Реализация алгоритмов с помощью вычислительных шейдеров или конвейерных шейдеров

Благодаря наличию вычислительных шейдеров как для DirectX, так и для OpenGL теперь можно реализовать множество алгоритмов без прохождения процесса растрирования и вместо этого использовать вычисления общего назначения на графическом процессоре для решения проблемы.

Для некоторых алгоритмов это кажется интуитивным каноническим решением, потому что они изначально не основаны на растеризации, а шейдеры на основе растеризации кажутся обходным решением для использования мощности графического процессора (простой пример: создание текстуры шума. Здесь не нужно растеризовать квадраторы). ).

Учитывая алгоритм, который может быть реализован обоими способами, есть ли общие (потенциальные) преимущества в производительности по сравнению с использованием вычислительных шейдеров по сравнению с обычным маршрутом? Есть ли недостатки, на которые мы должны обратить внимание (например, есть ли какие-то необычные издержки при переключении с / на вычисление шейдеров во время выполнения)?

Есть ли другие преимущества или недостатки, которые следует учитывать при выборе между ними?

Нет правильного ответа, если вы собираетесь напрямую воспользоваться преимуществами compute shadrs / GPGPU appraoch, это сильно зависит от типа алгоритма, который вы реализуете, compute shaders и CUDA / OpenCL - более обобщенный подход для преодоления некоторых ограничений этого старого хакерского языка. Самые важные преимущества, которые вы получите:

• Доступ к пространственной информации. в старом взломе GLSL (ну, это был взлом!) только дает мало информации о соседних фрагментах, так как он использует координаты текстуры. В вычислительных шейдерах / CUDA / OpenCL доступ к пространственной информации гораздо более гибкий, теперь вы можете реализовывать алгоритмы, такие как выравнивание гистограммы на GPU с неупорядоченным доступом к текстуре / буферу.
• Дает вам синхронизацию потоков и атомарность .
• Вычислительное пространство: старый хак GLSL жестко привязывает вычислительное пространство вершины / фрагмента к вашему шейдеру. Фрагментный шейдер будет работать с количеством фрагментов, вершинный шейдер будет работать с количеством вершин. В вычислительном шейдере вы определяете собственное пространство.
• Масштабируемость : ваш вычислительный шейдер / CUDA / OpenCL может масштабироваться до количества доступных графических процессоров SM (потокового мультипроцессора) в отличие от вашего старого шейдера GLSL, который должен выполняться на том же SM. (На основании комментариев Натана Рида он говорит, что это неправда, и шейдеры должны масштабироваться так же хорошо, как должны вычислять шейдеры. Я все еще не уверен, хотя мне нужно проверять документацию).
• Переключение контекста : должно быть некоторое переключение контекста, но я бы сказал, что это зависит от приложения, поэтому лучше всего профилировать ваше приложение.

На мой взгляд , если вы хотите пойти по пути вычислительных шейдеров, хотя некоторые алгоритмы могут быть более подходящими, есть некоторые соображения, которые вы должны принять во внимание:

1. Аппаратная и обратная совместимость . Вычислительные шейдеры доступны только на более новом оборудовании, и если вы собираетесь использовать коммерческий продукт (например, игру), вам следует ожидать, что многие пользователи не смогут запустить ваш продукт.
2. Обычно вам требуются дополнительные знания в области архитектуры GPU / CPU , параллельного программирования и многопоточности (например, совместное использование памяти, согласованность памяти, синхронизация потоков, атомарность и ее влияние на производительность), которые обычно не нужны при использовании обычных шейдеров.
3. Учебные ресурсы , исходя из опыта, гораздо меньше учебных ресурсов для Compute shadrs, OpenCL и CUDA (которые также обеспечивают совместимость с OpenGL), чем обычный маршрут шейдеров.
4. Инструменты отладки , при отсутствии надлежащей отладки, разработка инструментов может стать намного сложнее, чем большинство шейдеров, по крайней мере, шейдеры могут быть отлажены визуально.
5. Я ожидаю, что вычислительные шейдеры дадут лучшую производительность, чем тот же алгоритм в других шейдерах; если они были сделаны правильно, принимая во внимание вещи из пункта 2, так как они были разработаны, чтобы избежать дополнительных шагов для рендеринга графики. Но у меня нет никаких конкретных доказательств, подтверждающих мое утверждение.
6. Вы также должны рассмотреть CUUDA / OpenCL для GPGPU, если вы идете по этому маршруту.

Тем не менее, я уверен, что это здорово для будущего и будет отличным опытом обучения. Удачи!