我正在编写自己的图形库（是的，它的功课：）并使用 cuda 快速完成所有渲染和计算。
我在绘制实心三角形时遇到问题。我是这样写的，一个进程画一个三角形。当场景中有很多小三角形时它工作得很好，但是当三角形很大时它会完全破坏性能。
我的想法是做两次传球。首先计算仅包含有关扫描线信息的选项卡（从这里到那里绘制）。这将是每个进程计算的三角形，就像在当前算法中一样。在第二遍中，真正绘制每个三角形多个进程的扫描线。
但它会足够快吗？也许有更好的解决方案？
【问题讨论】：
标签： algorithm parallel-processing cuda rasterizing
您可以查看blog：CUDA 中的软件渲染管道。我不认为这是最好的方法，但至少作者分享了一些有用的资源。
其次，阅读paper：可编程的并行渲染架构。我认为这是最新的论文之一，它也是基于 CUDA 的。
如果我必须这样做，我会使用像 Larrabee（即 TBR）甚至 REYES 中的 数据并行光栅化管道，并使其适应 CUDA：
http://www.ddj.com/architect/217200602 http://home.comcast.net/~tom_forsyth/larrabee/Standford%20Forsyth%20Larrabee%202010.zip（见演示的第二部分）
【讨论】：
我怀疑您对 CUDA 以及如何使用它有一些误解，尤其是当您提到“过程”时，在 CUDA 术语中没有这样的东西。
对于大多数 CUDA 应用程序，要获得良好的性能有两个重要的方面：优化内存访问并确保 warp 中的每个“活动”CUDA 线程与 warp 中的其他活动线程同时执行相同的操作。这两个听起来对您的应用程序都很重要。
为了优化您的内存访问，您需要确保从全局内存中读取和对全局内存的写入是合并的。您可以在 CUDA 编程指南中阅读更多相关信息，但这实质上意味着，半扭曲中的相邻线程必须从相邻的内存位置读取或写入。此外，每个线程应一次读取或写入 4、8 或 16 个字节。
如果您的内存访问模式是随机的，那么您可能需要考虑使用纹理内存。当你需要在一个块中引用已经被其他线程读取的内存时，你应该使用共享内存。
在你的情况下，我不确定你的输入数据是什么，但你至少应该确保你的写入是合并的。您可能需要投入一些不小的努力才能让您的阅读工作高效。
对于第二部分，我建议每个 CUDA 线程处理输出图像中的一个像素。使用这种策略，您应该注意内核中的循环，这些循环将根据每个线程的数据执行更长或更短。经线中的每个线程都应该以相同的顺序执行相同数量的步骤。唯一的例外是，让warp中的一些线程不执行任何操作而其余线程一起执行相同的操作，并没有真正的性能损失。
因此，我建议让每个线程检查其像素是否在给定的三角形内。如果没有，它应该什么都不做。如果是，它应该计算该像素的输出颜色。
另外，我强烈建议您阅读有关 CUDA 的更多信息，因为您似乎在没有很好地理解一些基本原理的情况下跳入深渊。
【讨论】：
不要粗鲁，但这不就是显卡的设计初衷吗？似乎使用标准的 OpenGL 和 Direct3D API 会更有意义。
为什么不使用 API 来进行基本渲染，而不是使用低级得多的 CUDA？然后，如果您希望执行不支持的其他操作，您可以使用 CUDA 将它们应用在上面。或者也许将它们实现为着色器。
【讨论】：