Implementando algoritmos via sombreadores de computação vs. sombreadores de pipeline

Com a disponibilidade de sombreadores de computação para DirectX e OpenGL, agora é possível implementar muitos algoritmos sem passar pelo pipeline de rasterização e usar a computação de uso geral na GPU para resolver o problema.

Para alguns algoritmos, isso parece se tornar a solução canônica intuitiva, porque eles não são inerentemente baseados em rasterização, e os sombreadores baseados em rasterização pareciam uma solução alternativa para aproveitar a energia da GPU (exemplo simples: criando uma textura de ruído. Nenhum quad precisa ser rasterizado aqui )

Dado um algoritmo que pode ser implementado nos dois sentidos, existem benefícios gerais (potenciais) de desempenho sobre o uso de sombreadores de computação em relação à rota normal? Existem desvantagens que devemos observar (por exemplo, há algum tipo de sobrecarga incomum para alternar de / para calcular sombreadores em tempo de execução)?

Há talvez outros benefícios ou desvantagens a considerar ao escolher entre os dois?

Não há resposta certa se você se beneficiará diretamente da abordagem shadrs / GPGPU de computação, isso depende muito do tipo de algoritmo que você está implementando, shaders de computação e CUDA / OpenCL são uma abordagem mais generalizada para superar algumas das limitações das antigas linguagens de sombreamento hackeadas. os benefícios mais importantes que você terá:

• Acessando informações espaciais. no antigo GLSL hack (bem, foi um hack!) fornece apenas poucas informações sobre os fragmentos vizinhos, pois usa coordenadas de textura. Em shaders de computação / CUDA / OpenCL, o acesso a informações espaciais é muito mais flexível, agora você pode implementar algoritmos como a equalização de histograma na GPU com acesso de textura / buffer não ordenado.
• Fornece sincronização de tópicos e atômica .
• Espaço de computação : o antigo hack GLSL conectará o espaço de computação do vértice / fragmento ao shader. O shader de fragmento será executado com o número de fragmentos, o shader de vértice será executado com o número de vértices. No sombreador de computação, você define seu próprio espaço.
• Escalabilidade : seu shader de computação / CUDA / OpenCL pode escalar até o número de SMs de GPU (Multiprocessador de Streaming) disponíveis, diferentemente do shader GLSL antigo que deve ser executado no mesmo SM. (Com base nos comentários de Nathan Reed, ele diz que isso não é verdade, e os shaders devem ser tão bons quanto os shaders de computação. Ainda não tenho certeza de que preciso verificar a documentação).
• Mudança de contexto : deve haver alguma mudança de contexto, mas eu diria que depende da aplicação, portanto sua melhor aposta é criar um perfil de sua aplicação.

Bem, na minha opinião , se você quiser seguir a rota de sombreadores de computação, mesmo que certos algoritmos possam ser mais adequados, há algumas considerações que você precisa levar em consideração:

1. Hardware e compatibilidade com versões anteriores . Os sombreadores de computação estão disponíveis apenas em hardware mais recente e, se você optar por um produto comercial (por exemplo, jogo), precisará esperar que muitos usuários não consigam executar o seu produto.
2. Você geralmente precisa de conhecimento extra em arquitetura GPU / CPU , programação paralela e multithreading (por exemplo, compartilhamento de memória, coerência de memória, sincronização de threads, atômica e seus efeitos no desempenho) que normalmente não precisa usar o uso de shaders normais .
3. Recursos de aprendizado , por experiência, há muito menos recursos de aprendizado para shadrs Compute, OpenCL e CUDA (que também oferecem interoperabilidade OpenGL) do que a rota usual dos shaders.
4. Ferramentas de depuração , com a falta de depuração adequada, o desenvolvimento de ferramentas pode se tornar muito mais difícil do que a maioria dos shaders, pelo menos os shaders podem ser depurados visualmente.
5. Espero que os shaders de computação tenham melhor desempenho que o mesmo algoritmo em outros shaders; se eles foram feitos corretamente, levando em consideração as coisas do ponto 2, pois foram projetados para evitar as etapas extras para a renderização gráfica. Mas não tenho nenhuma evidência concreta para apoiar minha reivindicação.
6. Você também deve considerar o CUUDA / OpenCL para GPGPU se estiver seguindo esse caminho.

No entanto, tenho certeza de que é ótimo para o futuro e será uma ótima experiência de aprendizado. Boa sorte!