生命科學與生物醫(yī)學-3D可視化和分析Amira 軟件硬件配置要求

Amira 軟件系統(tǒng)要求

Amira Software 運行于：

• Microsoft Windows® 10（64 位）。對早于 Windows® 10 的 Windows® 版本的測試已停止。
• Linux® x86_64（64 位）。支持的 64 位架構是 Intel64/AMD64 架構。支持的 Linux 發(fā)行版是 CentOS 7。

注意： 對于下一個版本 2022.2，CentOS7 將停產并由 Ubuntu 20.04 取代，作為官方支持的 linux 平臺。在此版本之后，CentOS7 將不再有新產品開發(fā)或更新。您仍然可以使用我們軟件產品的 CentOS7 版本，我們將在 12 個月內繼續(xù)提供錯​​誤修復。

某些版本和擴展或功能僅限于某些平臺：

• Amira Software XWind Extension：Meshing Workroom 和 Generate Tetra Mesh 模塊僅在 Microsoft Windows 上受支持，Linux 上不支持。
• Amira Software XObjectTracking Extension 僅在 Microsoft Windows 上受支持，Linux 上不支持。
  
• Olympus 和 TXM 文件格式僅在 Microsoft Windows 上受支持，在 Linux 上不支持。
• 深度學習預測、  DL Training - Segmentation 2D 和 DL Training - Segmentation 3D 模塊僅在 Microsoft Windows 上受支持，Linux 上不支持。2D 還需要至少支持 CUDA Compute Capability 3.5 的 NVIDIA GPU，3D 需要 5.2。驅動程序應該是最新的。此處列出了兼容的 GPU  。 還需要支持 AVX2 擴展的 CPU。由于深度學習模塊與 Calculus MATLAB 模塊或 Generate Tracks 模塊之間存在潛在的庫沖突，因此無法同時實例化這些模塊。

   

為 Amira Software 優(yōu)先考慮硬件

介紹

本文檔旨在提供有關選擇合適的工作站來運行 Amira 的建議。

需要考慮的四個最重要的組件是顯卡 (GPU)、CPU、RAM 和硬盤驅動器。

大體積數據的直接體渲染或從數據中提取的大三角表面可視化的性能在很大程度上取決于 GPU 的能力。圖像處理算法的性能在很大程度上取決于 CPU 的性能。快速加載或保存大數據的能力在很大程度上取決于硬盤驅動器的性能。而且，當然，系統(tǒng)中的可用內存量將是對可以加載和處理的數據大小的主要限制。

由于硬件要求會根據您的數據大小和工作流程而有很大差異，因此我們強烈建議您利用我們支持的評估版本來嘗試使用您的典型數據集之一。

在本文檔中，術語 Amira 是指 Amira Software 和所有 Amira Software 擴展。

顯卡

Amira 可視化性能的一個最重要的決定因素是顯卡。

Amira 應該在提供 OpenGL 2.1 或更高版本的完整實現(xiàn)的任何圖形系統(tǒng)（包括 GPU 及其驅動程序）上運行（某些功能可能不可用，具體取決于 OpenGL 版本和支持的擴展）。但是，顯卡和驅動程序錯誤并不少見。

所需的 GPU 內存量取決于數據的大小。我們建議卡上至少有 1 GB。一些可視化模塊可能需要足夠大的圖形內存來保存實際數據。

高端顯卡具有 16 到 32 GB 的內存。全分辨率的最佳性能體積可視化要求數據適合圖形內存（Amira 的一些體積渲染模塊能夠繞過這個限制）。

為了在單個顯示器上進行可視化，Amira 不會受益于多個圖形板。然而，一些圖像處理算法依賴于 CUDA 進行計算，雖然計算可以在單個支持 CUDA 的顯卡上運行，但該計算也可以在安裝在系統(tǒng)上的第二個支持 CUDA 的顯卡上運行。多顯卡配置可用于驅動多個屏幕或沉浸式環(huán)境。

在比較顯卡時，需要考慮許多不同的標準和性能數字。有些比其他更重要，有些對于某些類型的渲染更重要。因此，考慮您的特定可視化要求非常重要。除了基本的可視化外，不建議將集成顯卡用于 Amira 等圖形密集型應用程序。

有關 NVIDIA GeForce/Quadro 和 AMD Radeon/FirePro 卡的維基百科文章將詳細介紹具體的性能指標：

• 內存大?。哼@對于體可視化（體渲染和切片）以最大化圖像質量和性能非常重要，因為體數據存儲在 GPU 的紋理內存中進行渲染。 #p#page_title#e#如果幾何圖形非常大（大量三角形），這對于幾何圖形渲染也很重要。
• 內存接口/帶寬：這對于體渲染很重要，因為在渲染期間需要將大量紋理數據從系統(tǒng)移動到 GPU。PCI Express 3 總線是當今最快的接口。
• 核心數（也稱為流處理器）：這對于體渲染非常重要，因為您啟用的每個高質量渲染功能都需要在渲染期間在 GPU 上執(zhí)行額外的代碼。
• 每秒三角形數：這對于幾何渲染（表面、網格）非常重要。
• Texels per second / Fill rate：這對于體可視化（尤其是體渲染）非常重要，因為會渲染大量紋理并且像素會被“填充”多次以混合最終圖像。

   

專業(yè)顯卡

所有驅動程序錯誤都提交給供應商。在未來的驅動程序版本中可能會有修復。

標準圖形板

由于供應商支持政策，在標準顯卡上，我們無法承諾為由驅動程序引起的錯誤提供修復。

• 專業(yè)顯卡將  受益于供應商提供的專業(yè)支持（驅動程序錯誤修復）。
• 始終為您的顯卡使用最新的驅動程序版本。
• 您還應該確保將顯示器插入顯卡而不是集成芯片組。
• 對于 NVIDIA Quadro 板，我們建議使用驅動程序配置文件“3D App - Visual Simulation”。如果出現(xiàn)渲染或性能問題，您可能需要嘗試不同的“3D App”配置文件。
• 關閉垂直同步功能可以提高幀速率。
• 訪問 http://en.wikipedia.org/wiki/List_of_Nvidia_graphics_processing_units 獲取 NVIDIA 主板和比較的完整列表。
• 訪問 http://en.wikipedia.org/wiki/List_of_AMD_graphics_processing_units 獲取 AMD 主板和比較的完整列表。
• 一些可視化模塊（如體積渲染）可能不支持英特爾顯卡。

   

系統(tǒng)內存

對于需要處理大數據的 Amira 用戶來說，系統(tǒng)內存是第二個最重要的決定因素。

您可能需要比要在 Amira 中加載的數據的實際大小更多的內存。某些處理可能需要數倍于原始數據集所需的內存。例如，如果要在內存中加載 4 GB 數據集并對原始數據應用非本地均值過濾器，然后計算距離圖，則可能需要多達 16 或 20 GB 的額外內存用于中間您的處理結果。通常，您需要 2 或 3 倍于基本操作正在處理的數據的內存占用。對于更復雜的工作流程，您可能需要多達 6 或 8 倍的內存量，因此 4 GB 數據集可能需要 32 GB。

另請注意，磁盤上的數據大小可能遠小于加載數據所需的內存，因為文件格式可能已壓縮數據（例如，加載一堆 JPEG 文件）。

Amira 可以使用大數據訪問 (LDA) 或智能多通道系列 (SMS) 技術處理超出系統(tǒng)物理內存的數據 - SMS 需要 Xplore5D 擴展。它們是擴展性能的極好方法，但它不能直接替代擁有更多物理內存。使用 Amira 大數據技術與大量系統(tǒng)內存相結合，可實現(xiàn)最佳性能和最佳分辨率。

Amira 3D Pro 提供另一種加載選項，支持從磁盤到磁盤的 2D 和 3D 圖像處理，無需將整個數據加載到內存中；然后模塊按數據板運行。即使硬件內存有限，這也能處理和量化大型圖像數據。 由于每塊板坯的處理都需要從硬盤驅動器加載數據和保存結果，因此大大增加了處理時間。因此，為了獲得最佳性能，總是首選處理完全加載到內存中的數據。

硬盤驅動器

處理大文件時，從磁盤讀取數據會降低您的工作效率。標準硬盤驅動器 (HDD)（例如，7200rpm SATA 磁盤）只能以大約 60 MB/秒的持續(xù)速率將數據流式傳輸到您的應用程序。那是理論上的極限；您的實際體驗可能更接近 40 MB/秒。當您想從磁盤讀取 1 GB 的文件時，您可能需要等待 25 秒。對于 10 GB 的文件，等待時間為 250 秒，超過 4 分鐘。大數據技術將大大減少數據可視化的等待時間，但當您想要以全分辨率讀取數據文件以進行數據處理時，磁盤訪問仍然是一個限制因素。與傳統(tǒng) HDD 相比，固態(tài)硬盤 (SSD) 可以提高讀寫速度。

為了獲得最佳性能，推薦的解決方案是在 RAID5 模式下配置多個硬盤驅動器（3 個或更多 HDD 或 SSD）；請注意，RAID 配置可能需要更多的系統(tǒng)管理。僅出于性能考慮，可以使用 RAID 0，但要注意硬盤驅動器故障時數據丟失的風險。如果您想要性能和數據冗余，則建議使用 RAID 5。

通過網絡讀取數據，例如從文件服務器讀取數據，通常比從本地磁盤讀取數據要慢得多。您的網絡性能取決于網絡技術（100 Mb、1 Gb 等）、網絡上的其他流量以及對文件服務器的其他請求的數量/大小。請記住，您（通常）共享網絡和服務器，不會獲得理論帶寬。大數據技術還可以通過網絡促進大量數據的可視化，但如果數據加載是您工作流程的瓶頸，我們建議您制作數據的本地副本。

中央處理器

雖然 Amira 主要依靠 GPU 性能進行可視化，但許多模塊是計算密集型的，它們的性能將受到 CPU 性能的強烈影響。

Amira 中越來越多的模塊是多線程的，因此可以利用系統(tǒng)上可用的多個 CPU 或多個 CPU 內核。Amira XImagePAQ 提供的大多數量化模塊以及各種計算模塊都是這種情況。

快速的 CPU 時鐘、內核數量和內存緩存是影響 Amira 性能的三個最重要的因素。雖然大多數多線程模塊會根據內核數量很好地擴展，但擴展瓶頸可能來自內存訪問。根據經驗，最多 8 個內核顯示出幾乎線性的可擴展性，而超過 8 個內核并沒有顯示出太多的性能提升。更大的內存緩存可以提高性能。

硬件如何幫助優(yōu)化

以下是優(yōu)化特定任務時要考慮的硬件特性摘要。

可視化大數據（LDA 或 SMS）：

• 高速硬盤
• 系統(tǒng)內存
• 顯存
• 內存到 GPU/CPU 帶寬

基本體繪制：

• GPU 填充率（每秒紋素）

高級體積渲染（體積渲染模塊）：

• 大量使用像素著色器
• GPU 時鐘頻率、GPU 核心數

大型幾何體渲染，例如來自 Isosurface 或 Generate Surface 的大型表面、大型點簇、大型數值模擬網格：

• GPU時鐘頻率，每秒三角形數

圖像處理和量化（Amira 3D Pro）：

• 多個 CPU 內核（適用于許多模塊，包括大多數圖像處理模塊）
• CPU時鐘頻率

Anisotropic Diffusion, Non-Local Means Filter（高性能平滑和降噪圖像過濾器）：

• GPU 速度、GPU 核心數（流處理器）、CUDA 兼容（NVIDIA）

其他計算模塊、顯示模塊數據提取：

• CPU時鐘頻率
• 多個 CPU 內核（用于多個多線程模塊，例如 Generate Surface、Register Images、Resample、Arithmetic）

GPU 計算使用使用 Amira XPand C++ API 和 GPU API 編程的自定義模塊：

• GPU 時鐘頻率、GPU 核心數（流處理器）
• 多 GPU 系統(tǒng)，例如 NVIDIA Tesla
• CUDA 支持

特別注意事項

環(huán)境變量

QT_PLUGIN_PATH 不能作為系統(tǒng)范圍的環(huán)境變量導出，因為它可能會干擾此應用程序。

防火墻

激活 Amira 需要 Internet 訪問權限。您的防火墻可能會阻止與許可證服務器的連接。

Linux

Amira 僅適用于 Intel64/AMD64 系統(tǒng)。

Amira 的官方 Linux 發(fā)行版是 CentOS 7 64 位。盡管如此，如果可以找到所需版本的系統(tǒng)庫，Amira 可能會在其他一些 64 位 Linux 發(fā)行版上工作，但對這些平臺的技術支持將受到限制。 以下是這些 64 位 Linux 發(fā)行版的非詳盡列表：

• CentOS® 7，Amira 已經過全面測試的官方 Linux 發(fā)行版。
• 紅帽® 企業(yè) Linux® 7.x。

筆記：

• 標準安裝 Linux 后，不一定要激活硬件加速，盡管 X-Windows 和 Amira 可能工作正常。要啟用 OpenGL 硬件，可能必須安裝特定于加速的驅動程序。這可以大大提高渲染性能。有時需要禁用模板緩沖區(qū)（通過使用 -no_stencils 選項啟動 Amira）來獲得加速。
• 在某些發(fā)行版中，用戶界面的某些部分（例如分段編輯器）可能無法正確顯示。這是一個已知的 Qt 問題。您可以通過禁用 Xorg.conf 配置文件的擴展部分中的復合選項來解決此問題：
  

  部分“擴展”
  選項“復合”“禁用”
  EndSection

• 為了在啟用 SELinux 的 Linux 系統(tǒng)上正常工作，Amira 需要修改一些 Amira 共享對象文件的安全上下文，以便它們可以重新定位到內存中。安裝 Amira 的用戶（可能是 root）必須從 shell 控制臺運行以下命令才能設置正確的安全上下文：
  chcon -v -t texrel_shlib_t "${AMIRA_ROOT}"/lib/arch-Linux*-*/庫*.so
• 即使 Amira 可以與任何桌面（如 KDE）一起使用，它也僅在 GNOME 中得到驗證。
• 由于切換到 Qt 5.9 和 CentOS < 7.7 ( cat /etc/centos-release 檢查版本)，您需要更新系統(tǒng)的 freetype 庫如下：
  • 以 root 身份登錄
  • sudo yum 更新 freetype

 

XPand C++ API

要使用 Windows 上的 Amira 3D Pro 中提供的 C++ API 為 Amira 創(chuàng)建自定義擴展，您需要 Microsoft Visual Studio® 2013，更新 4。在調試模式下運行 Amira 之前安裝 Visual Studio 很重要。

要使用 Linux 上 Amira 3D Pro 中可用的 C++ API 為 Amira 創(chuàng)建自定義擴展，您需要在 RHEL 7 上安裝 gcc 4.8.x。使用以下命令確定 GNU 編譯器的版本：
gcc --version

筆記：

• 要使用的特定編譯器版本取決于您要在其上運行擴展的 Amira 應用程序版本。為了獲得所需的編譯器版本，啟動您的 Amira 目標版本并在 TCL 控制臺中鍵入 app uname。
• 對于下一個 2022.2 版本，使用 XPand 擴展所需的編譯器版本將升級為：
  • Windows 上的 Microsoft Visual Studio® 2019
  • Linux 上的 gcc 9

MATLAB

目前所有平臺上支持的 MATLAB 版本是 2020a。要使用與 MATLAB (MathWorks, Inc.) 建立連接的 Calculus MATLAB 模塊，請按照以下安裝說明進行操作：

視窗

如果您在安裝過程中沒有注冊，請在 Windows 命令行中輸入以下命令：matlab /regserver。

此外，在 PATH 環(huán)境變量中添加 MATLAB_INSTALLATION_PATH/bin 和 MATLAB_INSTALLATION_PATH/bin/win64 以允許 Amira 查找 MATLAB 庫。

Linux

在 Linux 64 位上，LD_LIBRARY_PATH 環(huán)境變量應設置為 MATLAB_INSTALLATION_PATH/bin/glnxa64。

PATH 環(huán)境變量也應設置為 MATLAB_INSTALLATION_PATH/bin。
如果您在設置環(huán)境變量后仍然無法啟動 Calculus MATLAB  ，可能是因為安裝在您的平臺上的 GNU 標準 C++ 庫 (libstdc++) 比 MATLAB 所需的舊。您可以在 64 位 Linux 上的 MATLAB_INSTALLATION_PATH/sys/os/glnxa64 中查看 MATLAB 的嵌入式 libstdc++ 版本。

如果需要，將此路徑添加到 LD_LIBRARY_PATH。

遠程顯示

Amira 未在遠程會話中進行測試；不支持遠程顯示。