采用Intel HD和NVidia GPU的OpenGL程序

Question

我是OpenGL的新手，我希望有人向我解釋程序如何使用GPU。

我有一個三角形數組（包含3個點的類）。 這是繪制它們的代碼（我知道這些函數是被刪除的）。

glBegin(GL_LINES);
for(int i=0; i<trsize; ++i){
    glVertex3d((GLdouble)trarr[i].p1().x(), (GLdouble)trarr[i].p1().y(), (GLdouble)trarr[i].p1().z());
    glVertex3d((GLdouble)trarr[i].p2().x(), (GLdouble)trarr[i].p2().y(), (GLdouble)trarr[i].p2().z());
    glVertex3d((GLdouble)trarr[i].p3().x(), (GLdouble)trarr[i].p3().y(), (GLdouble)trarr[i].p3().z());
}
glEnd();

我還使用用於旋轉，轉換等的已刪除功能。

當數組大小超過50k時，程序運行速度很慢。 我試圖只使用英特爾高清或僅使用NVidia gtx860M（默認的NVidia程序允許選擇GPU），但它們都非常慢。 也許英特爾高清的工作速度更快。

那么，為什么這兩個GPU之間沒有區別呢？ 使用着色器會使程序更快地運行嗎？

Answer 1

可能的瓶頸是在頂點上循環，訪問數組並在每次渲染時拉出頂點數據50000次，然后將數據發送到GPU進行渲染。

使用VBO確實會更快並且壓縮提取數據並在初始化時將其發送到GPU一次的成本。

即使使用用戶內存緩沖區也會加快速度，因為您不會調用50k函數，但驅動程序只能對相關數據進行memcopy。

Answer 2

當數組大小超過50k時，程序運行速度很慢。

在中間模式下繪制時的主要瓶頸是，所有頂點都必須在每個幀中從程序存儲器傳輸到GPU內存。 GPU和CPU之間的總線在它可以傳輸的數據量上受到限制，因此最好的猜測是，50k三角形的數量遠遠超過總線可以傳輸的數量。 另一個問題是，驅動程序必須處理你在CPU上發送給他的所有命令，這也可能是一個很大的開銷。

那么，為什么這兩個GPU之間沒有區別呢？

（通常）英特爾高清卡和NVIDIA卡之間存在巨大的性能差異，但它們之間的總線可能是相同的。

使用着色器會使程序更快地運行嗎？

它不會直接受到着色器用戶的好處，但肯定是將這些頂點存儲在gpu內存上（參見VBO / VAO）。 第二個改進是，你可以只使用一次繪制調用渲染整個VBO，這減少了cpu必須處理的指令量。

Answer 3

使用具有顯着不同性能潛力的兩個GPU看到相同的性能肯定會表明您的代碼受CPU限制。 但我非常懷疑其他答案/評論中關於性能瓶頸的一些理論。

• 一些簡單的計算表明內存帶寬根本不應該發揮作用。 有50,000個三角形，每個有3個頂點，每個頂點有24個字節，你可以看到每幀3,600,000個字節的頂點數據。 假設你的目標是60幀/秒，這是一個超過200 MB /秒。 這不到現代PC內存帶寬的1％。
• 現代GPU上最直接模式的最實用的實現是驅動程序將所有數據收集到緩沖區中，然后在緩沖區填滿時立即提交所有數據。 因此不需要大量內核調用，並且每個頂點的數據肯定不會單獨發送到GPU。

司機開銷很可能是罪魁禍首。 每個三角形有50,000個三角形和3個API調用，這是每幀150,000個API調用，如果您的目標是60幀/秒，則為每秒900萬次API調用。 好多啊！ 對於每個電話，您將擁有：

• 您自己的代碼中的循環和數組訪問。
• 實際的函數調用。
• 論證傳遞。
• 驅動程序代碼中的狀態管理和邏輯。
• 等等

一個重要的方面使它比它需要的更糟糕：你正在使用坐標的double值。 與使用float值相比，這需要傳遞的數據量翻倍。 由於OpenGL頂點管道以單精度（*）運行，因此驅動程序必須將所有值轉換為float 。

我懷疑即使使用不推薦的立即模式調用，如果你開始對所有坐標使用float （你自己的存儲，並將它們傳遞給OpenGL），你也可以獲得顯着的性能提升。 您還可以使用glVertex*()調用的版本，該調用采用帶有指向向量的指針的單個參數，而不是3個單獨的參數。 對於float向量，這將是glVertex3fv() 。

轉向維多利亞州立大學當然是真正的解決方案。 只要頂點數據不隨時間變化，它就會減少數量級的API調用次數，並避免任何數據復制。

（*）OpenGL 4.1增加了對double頂點屬性的支持，但它們需要使用特定的API函數，只有在單精度浮點數不夠精確時才有意義。