Вплив циклів змінної довжини на шейдери GPU

Популярним є візуалізація процедурного вмісту всередині GPU, наприклад, в демонстрації (малювання одного квадратика для заповнення екрана і надання можливості GPU обчислювати пікселі).

Рей марширує популярно:

Це означає, що GPU виконує деяку невідому кількість ітерацій циклу на піксель (хоча ви можете мати верхню межу, як maxIterations).

Як впливає цикл змінної довжини на продуктивність шейдера?

Уявіть простий псуедокод, що марширує променями:

t = 0.f;
while(t < maxDist) {
    p = rayStart + rayDir * t;
    d = DistanceFunc(p);
    t += d;
    if(d < epsilon) {
       ... emit p
       return;
    }
}

Як впливають різні сімейства GPU (Nvidia, ATI, PowerVR, Mali, Intel тощо)? Вершинні шейдери, але особливо фрагменти шейдери?

Як це можна оптимізувати?

На GDC 2012 пройшла хороша розмова про дистанційне поле проходження GPU (та інші теми): http://directtovideo.wordpress.com/2012/03/15/get-my-slides-from-gdc2012/

Що стосується продуктивності, то новітні графічні карти (клас DX11) виконують шейдери на SIMD-одиницях, які виконують 32 (NVIDIA) або 64 (AMD) "потоки" в режимі блокування. Ці групи по-різному відомі як основи або хвилясті фронти. Для піксельних шейдерів кожен потік дорівнює одному пікселю, тому я б очікував, що блок SIMD обробляє щось подібне до блоку 8x4 (NVIDIA) або 8x8 (AMD) пікселів разом. Розгалуження та контроль потоку здійснюються за фронтовим фронтом, тому всі потоки на хвилі фронту повинні циклічити стільки разів, скільки найглибший окремий піксель у цій хвилі. Маски SIMD-смуги відключать виконання пікселів, які вже закінчились, але вони все одно повинні мовчки йти разом із загальним контролем потоку хвилі. Це, звичайно, означає, що система набагато ефективніша, коли розгалуження є когерентним,

На мій досвід, накладні відгалуження все ще досить високі, навіть якщо всі потоки в гілці фронтальної хвилі однаково. Я бачив підвищення продуктивності в деяких випадках, розкручуючи цикл, щоб амортизувати частину гілок. Однак, звичайно, залежить від того, скільки роботи ви виконуєте в кожній ітерації циклу. Якщо в тілі циклу є достатня кількість "штучок", розгортання не буде виграшним.

Я пропоную прочитати Running Code на Teraflop: як працюють ядра GPU Shader (pdf) від SIGGRAPH 2008: Подальше програмування . Це говорить про динамічне розгалуження.

Що стосується динамічного розгалуження, ще одна додаткова примітка (може бути очевидною, але все-таки варто відзначити деяким людям): вона може сильно вплинути на продуктивність розкручених циклів (ви, очевидно, не можете розкрутити цикл, якщо є незмінна кількість ітерацій) .

int s = 0;

тепер для (int k = 1; k <= n; k ++) {s + = k;} те саме, що s = n * (n + 1) / 2

так що це взагалі не вірно: D