Raytracing avec CUDA

Je suis actuellement à la mise en œuvre d'un raytracer. Depuis le raytracing est extrêmement calcul lourds et étant donné que je vais être à la recherche de programmation CUDA de toute façon, je me demandais si quelqu'un a une expérience avec la combinaison des deux. Je ne peux pas vraiment dire si les modèles de calcul match et je voudrais savoir à quoi s'attendre. J'ai l'impression que ce n'est pas exactement un match dans le ciel, mais une vitesse décente increasy serait mieux que rien.

source d'informationauteur Morten Christiansen | 2008-09-02

  1. 20

    Une chose d'être très prudents à l'égard de CUDA est que les divergences de contrôle de flux dans le noyau de code absolument TUE la performance, en raison de la structure du sous-jacent matérielle GPU. Les gpu ont généralement massivement des données parallèles des charges de travail très cohérent de contrôle de flux (c'est à dire que vous avez quelques millions de pixels, chacun de qui (ou au moins une grande partie de qui) sera opéré par le exact même shader programme, même en prenant la même direction à travers toutes les branches. Cela leur permet de faire un peu de matériel d'optimisation, comme de n'avoir qu'un seul cache d'instructions, aller chercher de l'unité, et de décoder la logique pour chaque groupe de 32 threads. Dans le cas idéal, ce qui est courant dans les graphiques, ils peuvent diffuser de la même instruction à toutes les 32 séries d'unités d'exécution dans le même cycle (ce qui est connu comme SIMD, ou d'une Seule Instruction Multiple Data). Ils peuvent émuler MIMD (Multiple Instruction) et les SPMD (Single-Programme), mais quand les fils à l'intérieur d'un Streaming Multiprocesseur (SM) divergent (prendre différents chemins de code d'une branche), la question de la logique en fait commutateurs entre chaque chemin de code sur un cycle-par-cycle de base. Vous pouvez imaginer que, dans le pire des cas, où tous les fils sont sur des voies distinctes, l'utilisation du matériel est un facteur de 32, éliminant tout bénéfice que vous avez eu en cours d'exécution sur un GPU plus d'un PROCESSEUR, d'autant que les frais généraux associés à l'organisation de l'ensemble de données de la CPU, sur PCIe, pour le GPU.

    Cela dit, ray-tracing, alors que les données en parallèle, dans un certain sens, a largement divergentes de contrôle de débit pour le même modestement-des scènes complexes. Même si vous parvenez à la carte un tas de très espacés les rayons que vous avez chassé à droite à côté de l'autre sur la même CM, les données et les instructions de la localité que vous avez pour le premier rebond ne tiendra pas très longtemps. Par exemple, imaginez tous les 32 hautement cohérente des rayons rebondissent sur une sphère. Ils iront tous en assez différentes directions après ce rebond, et sera probablement frapper des objets fabriqués à partir de matériaux différents, avec différentes conditions d'éclairage, et ainsi de suite. Chaque matériau et de l'ensemble de l'éclairage, de l'occlusion, etc. les conditions de sa propre instruction flux associés (pour calculer la réfraction, réflexion, absorption, etc.), et ainsi, il devient très difficile pour exécuter la même instruction stream sur même une fraction importante des threads dans une SM. Ce problème, avec l'état actuel de l'art en ray-tracing code, réduit le GPU, l'utilisation d'un facteur de 16-32, ce qui peut rendre la performance inacceptable pour votre application, surtout si c'est en temps réel (par exemple, un jeu). Cela pourrait quand même être supérieure à celle d'un CPU pour, par exemple, une ferme de rendu.

    Il y a une classe émergente de MIMD ou SPMD accélérateurs d'être regardé maintenant dans le milieu de la recherche. Je regarde ces logiques plates-formes pour les logiciels en temps réel, le raytracing.

    Si vous êtes intéressé dans les algorithmes impliqués et de les faire correspondre le code, découvrez POVRay. Aussi regarder photon mapping, c'est une technique intéressante qui va encore un pas de plus à la représentation de la réalité physique que le raytracing.

  2. 9

    Il peut certainement être fait, a été fait, et c'est un sujet chaud actuellement parmi les rayons et de Cuda gourous. J'aimerais commencer par visionner http://www.nvidia.com/object/cuda_home.html

    Mais c'est essentiellement un problème de recherche. Les gens qui le font sont, pour l'obtention de revue par les pairs des documents de recherche. Mais bien à ce point signifie toujours que le meilleur GPU/Cuda résultats sont environ compétitif avec les meilleurs de la classe des solutions sur CPU/multi-core/ESS. Donc, je pense que c'est un peu tôt pour présumer que l'utilisation de Cuda va accélérer un lancer de rayons. Le problème est que, bien que le lancer de rayons est "parallèle gênant" (comme ils disent), il n'est pas le genre de "fixe l'entrée et la sortie de" taille de problème que les cartes carrément à des Gpu -- vous voulez des arbres, des piles, des structures de données dynamiques, etc. Il peut être fait avec Cuda/GPU, mais c'est difficile.

    Votre question n'était pas clair au sujet de votre niveau d'expérience ou les objectifs de votre projet. Si c'est votre premier lancer de rayons et vous êtes tout simplement à essayer d'apprendre, j'aimerais éviter de Cuda -- cela vous prendra 10x plus de temps pour développer et vous n'aurez probablement pas obtenir une bonne vitesse. Si vous êtes un peu expérimenté Cuda programmeur et sont à la recherche pour un projet ambitieux et le lancer de rayons est juste une chose amusante d'apprendre, par tous les moyens, essayez de le faire en Cuda. Si vous réalisez une application commerciale et vous êtes à la recherche pour obtenir un concurrentiel de la vitesse de pointe -- eh bien, c'est probablement un shoot merde à ce point... vous risquez d'obtenir une performance de pointe, mais au détriment des plus difficiles et dépendance sur un matériel particulier.

    Revenez dans un an, la réponse peut être différente après l'autre d'une ou deux générations de GPU, la vitesse, le compilateur Cuda développement, de la recherche et de l'expérience de la communauté.

  4. 4

    Nvidia démo ed un ray-traceur dans CUDA lors de leur conférence NVision cette année. Voici un lien vers leur diapositives à ce sujet.

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