于计算核心数量的巨大优势,GPU在同一时刻能够进行的计算的数量远远地把CPU比了下去。这时候,对于那些可以并行进行的计算,利用GPU的优势就能够极大地提高效率。这里解释一下任务的串行计算和并行计算。串行计算通俗来说就是先计算完一个之后再计算下一个,并行计算则是同时并行的计算若干个。比如计算实数a与向量B=[1 2 3 4]的乘积,串行计算就是先计算a*B[1],再计算a*B[2],然后计算a*B[3],最后计算a*B[4],从而得到a*B的结果,并行计算就是同时计算a*B[1]、a*B[2]、a*B[3]和a*B[4],得到a*B的结果。如果只有一个计算核心,四个计算任务是不可能并行执行的,只能够一个一个地串行计算,但如果有四个计算核心,则可以把四个独立的计算任务分到四个核上并行执行,这便是并行计算的优势所在。正因如此,GPU的计算核心多,能够进行并行计算的规模便非常大,对于一些能够通过并行计算解决的计算问题便表现出了优于CPU的性能。比如破译密码,将任务分解成可以独立执行的若干份,每一份分配在一个GPU核心上,便可以同时执行多份破译任务,从而加快破译速度。但并行计算不是万能的,它需要一个前提:问题可以分解为能够并行执行的若干个部分。很多问题不满足这个条件,比如一个问题有两步,而第二步的计算依赖于第一步的结果,此时,这两部分便不能并行的执行,只能够串行地依次执行。实际上,我们平时的计算任务常常有复杂的依赖关系,很多重要的计算任务并不能够并行化。这是GPU的一个劣势。关于GPU编程方面主要有以下方法:由于不是编程科班出身,这里就不多加介绍了,有兴趣的朋友可以自行找资料。关于GPU的并行计算,就说这么多,有更深了解的朋友欢迎来沟通。
2018-05-25 10:51:21CPU渲染GPU渲染