Nvidia RTX 20/30/40: Jak darmowy hack podwaja moc sztucznej inteligencji

"[aktualnosci] Darmowy hack dla kart Nvidia GeForce. Wydajność wzrasta dwa razy. Właściciele kart GeForce RTX z serii 20, 30 i 40 mogą zyskać nawet kilkadziesiąt procent większą wydajność w obliczeniach związanych ze sztuczną inteligencją. Wszystko za sprawą nowego narzędzia open source, które uruchamia się z pendrive’a jeszcze przed startem Windowsa i odblokowuje ograniczenia jednostek Tensor. Jest jednak haczyk: operację trzeba powtarzać przy każdym uruchomieniu komputera. Projekt o nazwie nv-uefi-unlocker pozwala ominąć ograniczenie wydajności obliczeń Tensor w wybranych kartach graficznych Nvidii. Narzędzie działa na poziomie UEFI, zanim system Windows lub Linux załaduje sterownik GPU. Dzięki temu nie trzeba modyfikować sterowników ani wgrywać zmienionego BIOS-u karty graficznej. Cała operacja odbywa się z przygotowanego wcześniej pendrive’a sformatowanego w systemie FAT32. Program uruchamia się podczas startu komputera, modyfikuje odpowiednie ustawienia i przekazuje kontrolę standardowemu programowi ładującemu system operacyjny. Autorzy wykorzystali mechanizm oparty na pakiecie firmware Nvidii, który pozwala odblokować dwa rejestry odpowiedzialne za wybór szybkości pracy jednostek Tensor. Ważne jest również to, że projekt nie udostępnia zmodyfikowanego oprogramowania układowego Nvidii. Skrypty pobierają publiczne pakiety sterowników, weryfikują je i lokalnie przygotowują potrzebne pliki. Nawet 65 proc. większa wydajność obliczeń AI Największe wrażenie robią wyniki testów. W przypadku laptopowego GeForce RTX 4060 wydajność obliczeń FP16 wzrosła z 29,89 do 49,33 TFLOPS. To poprawa o około 65 proc. Jeszcze większy skok odnotowano na desktopowym RTX 2070, gdzie wynik wzrósł z około 36 do 60–63 TFLOPS. Właściciel RTX 4080 zgłosił niemal dwukrotny wzrost wydajności w obliczeniach BF16. Z kolei RTX 3060 12 GB osiągnął wynik około 1,8 raza wyższy niż przed odblokowaniem. W przypadku RTX 4090 poprawa wyniosła około 45 proc., choć rezultat ograniczał limit poboru energii. Nie oznacza to jednak, że gry będą działały o kilkadziesiąt procent szybciej. Zmiana dotyczy przede wszystkim obliczeń wykonywanych przez jednostki Tensor, wykorzystywanych między innymi w zadaniach związanych z AI i uczeniem maszynowym. Nie należy więc oczekiwać podobnego wzrostu liczby klatek na sekundę w zwykłych grach. Które karty RTX obsługuje nowe narzędzie? Zgodność obejmuje wybrane modele z architektur Turing, Ampere i Ada Lovelace, czyli serie RTX 20, RTX 30 i RTX 40. Deweloperzy potwierdzili działanie między innymi na RTX 2070, RTX 3080, RTX 4090, RTX 4060 Ti oraz mobilnych wersjach RTX 3070 i RTX 4060. Nie wszystkie karty zostały jednak przetestowane. W przypadku RTX 2080, RTX 2080 Ti i RTX 2080 Super zgłoszono problemy z uruchamianiem komputera lub przełączaniem trybów. Niektóre modele wymagają dodatkowej konfiguracji, a posiadacze kart RTX 20 muszą wcześniej przełączyć sterownik w tryb firmware GSP. Na razie narzędzie nie obsługuje kart GeForce RTX 50 z architekturą Blackwell. Twórcy wskazują na znacznie bardziej rozbudowane zabezpieczenia nowych układów. Nie ma też gwarancji poprawnego działania na zewnętrznych kartach graficznych podłączanych przez Thunderbolt. Jest haczyk: odblokowanie trzeba powtarzać po każdym restarcie Nv-uefi-unlocker nie zapisuje zmian na stałe. Program trzeba uruchamiać z pendrive’a przy każdym starcie komputera. Wymagany jest tryb UEFI, a Secure Boot musi być wyłączony lub skonfigurowany tak, by akceptował samodzielnie podpisany program EFI. To istotne ograniczenie dla osób korzystających z gier i aplikacji wymagających aktywnego Secure Boot. Narzędzie nie omija wymagań systemów antycheat, które sprawdzają ten mechanizm. Dodatkowo na laptopach karta dedykowana musi pozostawać aktywna, dlatego zalecany jest tryb dGPU-only, jeśli urządzenie go obsługuje. Autorzy ostrzegają również przed eksperymentowaniem z limitami zasilania. Połączenie odblokowania jednostek Tensor z dodatkowymi modyfikacjami może doprowadzić do przekroczenia fabrycznych parametrów pracy karty. Wyniki zależą od modelu GPU, temperatur i dostępnego limitu mocy.."