Redshift目前支持Windows、macOS（至High Sierra）和Linux上的NVidia GPU。它还支持macOS Big Sur或更高版本上的AMD GPU。
对于NVidia GPU（适用于Windows、Linux或macOS High Sierra）。我们推荐使用最新一代的GeForce RTX 2070、GeForce RTX 2070 Ti、GeForce RTX 2080和GeForce RTX 2080 Ti GPU。针对当前版本。建议使用GeForce RTX 3060 Ti、RTX 3070、GeForce RTX 3080或GeForce RTX 3090 GPU。对于专业级GPU。我们推荐上一代的Quadro RTX 5000、Quadro RTX 6000 GPU或下一代的Quadro RTX A6000 GPU。需要注意的是。就Redshift渲染而言。GeForce和Quadro之间没有明显的性能差异。虽然Quadro在渲染视口OpenGL方面可能更快。但这不会影响Redshift的渲染性能。一个关键的优势是Quadro通常拥有更多的VRAM。对于渲染大型场景可能更重要。
使用Redshift。您可以在同一台计算机上混合使用GeForce和Quadro GPU。
GeForce GPU与Titan/Quadro/Tesla GPU之间的一个重要区别是TCC驱动程序的可用性。TCC代表"Tesla Compute Cluster"。它是NVidia为Windows开发的特殊驱动程序。绕过了Windows显示驱动程序模型（WDDM）。使GPU能够以更高的速度与CPU通信。TCC的缺点是。一旦启用它。GPU对于Windows和3D应用程序（如Maya、Houdini等）将会变得“不可见”。它成为了专门用于CUDA应用程序（如Redshift）的工具。只有Quadro、Tesla和Titan GPU才能启用TCC。而GeForce GTX卡无法使用它。需要注意的是。TCC仅适用于Windows。Linux操作系统不需要它。因为Linux的显示驱动程序不会受到与WDDM相关的延迟。换句话说。默认情况下。Linux上的CPU-GPU通信在所有NVidia GPU（包括GeForce和Quadro/Tesla/Titan GPU）上比Windows上（使用WDDM）更快。
尽管GeForce GPU上没有TCC。但是通过启用"硬件加速GPU调度"。您仍然可以在Windows 10上获得类似TCC的一些延迟优势。这是在2020年某个时候首次推出的Windows 10更新和最新的NVidia驱动程序。
对于AMD GPU（仅适用于macOS Big Sur或更高版本）。目前在Redshift中支持的AMD GPU列表仅限于macOS Big Sur或更高版本。对于Windows和Linux的支持可能会在Redshift的未来版本中出现。
Radeon Pro Vega II Duo目前提供了最佳的AMD GPU渲染性能。因为该显卡包含两个GPU芯片。非双芯片版本只包含一个GPU。因此性能仅为一半。另一个推荐用于Redshift的AMD GPU是W5700X。因为它相对便宜且性能大致相当于非双芯片版本。
如果在同一台计算机上安装了多个GPU。Redshift的渲染速度将会更快。然而。拥有多个GPU可能需要特殊的主板、CPU和设置。后面的文档将详细介绍这一点。
对于VRAM的需求。如果需要更多的VRAM。那么Titan/Quadro/Tesla（NVidia）或Radeon Pro（AMD）是正确的选择。如果您不需要它们。那么选择多个更便宜的GPU将提供更大的计算能力和更快的渲染时间。
关于VRAM容量对性能的影响。一般经验法则是"越多越好"。然而。具有更多VRAM的GPU也更昂贵。Redshift可以在约1GB的视频内存中容纳大约2000万到3000万个独特的三角形。对于包含3亿个三角形的场景。Redshift通常需要约10GB的VRAM。然而。即使具有8GB VRAM的GPU也可以渲染如此高的多边形场景。因为Redshift的核心外架构允许它处理更大的数据量。然而。过多的核心外数据访问可能会导致性能损失。因此在渲染高多边形场景时。最好有足够的VRAM可用。
需要注意的是。Redshift目前无法以非核心方式存储体积网格（如OpenVDB）。因此。使用数百兆字节的OpenVDB数据的场景可能需要具有更多VRAM的GPU。否则渲染帧可能会中止。
拥有更多VRAM的另一个优势是能够同时运行多个GPU应用程序。例如Maya的OpenGL视口、Chrome（Web浏览器）和操作系统本身。这些应用程序消耗大量VRAM。为Redshift留下很少的内存。在拥有大量VRAM的GPU上。这不是问题。对于无法购买具有大量VRAM的GPU的用户。一个解决方案是安装额外的（更便宜的）GPU。该GPU将用于除Redshift之外的所有任务。然后。可以将剩余的GPU与显示器断开连接。以便将整个VRAM用于Redshift渲染。这种断开GPU与显示器连接的方式被称为"无头模式"。
在选择GPU时。VRAM容量通常
是决定因素。例如选择11-12GB的较昂贵GPU与8GB的较便宜GPU之间。
最后。需要注意的是。多个GPU的VRAM不会合并！例如。如果系统中安装了8GB的GPU和11GB的GPU。它们的VRAM不会相加得到19GB！每个GPU只能使用自己的VRAM。除非使用NVLink将它们连接在一起。NVLink是一种NVidia技术。它可以将两个GPU桥接在一起。使它们可以共享内存。使用NVLink会带来性能损失。并且在某些情况下可能并不明显。Redshift会自动检测并使用NVLink（如果可用）。
如果您计划进行OpenGL/2D渲染。是否要使用额外的GPU？如果不需要。那么选择具有更多VRAM的GPU是更好的选择。
是否要渲染大量的场景（1.5亿个三角形或大量的OpenVDB或粒子）？如果是这样。更喜欢具有更多VRAM的GPU。
除非使用NVLink。否则VRAM不会在多个GPU之间组合。
当为每个计算机添加多个GPU时。选择具有多个PCIe3.0 x16插槽或更多插槽的主板可以加快渲染速度。需要注意的是。有些主板声称具有4个PCIe3.0 x16插槽。但是实际规格显示为（x16。x16）、（x8。x8。x8。x9）等。这意味着"如果您有两个GPU。它们都将以x16速度运行；但是如果您有4个GPU。每个GPU都将以x8速度运行"。换句话说。即使主板具有4个插槽。它们也不能同时以完全的x16速度运行。
是否绝对需要（x16。x16。x16。x16）？实际上。Redshift在使用（x8、x8、x8、x9）时也可以很好地运行。但在某些情况下。x16速度可能有助于提高性能。这包括DeepEXR渲染或进行大量核心外渲染的渲染场景。即需要GPU访问CPU内存的情况。但是。不要期望在x16和x8插槽之间存在巨大的性能差异。
需要注意的是。即使选择了声称具有许多PCIe x16插槽的主板。您也需要适当的CPU来实现这种性能！
如果您正在为Redshift构建计算机。并计划将来添加更多的GPU。我们建议选择具有4个PCIe3.0 x16插槽或更多插槽的主板。
对于CPU。我们推荐选择具有良好单线程性能的CPU。与多核低GHz的CPU相比。具有较少核心但更高GHz的处理器更好。例如。与6核3.5GHz的CPU相比。具有8核2.5GHz的处理器性能更好。我们建议选择工作频率为3.5GHz或更高的CPU。
并非所有的CPU都能以完全的PCIe x16速度驱动4个GPU。CPU具有称为"PCIe通道"的功能。用于描述CPU与GPU之间数据通信的速度。某些CPU的PCIe通道较少。例如。Core i7-5820K 3.3GHz具有28个PCIe通道。而i7-5930K 3.5GHz具有40个PCIe通道。这意味着i7-5930K可以以更高的速度驱动更多的GPU。因此。建议选择具有更多PCIe通道的CPU。我们不建议使用Core i5、Core i3或低端的CPU。
当在同一主板上安装多个CPU（如Xeon）时。来自CPU的PCIe通道将合并。双Xeon系统可以完全驱动8个GPU。
Redshift经过测试的唯一外部GPU机箱是Cubix Xpander Elite。并且表现出色！我们对它进行了使用1、2、3和4个GPU同时测试。发现它非常稳定。与直接在计算机主板上安装GPU相比。我们无法测量到性能的影响。如果您的计算机没有足够的PCIe插槽。并且希望GPU是可移动的。那么GPU扩展器可能会有用。
请注意。并非所有的外部机箱都适用于Redshift！某些机箱可能会引入PCIe通信延迟。这可能会对Redshift的性能产生负面影响！建议在购买之前使用所选机箱测试Redshift。即使其他GPU渲染器可能在其上运行良好。由于Redshift的软件架构要求GPU与CPU更频繁地进行通信。因此机箱的性能（延迟）非常重要！
在选择电源时。请遵守CPU/GPU的功率要求。并选择适当的电源。安装4个GPU可能需要1500W的电源。质量较低或功率不足的电源可能导致GPU不稳定、崩溃甚至损坏！
需要注意的是。安装4个GPU会产生大量热量。因此请确保机箱具有良好的冷却/通风。如果散热不良。GPU可能会自行进行热保护和降频。以避免过热。降频意味着渲染速度较慢！此外。高温还
会缩短电子设备的寿命。因此。良好的冷却非常重要！
在使用Redshift和多个GPU进行渲染时。有两种选择：可以使用所有GPU同时渲染单个帧。也可以使用GPU组合一次渲染多个帧。
在某些情况下。使用所有可用GPU同时渲染单个帧可能会产生非线性的性能增益。例如。与使用1个GPU渲染相比。4个GPU渲染可能不会快4倍。而是可能快3倍。这是因为每个帧都有一定的CPU处理时间。无法通过添加额外的GPU来加速。
举个例子来解释这个问题。假设从Maya中提取场景数据（仅在CPU上执行）需要10秒。而使用1个GPU进行渲染需要60秒。因此。总渲染时间为70秒。现在。如果再添加3个GPU（总共4个GPU）。则将60秒的渲染时间除以4。得到15秒。然而。您无法缩短10秒的提取时间。因为这些都是在CPU上完成的！因此。总渲染时间将为10秒+15秒=25秒。而原始渲染时间为70秒。换句话说。渲染时间比4快3倍。
在其他情况下。添加更多的GPU可能没有帮助。比如从磁盘加载数据的情况。而且。某些CPU处理阶段是单线程的。这意味着安装多个内核的CPU也无济于事。
解决这个问题的方法是一次渲染多个帧。如果计算机有4个GPU。那么可以一次渲染两个帧。每个帧使用2个GPU。这样做的好处是。当一次渲染多个帧时。CPU会被迫做更多的工作（例如一次提取多个帧）。这通常会提高CPU和GPU的性能比。
一些渲染管理器（如Deadline）支持Redshift的这个功能。称为"GPU亲和力"。如果不使用渲染管理器。而是使用自己的批量渲染脚本。也可以实现一次渲染多个帧。
本文地址：https://www.zgqzhs.com/75373.html，转载请说明来源于：渲大师
声明：本站部分内容来自网络，如无特殊说明或标注，均为本站原创发布。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。分享目的仅供大家学习与参考，不代表本站立场！
