读书笔记之----GPU大百科全书

本文是GPU大百科全书的读书笔记,深入探讨了图形渲染的基础,包括透视学在图形渲染中的作用,GPU如何通过光栅化处理几何体,以及像素着色器在创建细腻效果中的关键角色。介绍了GPU如何通过Geometry Shader和Tesselation增强几何处理,以及Pixel Shader在处理像素特效和颜色精度上的演变。同时,探讨了TMU在材质贴图和过滤操作中的重要性,以及DirectX在推动GPU技术发展中起到的革命性作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言:前端时间读vivante的GPU驱动代码,只要牵涉到硬件底层就好像是一堵推不跨的墙怎么也读不懂。导致近乎快完成的GPU驱动架构功亏一篑。一直想完成这件事,但是能力又有限。半途而废是一件让人很痛苦的事。


GPU大百科全书第一章:美女_方程与几何

1> 人们将在平面画幅上根据一定原理,用线条来显示物体的空间位置、轮廓和投影的科学称为透视学。这种方式,也就成了今天图形渲染工业中Rasterization的基础。

2> 线透法: 在多种透视方法中,最常用到的是线透法。线透法的基本原理,在于将物体的每一个点全部以连线的方式与观察视野,也就是我们的眼睛相连,然后再将一块平面置于这些线上,由线穿透平面所构成的投影来确定物体在画面中的形态

3> CPU生成的顶点数量在很多时候都是不够的,过少的顶点不仅会大幅降低模型精度,影响香草的面容,更会因为调节点过少而影响表情表达的精度,让那些本该传神的表情显得僵硬。于是,我们有了增加顶点的需求。

4> 尽管像素和像素着色器更加吸引人们的目光,但几何体才是一切的根源所在。没有了几何体,我们将发现光照、阴影和反射毫无意义。因为提高底层几何体的复杂度,将同时提高像素的质量

5> 区别于以往的传统的处理方式,新的Geometry Shader+Tesselation允许GPU自己生成新的顶点并完成设置工作。现在CPU还是干以前一样的工作,基本模型的顶点还是由他来生成,而且数量也没有变化,只不过当顶点再次流入到GPU之后情况会发生些许变化。现在的几何单元会先查看程序中是否包含一种叫做镶嵌系数的新东西,如果没有,则几何单元重复上面的香草解救大作战;如果有,则几何单元将会进入一个全新的状态。

6> 顶点引证(Vertex Instancing)和DrawInstanced函数,copy和修改的过程,加速大场面的渲染

7> 图形处理过程:

   第一:CPU它会根据程序的需要生成构成模型的所有顶点,然后将这些顶点的坐标发给GPU

   第二:常规的几何处理过程(setup单元):描点(顶点输出过程),连接,顶点的操作(根据方程生成不同的表情),蒙皮和打光(Vertex Texture和Vertex Lighting,如同生成石膏雕刻)

    第三:首先,CPU生成的模型依旧不变,几何单元在阅读了同顶点模型信息一起传过来的镶嵌系数及方程之后,会先让Geometry Shader中的Hull Shader对曲面要求进行解析,按照要求寻找其中的控制点,然后让Tesselator单元根据系数的要求生成全新的点。新生成的点全部在旧有顶点范围之内,当这些新生成的点被Tesselator单元送出之后,Hull Shader会根据程序的镶嵌说明把它们送到新的位置上并完成必要的调整,最后再由Domain Shader把Hull shader调整好的镶嵌点变成新的顶点输送给setup。

内容概要:该论文探讨了一种基于粒子群优化(PSO)的STAR-RIS辅助NOMA无线通信网络优化方法。STAR-RIS作为一种新型可重构智能表面,能同时反射和传输信号,与传统仅能反射的RIS不同。结合NOMA技术,STAR-RIS可以提升覆盖范围、用户容量和频谱效率。针对STAR-RIS元素众多导致获取完整信道状态信息(CSI)开销大的问题,作者提出一种在不依赖完整CSI的情况下,联合优化功率分配、基站波束成形以及STAR-RIS的传输和反射波束成形向量的方法,以最大化总可实现速率并确保每个用户的最低速率要求。仿真结果显示,该方案优于STAR-RIS辅助的OMA系统。 适合人群:具备一定无线通信理论基础、对智能反射面技术和非正交多址接入技术感兴趣的科研人员和工程师。 使用场景及目标:①适用于希望深入了解STAR-RIS与NOMA结合的研究者;②为解决无线通信中频谱资源紧张、提高系统性能提供新的思路和技术手段;③帮助理解PSO算法在无线通信优化问题中的应用。 其他说明:文中提供了详细的Python代码实现,涵盖系统参数设置、信道建模、速率计算、目标函数定义、约束条件设定、主优化函数设计及结果可视化等环节,便于读者理解和复现实验结果。此外,文章还对比了PSO与其他优化算法(如DDPG)的区别,强调了PSO在不需要显式CSI估计方面的优势。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值