трассировка лучей с помощью CUDA

Question

В настоящее время я использую raytracer. Поскольку трассировка лучей чрезвычайно сложна для вычислений, и поскольку я все равно буду изучать программирование на CUDA, мне было интересно, есть ли у кого-нибудь опыт объединения этих двух. Я не могу точно сказать, соответствуют ли вычислительные модели, и я хотел бы знать, чего ожидать. У меня складывается впечатление, что это не совсем совпадение на небесах, но приличное увеличение скорости было бы лучше, чем ничего.

Answer 1

В CUDA следует с большой осторожностью относиться к тому, что расходящийся поток управления в коде вашего ядра абсолютно УБИВАЕТ производительность благодаря структуре базового аппаратного обеспечения графического процессора. Графические процессоры обычно имеют массово параллельные данные рабочие нагрузки с высококогерентным потоком управления (т. Е. У вас есть пара миллионов пикселей, каждый из которых (или, по крайней мере, большие полосы) будет работать с точным тем же шейдерная программа, даже проходящая в одном направлении по всем ветвям, что позволяет им проводить некоторые аппаратные оптимизации, например, иметь только один кэш команд, модуль выборки и логику декодирования для каждой группы из 32 потоков. В идеальном случае это распространенные в графике, они могут транслировать одну и ту же инструкцию всем 32 наборам исполнительных блоков в одном и том же цикле (это называется SIMD или несколько данных с одной инструкцией). Они могут эмулировать MIMD (несколько -Instruction) и SPMD (Single-Program), но когда потоки внутри потокового мультипроцессора (SM) расходятся (отбирают разные пути кода из ветви), логика проблемы фактически переключается между каждым путем кода на циклической основе . Вы можете представить себе, что в худшем случае, когда все потоки находятся на В отдельных направлениях загрузка вашего оборудования снизилась в 32 раза, что фактически убило любую выгоду, которую вы бы получили, работая на GPU через CPU, особенно учитывая издержки, связанные с маршалингом набора данных из CPU, через PCIe, для графический процессор.

Тем не менее, трассировка лучей, в некотором смысле параллельная данным, имеет широко расходящийся поток управления даже для скромно сложных сцен. Даже если вам удастся отобразить пучок плотно расположенных лучей, которые вы выбросили прямо рядом друг с другом, на один и тот же SM, данные и расположение инструкций, которые вы имеете для первоначального отскока, не будут сохраняться очень долго. Например, представьте, что все 32 высоко когерентных луча отражаются от сферы. После этого отскока они все пойдут в совершенно разных направлениях и, вероятно, будут поражать объекты, сделанные из разных материалов, с разными условиями освещения и так далее. Каждый материал и набор условий освещения, окклюзии и т. Д. Имеет свой собственный поток команд, связанный с ним (для вычисления рефракции, отражения, поглощения и т. Д.), И поэтому становится довольно трудно запустить один и тот же поток команд даже в значительной части темы в СМ. Эта проблема, связанная с современным состоянием кода трассировки лучей, снижает использование вашего графического процессора в 16–32 раза, что может сделать производительность неприемлемой для вашего приложения, особенно если оно работает в режиме реального времени (например, в игре). Это все еще может быть лучше, чем процессор, например ферма рендеринга.

В исследовательском сообществе сейчас появляется новый класс ускорителей MIMD или SPMD. Я бы рассматривал их как логические платформы для программного обеспечения, трассировки лучей в реальном времени.

Если вам интересны задействованные алгоритмы и их отображение в коде, посмотрите POVRay. Также посмотрите на фотонное картирование, это интересная техника, которая даже на один шаг ближе к представлению физической реальности, чем трассировка лучей.

Answer 2

Это, безусловно, можно сделать, это было сделано, и в настоящее время это горячая тема среди гуру трассировки лучей и Cuda. Я бы начал с просмотра http://www.nvidia.com/object/cuda_home.html

Но это в основном проблема исследования. Люди, которые делают это хорошо, получают рецензируемые исследовательские работы из этого. Но хорошо на этом этапе все еще означает, что лучшие результаты GPU / Cuda примерно конкурентоспособны с лучшими в своем классе решениями на CPU / многоядерных процессорах / SSE. Поэтому я думаю, что еще немного рано предполагать, что использование Cuda ускорит трассировку лучей. Проблема состоит в том, что, хотя трассировка лучей является «смущающе параллельной», (как они говорят), это не тот тип «фиксированного размера ввода и вывода»; проблема, которая напрямую отображается на графические процессоры - вам нужны деревья, стеки, динамические структуры данных и т. д. Это можно сделать с помощью Cuda / GPU, но это сложно.

Ваш вопрос не был ясен относительно уровня вашего опыта или целей вашего проекта. Если это ваш первый трассировщик лучей и вы просто пытаетесь научиться, я бы избегал Cuda - вам понадобится 10 раз больше, чтобы развиться, и вы, вероятно, не получите хорошую скорость. Если вы являетесь опытным программистом на Cuda и ищете сложный проект, и трассировка лучей - это просто увлекательная вещь, чтобы научиться, во что бы то ни стало, попробуйте сделать это в Cuda. Если вы создаете коммерческое приложение и хотите получить конкурентное преимущество в скорости - ну, на данном этапе это, вероятно, просто дерьмо ... вы можете получить преимущество в производительности, но за счет более сложной разработки и зависимость от конкретного оборудования.

Перепроверьте через год, ответ может отличаться после следующего или двух поколений скорости GPU, разработки компилятора Cuda и опыта исследовательского сообщества.

Answer 3

Просто указатель на мой портативный компьютер с открытым исходным кодом (Windows / Linux) GPL-реализация CUDA raytracer .

Answer 4

Nvidia продемонстрировала трассировщик лучей в CUDA на своей конференции NVision в этом году. Вот ссылка на их слайды об этом.

http://www.nvidia.com/object/nvision08-IRT.html