Hesaplama gölgelendiricileri ve boru hattı gölgelendiricileri aracılığıyla algoritmalar uygulama

Hem DirectX hem de OpenGL için hesaplama gölgelendiricilerinin kullanılabilirliği sayesinde, rasterleştirme hattından geçmeden birçok algoritma uygulamak ve bunun yerine sorunu çözmek için GPU'da genel amaçlı bilgi işlem kullanmak mümkündür.

Bazı algoritmalar için bu sezgisel kanonik çözüm gibi görünüyor çünkü doğal olarak rasterleştirme tabanlı değiller ve rasterleştirme tabanlı gölgelendiriciler GPU gücünü kullanmak için bir çözüm gibi görünüyordu (basit örnek: bir gürültü dokusu oluşturma. Burada dörtlü rasterleştirilmeye gerek yok ).

Her iki şekilde de uygulanabilen bir algoritma göz önüne alındığında, hesaplama gölgelendiricilerinin kullanılmasına veya normal rotaya gitmeye kıyasla genel (potansiyel) performans avantajları var mı? Dikkat etmemiz gereken dezavantajlar var mı (örneğin, çalışma zamanında gölgelendiriciden / bilgisayarlara geçiş yapmak için alışılmadık bir ek yük var mı?)

İkisi arasında seçim yaparken göz önünde bulundurulması gereken başka avantajlar veya dezavantajlar var mı?

Eğer hesaplama shadrs / GPGPU değerlendirmesinden doğrudan faydalanacaksanız doğru cevap yoktur, bu büyük ölçüde uyguladığınız algoritmanın türüne bağlıdır, hesaplama gölgelendiricileri ve CUDA / OpenCL bazı sınırlamaların üstesinden gelmek için daha genel bir yaklaşımdır. o eski gölgelendirme dillerinin elde edeceğiniz en önemli avantajlar:

• Uzamsal bilgilere erişme. Eski GLSL hackinde (iyi, bir hackti!) doku koordinatlarını kullandığı için komşu parçaları hakkında çok az bilgi verir. Bilgi işlem gölgeleyicileri / CUDA / OpenCL'de uzamsal bilgilere erişim çok daha esnektir, artık GPU'da sıralanmamış doku / tampon erişimi ile Histogram eşitleme gibi algoritmalar uygulayabilirsiniz .
• Size iplik senkronizasyonu ve atomikler verir .
• Hesaplama Alanı: Eski GLSL kesmek, tepe / parça hesaplama alanını gölgelendiricinize bağlar. Parça gölgelendirici parça sayısı ile çalışır, köşe gölgelendirici köşe sayısı ile çalışır. Bilgi işlem gölgelendiricisinde kendi alanınızı tanımlarsınız.
• Ölçeklenebilirlik : bilgi işlem gölgelendiriciniz / CUDA / OpenCL, aynı SM'de çalıştırılması gereken eski GLSL gölgelendiricinizin aksine kullanılabilir olan GPU SM'lerin (Akış Çok İşlemcili) sayısına kadar ölçeklendirilebilir. (Nathan Reed'in yaptığı açıklamalara göre bunun doğru olmadığını ve gölgelendiricilerin hesaplama gölgelendiricileri kadar iyi ölçeklendirilmesi gerektiğini söylüyor. Dokümanları kontrol etmem gerekmesine rağmen hala emin değilim).
• Bağlam değiştirme : Bazı bağlam geçişleri olmalı, ancak bunun uygulamaya bağlı olduğunu söyleyebilirim, bu yüzden en iyi bahis uygulamanızı profillemektir.

Eh içinde Bence belirli algoritmalar daha uygun olsa bile, hesaplama gölgelendiriciler rota gitmek isterseniz,, dikkate almak gerekir bazı noktalar vardır:

1. Donanım ve geriye dönük uyumluluk . Hesaplama gölgelendiricileri yalnızca daha yeni bir donanımda mevcuttur ve ticari bir ürüne (örn. Oyun) gidiyorsanız, birçok kullanıcının ürününüzü çalıştıramayacağını düşünmeniz gerekir.
2. Genellikle ekstra GPU konusunda bilgi / CPU mimarisini gerek o, paralel programlama ve çoklu kullanım (örneğin hafıza paylaşımı, hafıza tutarlılığını, iplik senkronizasyonu, atomics ve performansa 's etkisi) genellikle kullanarak gerekmez , normal gölgelendiriciler rounte.
3. Öğrenme kaynakları , deneyimlerden, Compute shadrs, OpenCL ve CUDA (aynı zamanda OpenGL birlikte çalışabilirliği de sunar) için normal gölgelendiriciler yolundan çok daha az öğrenme kaynağı vardır.
4. Hata ayıklama araçları , uygun hata ayıklama eksikliği ile, araç geliştirme çoğu gölgelendiriciden çok daha zor olabilir, en azından gölgelendiriciler görsel olarak hata ayıklanabilir.
5. Hesaplama gölgelendiricilerinin diğer gölgelendiricilerde aynı algoritmadan daha iyi performans vermelerini bekliyorum; grafik oluşturma için ek adımlardan kaçınmak üzere tasarlandıkları için, 2. noktadan itibaren işleri göz önünde bulundurarak doğru yapıldıysa . Ancak iddiamı destekleyecek somut bir kanıtım yok.
6. Bu rotaya gidiyorsanız GPGPU için CUUDA / OpenCL'yi de göz önünde bulundurmalısınız.

Asla daha az eminim gelecek için harika ve harika bir öğrenme deneyimi olacak. İyi şanslar!