ຄຸນສົມບັດ AI on darktable user manual

ພາບລວມ

Mon, 01 Jan 0001 00:00:00 +0000

darktable ໃຊ້ໂມເດວການຮຽນຮູ້ຂອງເຄື່ອງສຳລັບວຽກການປະມວນຜົນຮູບພາບຈຳນວນໜຶ່ງ: ການເຮັດໜ້າກາກວັດຖຸແບບໂຕ້ຕອບ, ການຫຼຸດສັນຍານລົບກວນ (denoising), ການຂະຫຍາຍຂະໜາດ (upscaling) ແລະ ອື່ນໆ. ສ່ວນນີ້ຈະອະທິບາຍວ່າຄຸນສົມບັດເຫຼົ່ານັ້ນເຮັດວຽກແນວໃດແບບຄົບວົງຈອນ – ອັນໃດລັນຢູ່ໃສ, ມີໂມເດວໃດແດ່, ການລັນຖືກເລັ່ງຄວາມໄວແນວໃດ, ແລະ ສິ່ງທີ່ຜູ້ໃຊ້ເລືອກໃນ ການຕັ້ງຄ່າ AI ນັ້ນຄວບຄຸມຫຍັງແທ້.

ຄຸນສົມບັດ AI ແມ່ນຕ້ອງເລືອກເປີດໃຊ້ເອງ. ພວກມັນຈະຖືກປິດໄວ້ເປັນຄ່າເລີ່ມຕົ້ນໃນການຕິດຕັ້ງໃໝ່ ແລະ ສາມາດເປີດປິດໄດ້ຕະຫຼອດເວລາໃນການຕັ້ງຄ່າ.

ຄຸນສົມບັດ AI ຕ້ອງມີຢູ່ໃນໄຟລ໌ບີນາຣີ (binary) ຂອງ darktable. ຊຸດຕິດຕັ້ງທາງການ (Linux AppImage, Windows installer, macOS dmg) ແມ່ນລວມເອົາຄຸນສົມບັດເຫຼົ່ານີ້ໄວ້ທັງໝົດ. ຜູ້ຈັດເຮັດຊຸດຕິດຕັ້ງພາຍນອກອາດຈະສະໜອງຊຸດຕິດຕັ້ງທີ່ບໍ່ມີການຮອງຮັບ AI – ໃນກໍລະນີນັ້ນ, ແຖບ AI ຈະບໍ່ປະກົດໃຫ້ເຫັນໃນສ່ວນການຕັ້ງຄ່າ (preferences) ເລີຍ. ໃຫ້ສອບຖາມຜູ້ດູແລຊຸດຕິດຕັ້ງຂອງລະບົບ (distribution) ທີ່ທ່ານໃຊ້ເພື່ອເປີດການຮອງຮັບ AI ຫຼື ໃຊ້ຊຸດຕິດຕັ້ງທາງການ.

🔗ຄຸນສົມບັດ AI ເຮັດຫຍັງໄດ້ແດ່

🔗ໜ້າທີ່ (tasks)

ໜ້າທີ່ (task) ແມ່ນຊ່ອງຄວາມສາມາດພາຍໃນ darktable – “ສ້າງໜ້າກາກອ້ອມຮອບວັດຖຸທີ່ຄລິກ”, “ຫຼຸດສັນຍານລົບກວນຮູບພາບ RGB”, ແລະ ອື່ນໆ. ໜ້າທີ່ຕ່າງໆຈະແຍກອອກຈາກໂມເດວທີ່ນຳໃຊ້ມັນ: ໂມເດວທີ່ແຂ່ງຂັນກັນຫຼາຍອັນສາມາດຢູ່ໃນດິສກ໌ສຳລັບໜ້າທີ່ດຽວກັນ (ຕົວຫຼຸດສັນຍານລົບກວນ NIND, ຕົວຫຼຸດສັນຍານລົບກວນ NAFNet, ອັນທີສາມທີ່ເປັນຕົວທົດລອງ…), ແຕ່ຈະມີພຽງອັນດຽວໃນນັ້ນທີ່ ໃຊ້ງານຢູ່ ສຳລັບໜ້າທີ່ນັ້ນໃນເວລາໃດໜຶ່ງ, ແລະ ນັ້ນຄືອັນທີ່ໂມດູນຂອງ darktable ຈະນຳໄປໃຊ້. ການປ່ຽນໂມເດວທີ່ໃຊ້ງານຢູ່ແມ່ນການສະຫຼັບພຽງຄລິກດຽວໃນ ການຕັ້ງຄ່າ AI ແລະ ບໍ່ຈຳເປັນຕ້ອງມີການປ່ຽນແປງໃດໆກັບໂມດູນ – ຕົວນຳໃຊ້ພຽງແຕ່ຖາມຫາ “ໂມເດວ denoise ທີ່ໃຊ້ງານຢູ່” ແລະ ກໍຈະໄດ້ອັນໃດກໍຕາມທີ່ທ່ານເລືອກ.

ຄຸນສົມບັດ AI ເຮັດວຽກແນວໃດ

Mon, 01 Jan 0001 00:00:00 +0000

ໜ້ານີ້ອະທິບາຍສິ່ງທີ່ເກີດຂຶ້ນພາຍໃນ: ໄລບຣາຣີການປະມວນຜົນທີ່ darktable ໂຫລດ, ຕົວປະມວນຜົນທີ່ມີໃຫ້ໃຊ້, ແລະ ວິທີການເກັບຮັກສາພ້ອມທັງເປີດໃຊ້ໂມເດວ.

🔗runtime ສຳລັບການປະມວນຜົນ

darktable ໂຫຼດໂມເດວຜ່ານ ONNX Runtime – ໄລບຣາຣີການລັນ (inference library) ລະດັບການຜະລິດທີ່ພັດທະນາໂດຍ Microsoft ແລະ ຕອນນີ້ຢູ່ພາຍໃຕ້ການເບິ່ງແຍງຂອງ Linux Foundation – ເຊິ່ງຮອງຮັບໂມເດວໃນຮູບແບບເປີດ ONNX. ONNX ແມ່ນມາດຕະຖານຫຼັກສຳລັບການແລກປ່ຽນໂມເດວການຮຽນຮູ້ຂອງເຄື່ອງ (machine-learning) ຂ້າມເຟຣມເວີກ (PyTorch, TensorFlow, ແລະ ອື່ນໆ) ດັ່ງນັ້ນພວກເຮົາຈຶ່ງສາມາດນຳໂມເດວທີ່ຝຶກມາໃນເຟຣມເວີກໃດກໍໄດ້, ສົ່ງອອກເປັນ ONNX, ແລະ ລັນມັນຈາກ darktable ໄດ້ໂດຍບໍ່ຕ້ອງເອົາເຟຣມເວີກທີ່ໃຊ້ຝຶກມັນມານຳ.

ມີພຽງໄລບຣາຣີ ONNX Runtime ດຽວເທົ່ານັ້ນທີ່ຖືກໂຫລດຕໍ່ໜຶ່ງຂະບວນການຂອງ darktable. ໂດຍຈະຖືກເລືອກຕາມລຳດັບດັ່ງນີ້:

1. ຖ້າຟີວ ONNX Runtime library ໃນ ການຕັ້ງຄ່າ AI ລະບຸໄປທີ່ໄຟລ໌ໃດໜຶ່ງ (ຫຼື ຜ່ານຕົວປ່ຽນສະພາບແວດລ້ອມ DT_ORT_LIBRARY), ໄລບຣາຣີນັ້ນຈະຖືກໂຫລດແທນ.
1. ຖ້າບໍ່ດັ່ງນັ້ນ, runtime ທີ່ມາພ້ອມກັບ darktable ຈະຖືກໂຫລດຈາກໂຟນເດີທີ່ຕິດຕັ້ງ.

Runtime ທີ່ໃຫ້ມານຳແມ່ນຮອງຮັບແຕ່ CPU ເທົ່ານັ້ນໃນ Linux, ຮອງຮັບ DirectML ໃນ Windows, ແລະ ຮອງຮັບ CoreML ໃນ macOS. ສິ່ງນັ້ນເຮັດໃຫ້ການຕິດຕັ້ງທຸກອັນສາມາດໃຊ້ງານໄດ້ທັນທີ. ຖ້າທ່ານຕ້ອງການການເລັ່ງຄວາມໄວ GPU ຂອງ NVIDIA, AMD ຫຼື Intel ໃນ Linux ຫຼື Windows, ທ່ານຕ້ອງປ່ຽນໄລບຣາຣີດ້ວຍເວີຊັນທີ່ຮອງຮັບ GPU – ເບິ່ງ ການເລັ່ງຄວາມໄວ GPU.

ການເລັ່ງດ້ວຍ GPU

Mon, 01 Jan 0001 00:00:00 +0000

ການເປີດໃຊ້ການເລັ່ງດ້ວຍ GPU ສຳລັບຄຸນສົມບັດ AI ຂອງ darktable ແມ່ນມີສອງຂັ້ນຕອນ:

ຕິດຕັ້ງ ONNX Runtime ທີ່ຮອງຮັບ GPU ສຳລັບຮາດແວຂອງທ່ານ (ໜ້ານີ້).
ກຳນົດບ່ອນເກັບຂໍ້ມູນ (library) ໃໝ່ໃຫ້ darktable ຜ່ານ ການຕັ້ງຄ່າ AI – ຄລິກ ກວດຫາ (detect) ເພື່ອສະແກນຫາບ່ອນຕິດຕັ້ງມາດຕະຖານໂດຍອັດຕະໂນມັດ, ຫຼື ເລືອກຫາໄຟລ໌ດ້ວຍຕົນເອງ.

ໃນ Linux, runtime ທີ່ມາພ້ອມກັບໂປຣແກຣມແມ່ນໃຊ້ໄດ້ສະເພາະ CPU; ໃນ Windows, ມັນໃຊ້ DirectML; ແລະ ໃນ macOS, ມັນໃຊ້ CoreML. ດັ່ງນັ້ນ, ຂັ້ນຕອນທີ 1 ຈະໃຊ້ໄດ້ສະເພາະຖ້າທ່ານຕ້ອງການການເລັ່ງດ້ວຍ GPU ຂອງ NVIDIA, AMD ຫຼື Intel ໃນ Linux ຫຼື Windows. ຂັ້ນຕອນທີ 1 ມີສາມວິທີ ຕາມທີ່ລະບຸໄວ້ລຸ່ມນີ້.

🔗ຄວາມຕ້ອງການຂອງລະບົບ

ຕົວປະມວນຜົນທີ່ມາພ້ອມກັບ Windows (DirectML, GPU ໃດໆທີ່ຮອງຮັບ DirectX 12) ແລະ macOS (CoreML, Apple Silicon ຫຼື Intel Mac ລຸ້ນໃໝ່) ແມ່ນບໍ່ມີຄວາມຕ້ອງການເພີ່ມເຕີມ. ແຕ່ຕົວປະມວນຜົນ GPU ໃນ Linux/Windows ດ້ານລຸ່ມນີ້ຕ້ອງການຮາດແວທີ່ຮອງຮັບ ແລະ ໄລບຣາຣີຂອງລະບົບບາງຢ່າງ.

ປະສິດທິພາບ ແລະ ການແກ້ໄຂບັນຫາ

Mon, 01 Jan 0001 00:00:00 +0000

🔗ໝາຍເຫດກ່ຽວກັບປະສິດທິພາບ

- ການປະມວນຜົນດ້ວຍ CPU ແມ່ນຍອມຮັບໄດ້ສຳລັບການເຮັດໜ້າກາກວັດຖຸ (ເຊິ່ງເປັນການປະມວນຜົນຂະໜາດນ້ອຍຄັ້ງດຽວ) ແຕ່ຈະຊ້າຫຼາຍສຳລັບການລົບສັນຍານລົບ ແລະ ການຂະຫຍາຍຮູບ. ແນະນຳໃຫ້ໃຊ້ runtime ຂອງ CUDA / MIGraphX / OpenVINO / DirectML / CoreML ຖ້າທ່ານຕ້ອງໃຊ້ງານເຫຼົ່ານີ້ເປັນປະຈຳ.
- ການຂະຫຍາຍຮູບ 4 ເທົ່າໃນຮູບຂະໜາດໃຫຍ່ຈະໃຊ້ໜ່ວຍຄວາມຈຳສູງ ບໍ່ວ່າຈະໃຊ້ຕົວປະມວນຜົນໃດກໍຕາມ. ລະບົບຈະເປີດໃຊ້ການແບ່ງສ່ວນ (tiling) ໂດຍອັດຕະໂນມັດເພື່ອຄວບຄຸມການໃຊ້ໜ່ວຍຄວາມຈຳ, ແຕ່ອາດຈະເຮັດໃຫ້ໃຊ້ເວລາປະມວນຜົນເພີ່ມຂຶ້ນເລັກນ້ອຍ.
- ການໂຫລດ ONNX Runtime ເມື່ອເລີ່ມໃຊ້ງານຄັ້ງທຳອິດຈະເຮັດໃຫ້ການປະມວນຜົນ AI ຄັ້ງທຳອິດຫຼັງຈາກເປີດໂປຣແກຣມໃຊ້ເວລາເພີ່ມຂຶ້ນໜ້ອຍໜຶ່ງ. ນີ້ແມ່ນເລື່ອງປົກກະຕິ.
ເມື່ອປ່ຽນລະຫວ່າງຜູ້ໃຫ້ບໍລິການການປະມວນຜົນ (ຕົວຢ່າງ: auto → CUDA), ການລັນ (inference) ຄັ້ງທຳອິດຂອງຜູ້ໃຫ້ບໍລິການໃໝ່ຈະເຮັດໃຫ້ເກີດຄວາມລ່າຊ້າໃນການລວບລວມກຣາບ (graph-compilation delay). ຫຼັງຈາກນັ້ນ, ເວລາໃນການລັນຈະຄົງທີ່ສຳລັບສ່ວນທີ່ເຫຼືອຂອງເຊດຊັນ.
AMD (MIGraphX) ມີຄ່າໃຊ້ຈ່າຍໃນການລັນຄັ້ງທຳອິດຫຼາຍນາທີຕໍ່ໂມເດວ. ROCm/MIGraphX ຈະລວບລວມກຣາບຂອງໂມເດວສຳລັບ GPU ສະເພາະຂອງທ່ານໃນຄັ້ງທຳອິດທີ່ມັນເຫັນ, ເຊິ່ງອາດໃຊ້ເວລາ 1–3 ນາທີສຳລັບໂມເດວຂະໜາດໃຫຍ່ (denoise, upscale); ໂມເດວ mask ຈະມີຂະໜາດນ້ອຍກວ່າ ແລະ ລວບລວມໄດ້ໄວກວ່າ. ກຣາບທີ່ລວບລວມແລ້ວຈະຖືກແຄຊ໌ (cached) ໄວ້ໃນດິສກ໌ພາຍໃຕ້ ~/.cache/darktable/ai_v*_migraphx_* ແລະ ຖືກນຳມາໃຊ້ໃໝ່ເມື່ອເລີ່ມ darktable ຄັ້ງຕໍ່ໄປ, ດັ່ງນັ້ນການລັນໂມເດວເດີມໃນຄັ້ງຕໍ່ໆໄປຈະໄວຂຶ້ນ.