PixInsight 1.9.6 Build 1719にアップデート|WBPPの処理時間が約半分に

This is a performance releaseというフレコミ

 でアップデートの通知が到着。
 例によってダウンロードサイトからインストールしたアップデータを起動する。

Build 1719アップデータを起動

 アップデートのアナウンスによれば、星の検出、画像のレジストレーションでのLanczos補間、コンボリューション、モルフォロジカルトランスフォーメーション、マルチスケールトランスフォーメーション、画像統計のモジュールがNVIDIA GPUで実行できるようになったという。

It introduces GPU acceleration as a new, optional layer of the platform: star detection, Lanczos interpolation in image registration, convolutions, morphological and multiscale transforms, and image statistics can now run on NVIDIA devices on Linux and Windows, and with Metal on Macs with Apple silicon.

アップデート終了後にThread Performance Analysisを実行

 以前のアップデート*1同様、Thread Performance Analysisを行ったら、これらの項目に関連するかなり多くのモジュールについて、CPUおよびGPUでの実行性能が測定された。
 この測定結果に基づいて各モジュールの実行環境が最適化される。したがって、ハードウェア構成を変更した場合などに改めて性能分析を実行しない限り、基本的には同じ最適化設定で処理が行われる。

改良されて速くなったプリプロセッシングパイプライン(WBPP)

 また、プリプロセッシングパイプライン(WBPP)については、複数ファイルを処理する際に、各ツールがCPUの全プロセッサを十分に活用できなかった制限を取り除いたという。これにより、GPUを使用しない環境でも、ImageAnalysis、StarAlignment、ImageCalibration、LocalNormalization、FastIntegrationなどの処理が高速化された。さらにFastIntegrationでは、画像の重み付けとドリズルデータに関する3つの問題も修正された。

The preprocessing pipeline is faster on every machine, with or without a GPU. We have removed several limits that kept our tools from using all the processors when many files are processed at the same time. ImageAnalysis, StarAlignment, ImageCalibration, LocalNormalization and FastIntegration are all faster, and FastIntegration also fixes three problems in weighting and drizzle data.

 試しに、アップデート前にWBPP全体で34分ほどかかった画像を、アップデート後にもう一度同じ条件でWBPP改良版にかけたところ、15分16秒で終了した。
 単純比較ではあるが、今回のアップデートによって、WBPPの処理時間は従来の約45%、処理速度にして約2.2倍になったことになる。

改良版WBPPの加速
WBPP中のGPU使用率は一桁台にとどまっている

 一方、処理中のRTX 5090のGPU使用率は、最大でも一桁台にとどまっており、少なくとも今回のWBPPでは、GPUはディスプレイアダプターとしての役割が中心だったようにも見える。
 アナウンスの通り、今回の高速化には、CPUの並列処理能力をより有効に活用できるようになったことの寄与が大きい、という印象を持った。

本ブログではamazon associate広告を利用しています。