如何提高 OpenGL 着色器中的纹理访问性能？

Question

条件

我使用OpenGL 3 和PyOpenGL。

我有大约 50,000 (53'490) 个顶点，每个顶点都有 199 个vec3 属性来确定它们的位移。无法将这些数据存储为常规顶点属性，因此我使用纹理。

问题是：非并行化的C 函数计算顶点位移的速度与GLSL 一样快，在某些情况下甚至更快。我检查过：问题是纹理读取，我不明白如何优化它。

我编写了两个不同的着色器。一个在 ~0.09s 内计算新模型，另一个在 ~0.12s 内计算（包括属性分配，这两种情况都相同）。

代码

两个着色器都以

开头

#version 300 es

in vec3 vin_position;

out vec4 vin_pos;

uniform mat4 rotation_matrix;

uniform float coefficients[199];

uniform sampler2D principal_components;

更快的是

void main(void) {
    int c_pos = gl_VertexID;
    int texture_size = 8192;
    ivec2 texPos = ivec2(c_pos % texture_size, c_pos / texture_size);
    vec4 tmp = vec4(0.0);
    for (int i = 0; i < 199; i++) {
        tmp += texelFetch(principal_components, texPos, 0) * coefficients[i];
        c_pos += 53490;
        texPos = ivec2(c_pos % texture_size, c_pos / texture_size);
    }
    gl_Position = rotation_matrix
        * vec4(vin_position + tmp.xyz, 246006.0);
    vin_pos = gl_Position;
}

较慢的

void main(void) {
    int texture_size = 8192;
    int columns = texture_size - texture_size % 199;
    int c_pos = gl_VertexID * 199;
    ivec2 texPos = ivec2(c_pos % columns, c_pos / columns);
    vec4 tmp = vec3(0.0);
    for (int i = 0; i < 199; i++) {
        tmp += texelFetch(principal_components, texPos, 0) * coefficients[i];
        texPos.x++;
    }
    gl_Position = rotation_matrix
        * vec4(vin_position + tmp.xyz, 246006.0);
    vin_pos = gl_Position;
}

它们之间的主要区别：

• 在第一种情况下，顶点的属性以下列方式存储：
  • 所有顶点的第一个属性
  • 所有顶点的第二个属性
  • ...
  • 所有顶点的最后一个属性
• 在第二种情况下，顶点的属性以另一种方式存储：
  • 第一个顶点的所有属性
  • 第二个顶点的所有属性
  • ...
  • 最后一个顶点的所有属性
• 同样在第二个示例中，数据是对齐的，以便每个顶点的所有属性仅存储在一行中。这意味着如果我知道某个顶点的第一个属性的行和列，我只需要增加纹理坐标的x分量

我想，对齐的数据会被更快地访问。

问题

• 为什么不能更快地访问数据？
• 如何提高它的性能？
• 是否可以将纹理块与顶点链接？
• 是否有关于数据对齐的建议，以及关于 GPU（Intel HD、nVidia GeForce）中缓存的良好相关文章？

注意事项

• coefficients 数组逐帧变化，否则没问题：我可以预先计算模型并且很高兴

Answer 1

为什么不能更快地访问数据？

因为 GPU 并不神奇。 GPU 通过并行执行计算来获得性能。执行 100 万个 texel 提取，无论如何发生，都不会很快。

如果您使用这些纹理的结果来进行光照计算，它会显得很快，因为光照计算的成本会被内存获取的延迟所隐藏。您正在获取获取的结果，进行乘法/加法，然后进行另一次获取。这很慢。

是否有能力将纹理块与顶点链接？

即使有（也没有），这有什么帮助？ GPU 并行执行操作。这意味着同时处理多个顶点，每个顶点访问 200 个纹理。

那么，让每个纹理访问连贯一致会有助于提高性能。也就是说，相邻顶点将访问相邻的纹素，从而使纹理获取更高效。但是没有办法知道哪些顶点将被视为“邻居”。并且纹理混合布局依赖于实现，因此即使您确实知道顶点处理的顺序，也无法调整纹理以利用它。

最好的方法是放弃顶点着色器和纹理访问，转而使用计算着色器和 SSBO。这样，您可以通过设置工作组大小直接了解访问的位置。借助 SSBO，您可以以任何方式排列阵列，从而为每个波前提供最佳的访问位置。

但这样的事情相当于在裂开的伤口上贴创可贴。

我怎样才能提高它的性能？

停止进行这么多的纹理提取。

我是认真的。虽然有一些方法可以降低您正在做的事情的成本，但最有效的解决方案是更改您的算法，使其不需要做那么多工作。

您的算法看起来很像通过“姿势”调色板进行的顶点变形，系数指定了应用于每个姿势的权重。如果是这种情况，那么你的大多数系数要么为 0，要么小到可以忽略不计。如果是这样，那么您就是在浪费 大量 时间访问纹理，只是为了将它们的贡献转化为无。

如果您的大部分系数为 0，那么最好的办法是选择一些任意的 小 数作为可能影响结果的最大系数数。例如，8。您将一个包含 8 个索引和系数的数组作为制服发送到着色器。然后你遍历那个数组，只取了 8 次。而且您可能只需 4 次就可以逃脱。