GPU, हेक्सागोनल त्वरक और रैखिक बीजगणित

ये सभी शब्द मोबाइल विकास से बहुत अधिक निकटता से संबंधित हैं, क्योंकि पहली नज़र में यह लगता है: हेक्सागोनल त्वरक पहले से ही मोबाइल उपकरणों पर तंत्रिका नेटवर्क को प्रशिक्षित करने में मदद कर रहे हैं; एप्पल में नौकरी पाने के लिए बीजगणित और मटन काम में आते हैं; और GPU प्रोग्रामिंग न केवल आपको अनुप्रयोगों को गति देने की अनुमति देता है, बल्कि आपको चीजों का सार देखना भी सिखाता है।

किसी भी मामले में, ऐसा प्रिज्मा मोबाइल विकास एंड्रे वोलोडिन के प्रमुख का कहना है। और यह भी कि गेम डिडेव से मोबाइल के विकास में कैसे विचार आते हैं, कैसे प्रतिमान अलग-अलग होते हैं, एंड्रॉइड में देशी ब्लर क्यों नहीं होता है - और भी बहुत कुछ, AppsCast की उत्पादक रिलीज जारी की गई है। कटौती के तहत, हम एप्सऑन पर खराब होने के बिना एंड्रे की रिपोर्ट के बारे में बात करेंगे।



AppsCast AppsConf मोबाइल डेवलपर कॉन्फ्रेंस पॉडकास्ट है। प्रत्येक अंक एक नया अतिथि है। प्रत्येक अतिथि उस सम्मेलन का वक्ता होता है जिसके साथ हम उसकी रिपोर्ट पर चर्चा करते हैं और उससे संबंधित विषयों पर बात करते हैं। पॉडकास्ट को AppsConf कार्यक्रम समिति के सदस्य, अलेक्सेई कुड्रीवत्सेव और डेनियल पोपोव ने होस्ट किया है।

एलेक्सी कुद्रेवत्सेव: सभी को नमस्कार! एंड्री, कृपया हमें अपने अनुभव के बारे में बताएं।

एंड्री वोलोडिन : हम प्रिज्मा में ऐसे उत्पाद विकसित कर रहे हैं जो मुख्य रूप से फोटो और वीडियो के प्रसंस्करण से संबंधित हैं। हमारा प्रमुख ऐप प्रिज्मा है। अब हम Facetune जैसी कार्यक्षमता के लिए एक और Lensa एप्लिकेशन बना रहे हैं।

मैं मोबाइल विकास का नेतृत्व करता हूं, लेकिन मैं एक गेमिंग कोच हूं। मेरे पास पूरा कोर हिस्सा है, मैं इन सभी अनुप्रयोगों के लिए जीपीयू पाइपलाइन लिखता हूं। मैं कोर फ्रेमवर्क विकसित करता हूं ताकि मोबाइल डिवाइस पर आरएंडडी टीम विकसित होने वाले एल्गोरिदम और न्यूरॉन्स, रियलटाइम में काम करें। संक्षेप में, सर्वर कंप्यूटिंग और उस सब को मारने के लिए।

अलेक्सेई कुद्रेवत्सेव: यह नियमित रूप से आईओएस विकास की तरह आवाज नहीं करता है।

एंड्री वोलोडिन: हां, मेरी ऐसी विशिष्टता है - मैं हर दिन स्विफ्ट पर लिखता हूं, लेकिन साथ ही इसे आईओएस-विकास भी माना जाता है।

डेनियल पोपोव: आपने जीपीयू पाइपलाइनों का उल्लेख किया, यह सब क्या है?

एंड्री वोलोडिन: जब आप फोटो एडिटर बनाते हैं, तो आपको आर्किटेक्चर को कॉन्फ़िगर करने और तर्क को विघटित करने की भी आवश्यकता होती है, क्योंकि एप्लिकेशन अलग-अलग टूल है। उदाहरण के लिए, लेन्सा में एक बोकेह टूल है जो एक न्यूरॉन का उपयोग करके पृष्ठभूमि को धुंधला करता है, एक रीटचिंग टूल है जो एक व्यक्ति को और अधिक सुंदर बनाता है। यह सब GPU पर अधिक कुशलता से काम करने की जरूरत है। इसके अलावा, यह सलाह दी जाती है कि हर बार प्रोसेसर और वीडियो कार्ड के बीच डेटा ट्रांसफर न किया जाए, लेकिन संचालन के एक सेट को पूर्व-निर्मित करने के लिए, उन्हें एक रन में निष्पादित करें, और उपयोगकर्ता को अंतिम परिणाम दिखाएं।

GPU पाइपलाइन "थोड़ा गांठ" है जिसमें से वीडियो कार्ड के लिए निर्देश इकट्ठे किए जाते हैं। फिर वह यह सब बहुत जल्दी और कुशलता से करती है, और आप एक समय में परिणाम लेते हैं, और प्रत्येक साधन के बाद नहीं। मैं यह सुनिश्चित करता हूं कि हमारी GPU पाइपलाइनें यथासंभव तेज़, कुशल और आम तौर पर सिद्धांत रूप में मौजूद हैं।

एलेक्सी कुद्रेवत्सेव: मुझे बताओ, तुम यह कैसे आए? एक नियमित iOS डेवलपर राइविंग और मोल्ड्स के साथ शुरू होता है, फिर एपीआई द्वारा कहीं जाता है और खुश होता है। यह कैसे हुआ कि आप कुछ अलग कर रहे हैं?

एंड्री वोलोडिन: अधिकांश भाग के लिए, यह एक संयोग है। इससे पहले कि मैं नौकरी करता, मैंने iOS के लिए गेम बनाया। यह हमेशा मेरे लिए दिलचस्प था, लेकिन मैं समझ गया कि रूस में इस दिशा में विशेष रूप से विकसित होना कहीं नहीं है। ऐसा हुआ कि हमने एक दूसरे को प्रिज्मा के साथ पाया। उन्हें एक आईओएस डेवलपर की जरूरत थी जो स्विफ्ट पर लिख सके और साथ ही साथ जीपीयू को भी जानता है, विशेष रूप से, मेटल, जो अभी बाहर आया था, और मैं निश्चित रूप से उस विवरण को फिट करता हूं।

मैंने रिक्ति का जवाब दिया, हमारे बीच तालमेल था, और तीसरे वर्ष के लिए अब मैं इस चीज में गहराई से जा रहा हूं। अगर अब कुछ गलत हुआ है, तो मेरे पास पहले से ही इन सभी वाइपर और एमवीवीएम हैं - मुझे यह भी पता नहीं है कि यह कैसे घटता है - मुझे शुरुआत से ही समझना होगा।

GPU इंजीनियर क्या करता है

डेनियल पोपोव: योर एप्सकॉनफ प्रोफाइल इंजीनियर जीपीयू का कहना है। कॉफी पीने के अलावा इंजीनियर जीपीयू दिन में सबसे ज्यादा क्या करता है?

एंड्री वोलोडिन: यहां यह उल्लेख करना आवश्यक है कि प्रोसेसर जीपीयू से मौलिक रूप से कैसे भिन्न है। प्रोसेसर संचालन करता है जैसे कि क्रमिक रूप से। यहां तक ​​कि हमारे पास जो मल्टीथ्रेडिंग है वह अक्सर नकली होती है: प्रोसेसर बंद हो जाता है और विभिन्न कार्यों के छोटे टुकड़े करने के लिए स्विच करता है, और उन्हें कुछ स्लाइस में निष्पादित करता है। GPU बिल्कुल विपरीत तरीके से काम करता है। ऐसे n प्रोसेसर हैं जो वास्तव में समानांतर में काम करते हैं, और GPU के भीतर प्रक्रियाओं और समानता के बीच समानता है।

मेरी मुख्य नौकरी, मेमोरी को अनुकूलित करने और कोड पुन: व्यवस्थित करने जैसी सामान्य चीजों के अलावा, मैं उन एल्गोरिदम को पोर्ट करता हूं जो सीपीयू के लिए वीडियो कार्ड में लिखे जाते हैं ताकि वे समानांतर हों। यह हमेशा एक तुच्छ कार्य नहीं है, क्योंकि बहुत कुशल एल्गोरिदम हैं जो पूरी तरह से निर्देशों के अनुक्रमिक निष्पादन से बंधे हैं। मेरा काम है, उदाहरण के लिए, इस तरह के एक एल्गोरिथ्म के लिए एक सन्निकटन, जो करता है, शायद, बिल्कुल एक ही बात नहीं है, लेकिन नेत्रहीन परिणाम को प्रतिष्ठित नहीं किया जा सकता है। तो हम 100 गुना त्वरण प्राप्त कर सकते हैं, थोड़ा त्याग गुणवत्ता।

मैं न्यूरॉन्स को भी पोर्ट कर रहा हूं। वैसे, हम जल्द ही एक बड़ा ओपन सोर्स रिलीज़ करेंगे। कोर एमएल के प्रकट होने से पहले ही, हमारे पास अपने समकक्ष थे, और हमने अंततः इसे ओपन सोर्स में डालने के लिए चीर दिया। इसका प्रतिमान कोर एमएल से थोड़ा अलग है। मैं, सहित, इसके मुख्य भाग को विकसित कर रहा हूं।

सामान्य तौर पर, मैं कंप्यूटर विजन एल्गोरिदम और कंप्यूटिंग के आसपास सब कुछ करता हूं।

एलेक्सी कुद्र्यावत्सेव: एक दिलचस्प घोषणा।

एंड्री वोलोडिन: यह एक रहस्य नहीं है, हम इसे किसी तरह की धूमधाम के साथ घोषित नहीं करेंगे, बस यह संभव है कि प्रिज्मा के अंदर उपयोग किए जाने वाले चौखटे का एक उदाहरण देखें।

क्यों GPU के लिए अनुकूलन

अलेक्सई कुद्र्यावत्सेव: मुझे बताओ, कृपया, हम सामान्य रूप से GPU के लिए एल्गोरिदम का अनुकूलन क्यों करते हैं? ऐसा लग सकता है कि यह प्रोसेसर में कोर को जोड़ने या एल्गोरिथ्म को अनुकूलित करने के लिए पर्याप्त है। आखिर क्यों जीपीयू?

एंड्री वोलोडिन: जीपीयू पर काम एल्गोरिदम को काफी गति दे सकता है। उदाहरण के लिए, हमारे पास न्यूरॉन्स हैं जो 30 एस के लिए सैमसंग एस 10 केंद्रीय प्रोसेसर पर चलेंगे, और जीपीयू पर 1 फ्रेम होगा, अर्थात 1/60 एस। यह अविश्वसनीय रूप से उपयोगकर्ता अनुभव बदल रहा है। कोई अनन्त लोडिंग स्क्रीन नहीं है, आप वीडियो स्ट्रीम पर काम करने वाले एल्गोरिथ्म का परिणाम देख सकते हैं, या स्लाइडर को मोड़ सकते हैं और सही प्रभाव देख सकते हैं।

यह बिल्कुल भी नहीं है कि हम सीपीयू पर लिखने के लिए बहुत अच्छे हैं, इसलिए हम GPU पर सब कुछ फिर से लिखते हैं। GPU का उपयोग करना एक पारदर्शी लक्ष्य है - चीजों को गति देना।

अलेक्सेई कुद्रियावत्सेव: GPU समानांतर में एक दूसरे के समान संचालन को संभालता है। क्या आपके पास इस तरह के ऑपरेशन हैं और इसलिए इस तरह की सफलता हासिल करना है?

एंड्री वोलोडिन: हाँ, मुख्य कठिनाई कोड को नहीं है, लेकिन ऐसे एल्गोरिदम बनाने के लिए है जो अच्छी तरह से GPU में स्थानांतरित हो गए हैं। यह हमेशा तुच्छ नहीं है। ऐसा होता है कि आपको पता चल गया है कि सब कुछ ठंडा कैसे करना है, लेकिन इसके लिए आपको बहुत अधिक सिंक्रनाइज़ेशन बिंदुओं की आवश्यकता है। उदाहरण के लिए, आप एक संपत्ति में सब कुछ लिखते हैं, और यह एक स्पष्ट संकेत है कि यह खराब समानांतर होगा। यदि आप एक स्थान पर बहुत लिखते हैं, तो सभी थ्रेड्स को इसके लिए सिंक्रनाइज़ करने की आवश्यकता होगी। हमारा कार्य एल्गोरिदम को अनुमानित करना है ताकि वे अच्छी तरह से समानांतर हो।

अलेक्सई कुद्रीवत्सेव: मेरे लिए, एक मोबाइल डेवलपर के रूप में, यह रॉकेट साइंस जैसा लगता है।

एंड्री वोलोडिन: वास्तव में, यह इतना मुश्किल नहीं है। मेरे लिए रॉकेट साइंस VIPER है।

तीसरा चिप

डेनियल पोपोव: ऐसा लगता है कि पिछले Google I / O सम्मेलन में उन्होंने TensorFlow और अन्य चीजों के लिए लोहे के एक टुकड़े की घोषणा की। तीसरी चिप आखिरकार टीपीयू या मोबाइल फोन में कब दिखाई देगी, इसे क्या कहा जाएगा, जो डिवाइस पर सभी एमएल जादू भी करेगा?

एंड्री वोलोडिन: हमारे पास यह बहुत ही महत्वपूर्ण चीज है, यह यूएसबी के माध्यम से जोड़ता है, और आप इस पर Google से न्यूरॉन्स ड्राइव कर सकते हैं। हुआवेई के पास पहले से ही है, हमने उनके हेक्सागोनल त्वरक के लिए सॉफ्टवेयर भी लिखा है, ताकि विभाजन न्यूरॉन्स जल्दी से पी 20 का पीछा करेंगे।

मुझे कहना होगा कि iPhone में वे वास्तव में पहले से मौजूद हैं। उदाहरण के लिए, नवीनतम आईफोन एक्सएस में एनपीयू (न्यूरल प्रोसेसिंग यूनिट) नामक एक कोप्रोसेसर है, लेकिन अभी तक केवल ऐप्पल के पास ही इसकी पहुंच है। यह कोप्रोसेसर पहले से ही iPhone में GPU काट रहा है। कुछ कोर एमएल मॉडल एनपीयू का उपयोग करते हैं और इसलिए नंगे धातु से तेज होते हैं।

यह महत्वपूर्ण है, यह देखते हुए कि सबसे कम अनुमान न्यूरॉन्स के अलावा, कोर एमएल को अतिरिक्त कार्रवाई की बहुत आवश्यकता होती है। पहले आपको इनपुट डेटा को कोर एमएल प्रारूप में बदलने की आवश्यकता है, यह इसे संसाधित करेगा, फिर इसे इसके प्रारूप में लौटाएगा - आपको इसे वापस बदलने की आवश्यकता है, और उसके बाद ही उपयोगकर्ता को दिखाएं। इस सब में काफी समय लगता है। हम ओवरहेड फ्री पाइपलाइन लिखते हैं जो जीपीयू पर शुरुआत से अंत तक काम करते हैं, जबकि कोर एमएल मॉडल इस हार्डवेयर प्रक्रिया के कारण तेजी से ठीक होते हैं।

सबसे अधिक संभावना है, जून में डब्ल्यूडब्ल्यूडीसी में वे एनपीयू के साथ काम करने के लिए एक रूपरेखा दिखाएंगे।

यही है, जैसा कि आपने कहा, पहले से ही उपकरण हैं, बस डेवलपर्स अभी तक उन्हें पूर्ण रूप से उपयोग नहीं कर सकते हैं। मेरी परिकल्पना यह है कि कंपनियां स्वयं अभी तक समझ नहीं पा रही हैं कि इसे एक रूपरेखा के रूप में सावधानीपूर्वक कैसे किया जाए। या वे सिर्फ एक बाजार लाभ के लिए दूर नहीं करना चाहते हैं।

अलेक्सेई कुद्र्यावत्सेव: फिंगरप्रिंट स्कैनर के साथ, आईफोन में वही बात थी, जैसा कि मुझे याद है।

एंड्री वोलोडिन: वह अब भी सुपर-सस्ती नहीं है। आप इसे शीर्ष-स्तर का उपयोग कर सकते हैं, लेकिन आप स्वयं प्रिंट प्राप्त नहीं कर सकते। आप उपयोगकर्ता को इसका उपयोग करने के लिए बस Apple से पूछ सकते हैं। यह अभी भी स्कैनर के लिए पूर्ण पहुँच नहीं है।

हेक्सागोनल त्वरक

डेनियल पोपोव: आपने हेक्सागोनल त्वरक शब्द का उल्लेख किया है। मुझे लगता है कि हर कोई नहीं जानता कि यह क्या है।

एंड्री वोलोडिन: यह हार्डवेयर आर्किटेक्चर का एक टुकड़ा है जिसका उपयोग हुआवेई करता है। मुझे कहना होगा, वह परिष्कृत है। कुछ लोगों को पता है, लेकिन कुछ Huawei में ये प्रोसेसर हैं, लेकिन इसका उपयोग नहीं किया जाता है, क्योंकि उनके पास एक हार्डवेयर बग है। हुआवेई ने उन्हें जारी किया, और फिर एक समस्या मिली, अब कुछ फोन में विशेष चिप्स मृत वजन हैं। ताजा संस्करणों में, सब कुछ पहले से ही काम करता है।

प्रोग्रामिंग में, SIMD (एकल निर्देश, एकाधिक डेटा) प्रतिमान है, जब समान निर्देशों को अलग-अलग डेटा के समानांतर में निष्पादित किया जाता है। चिप को इस तरह से डिज़ाइन किया गया है कि यह एक साथ कई डेटा स्ट्रीम पर समानांतर रूप से कुछ ऑपरेशन की प्रक्रिया कर सकती है। विशेष रूप से, हेक्सागोनल का मतलब है कि समानांतर में 6 तत्वों पर।

अलेक्सेई कुद्र्यावत्सेव: मैंने सोचा था कि GPU बस इस तरह काम करता है: यह एक कार्य को वेक्टर करता है और विभिन्न डेटा पर एक ही ऑपरेशन करता है। अंतर क्या है?

एंड्री वोलोडिन : जीपीयू अधिक सामान्य उद्देश्य है। इस तथ्य के बावजूद कि GPU के लिए प्रोग्रामिंग कम-स्तरीय है, कॉपोरोसेसर के साथ काम करने के संबंध में यह काफी उच्च-स्तर है। GPU पर प्रोग्रामिंग के लिए, C जैसी भाषा का उपयोग किया जाता है। IOS पर, कोड को अभी भी मशीन निर्देशों में LLVM के साथ संकलित किया जाता है। और कोप्रोसेसरों के लिए ये चीजें अक्सर सीधे कट्टर रूप से लिखी जाती हैं - कोडांतरक में, मशीन के निर्देशों पर। इसलिए, उत्पादकता में वृद्धि अधिक ध्यान देने योग्य है, क्योंकि वे विशिष्ट कार्यों के लिए तेज हैं। आप उन पर कुछ भी गिन नहीं सकते हैं, लेकिन आप केवल वही गिन सकते हैं जो वे मूल रूप से चाहते थे।

अलेक्सेई कुद्र्यावत्सेव: और वे आम तौर पर क्यों डिजाइन किए जाते हैं?

एंड्री वोलोडिन: अब मुख्य रूप से तंत्रिका नेटवर्क में सबसे आम संचालन के लिए: दृढ़ संकल्प - दृढ़ संकल्प या किसी प्रकार का मध्यवर्ती सक्रियण। उनके पास पूर्व-वायर्ड कार्यक्षमता है जो सुपर-फास्ट काम करती है। इसलिए वे GPU की तुलना में कुछ कार्यों पर बहुत तेज़ हैं, लेकिन बाकी सभी में वे बस लागू नहीं होते हैं।

अलेक्सी कुद्रेवत्सेव: यह डीएसपी प्रोसेसर की तरह दिखता है, जिसका उपयोग ऑडियो के लिए किया जाता था, और सभी प्लगइन्स और प्रभाव उन पर बहुत जल्दी काम करते थे। विशेष महंगा हार्डवेयर बेचा गया था, लेकिन फिर प्रोसेसर बड़े हो गए, और अब हम लैपटॉप पर सीधे पॉडकास्ट रिकॉर्ड और प्रोसेस करते हैं।

एंड्री वोलोडिन: हाँ, उसी के बारे में।

GPU न केवल ग्राफिक्स के लिए

डेनियल पोपोव: मैं सही ढंग से समझता हूं कि अब GPU पर आप डेटा को संसाधित कर सकते हैं जो सीधे ग्राफिक्स से संबंधित नहीं है? यह पता चला है कि GPU अपना मूल उद्देश्य खो रहा है।

एंड्री वोलोडिन: बिल्कुल सही। मैं अक्सर सम्मेलनों में इस बारे में बात करता हूं। पहले एनवीडिया थे, जिन्होंने CUDA की शुरुआत की। यह एक ऐसी तकनीक है जो GPGPU (ग्राफिक्स प्रोसेसिंग इकाइयों पर सामान्य प्रयोजन कंप्यूटिंग) को सरल बनाती है। आप इस पर लिख सकते हैं C ++ एल्गोरिदम का एक सुपरसेट जो GPU पर समानांतरित है।

लेकिन लोग पहले भी ऐसा कर चुके हैं। उदाहरण के लिए, ओपनजीएल या उससे भी पुराने डायरेक्टएक्स पर कारीगरों ने बनावट को डेटा लिखा है - प्रत्येक पिक्सेल को डेटा के रूप में व्याख्या की गई थी: पहले पिक्सेल में 4 बाइट्स, दूसरे में 4 बाइट्स। उन्होंने बनावट को संसाधित किया, फिर बनावट से डेटा वापस निकाला गया और व्याख्या की गई। यह बहुत तंग और जटिल था। अब वीडियो कार्ड सामान्य उद्देश्य तर्क का समर्थन करते हैं। आप GPU में किसी भी बफर को फ़ीड कर सकते हैं, अपनी संरचनाओं का वर्णन कर सकते हैं, यहां तक ​​कि संरचनाओं के पदानुक्रम जिसमें वे एक-दूसरे को संदर्भित करेंगे, कुछ की गणना करेंगे और इसे प्रोसेसर को वापस कर देंगे।

डेनियल पोपोव: यही है, हम कह सकते हैं कि GPU अब डेटा पु है।

एंड्री वोलोडिन: हां, GPU पर ग्राफिक्स कभी-कभी सामान्य गणनाओं से कम संसाधित होते हैं।

अलेक्सेई कुड्रीवत्सेव: सीपीयू और जीपीयू की वास्तुकला सार में अलग है, लेकिन आप इसे वहां और वहां दोनों पर विचार कर सकते हैं।

एंड्री वोलोडिन : वास्तव में, कुछ मायनों में सीपीयू तेज है, कुछ मायनों में जीपीयू। यह कहना नहीं है कि GPU हमेशा तेज होता है।

डेनियल पोपोव: जहां तक ​​मुझे याद है, यदि कार्य कुछ अलग गणना करना है, तो सीपीयू पर यह बहुत तेज हो सकता है।

एंड्री वोलोडिन: यह डेटा की मात्रा पर भी निर्भर करता है। सीपीयू से जीपीयू और इसके विपरीत डेटा ट्रांसफर करने का ओवरहेड हमेशा होता है। यदि आप विचार करते हैं, उदाहरण के लिए, एक लाख तत्व, तो एक GPU का उपयोग करना आमतौर पर उचित है। लेकिन सीपीयू पर एक हजार तत्वों को गिनना सिर्फ ग्राफिक्स कार्ड में कॉपी करने से ज्यादा तेज हो सकता है। इसलिए, आपको हमेशा कार्य चुनना चाहिए।

वैसे, कोर एमएल करता है। कोर एमएल, एपल के अनुसार, यह चुनने के लिए कि तेजी से कहां है: प्रोसेसर पर या वीडियो कार्ड पर। मुझे नहीं पता कि यह वास्तव में काम करता है, लेकिन वे कहते हैं कि हाँ।

एक मोबाइल डेवलपर के लिए हार्डकोर GPU इंजीनियर ज्ञान

एलेक्सी कुद्रेवत्सेव: चलो मोबाइल विकास पर वापस आते हैं। आप एक GPU अभियंता हैं, आपके पास कट्टर ज्ञान है। यह ज्ञान मोबाइल डेवलपर पर कैसे लागू किया जा सकता है? उदाहरण के लिए, आप UIKit में क्या देखते हैं जो अन्य नहीं देखते हैं?

एंड्री वोलोडिन: मैं इस बारे में AppsConf में विस्तार से बात करूंगा। आप जहां बहुत आवेदन कर सकते हैं। जब मैं देखता हूं, उदाहरण के लिए, UIKit एपीआई कैसे काम करता है, तो मैं तुरंत समझ सकता हूं कि यह क्यों किया जाता है और क्यों। कुछ विचारों को प्रस्तुत करते समय प्रदर्शन ड्रॉप का अवलोकन करना, मैं इसका कारण समझ सकता हूं, क्योंकि मुझे पता है कि प्रतिपादन अंदर कैसे लिखा गया है। मैं समझता हूं: उन प्रभावों को प्रदर्शित करने के लिए जो गॉसियन ब्लर वास्तव में फ्रेम बफर के शीर्ष पर करते हैं, आपको पहले पूरी बनावट को कैश करने की जरूरत है, इसके लिए एक भारी ब्लर ऑपरेशन लागू करें, परिणाम लौटाएं, बाकी दृश्यों का प्रतिपादन करें, और केवल इसे स्क्रीन पर दिखाएं। यह सब 1/60 सेकंड में फिट होना चाहिए, अन्यथा यह धीमा हो जाएगा।

यह मेरे लिए बिल्कुल स्पष्ट है कि यह एक लंबा समय क्यों है, लेकिन मेरे सहयोगियों के लिए यह स्पष्ट नहीं है। यही कारण है कि मैं उन डिजाइन ट्रिक्स को साझा करना चाहता हूं जो हम अक्सर गेमडेव में उपयोग करते हैं, और मेरी अंतर्दृष्टि पर कि मैं समस्याओं को कैसे देखता हूं और उन्हें हल करने का प्रयास करता हूं। यह एक प्रयोग होगा, लेकिन मुझे लगता है कि यह दिलचस्प होना चाहिए।

एंड्रॉइड में देशी ब्लर क्यों नहीं होता है

डेनियल पोपोव: आपने धब्बा का उल्लेख किया, और मेरे पास एक सवाल था जो चिंता करता है, मुझे लगता है, सभी एंड्रॉइड डेवलपर्स: आईओएस में एक देशी ब्ल्यूअर क्यों है और एंड्रॉइड में नहीं।

आंद्रेई वोलोडिन: मुझे लगता है कि यह वास्तुकला के कारण है। Apple प्लेटफ़ॉर्म Tiled Shading रेंडरिंग आर्किटेक्चर का उपयोग करते हैं। इस दृष्टिकोण के साथ, पूरे फ्रेम का प्रतिपादन नहीं किया गया है, लेकिन छोटे टाइल - वर्ग, स्क्रीन के कुछ हिस्सों। यह आपको एल्गोरिथ्म के संचालन को अनुकूलित करने की अनुमति देता है, क्योंकि GPU का उपयोग करते समय मुख्य प्रदर्शन लाभ कैश का एक कुशल उपयोग देता है। आईओएस पर, फ्रेम को अक्सर प्रदान किया जाता है ताकि यह मेमोरी को बिल्कुल भी न खींचे। उदाहरण के लिए, आईफोन 7 प्लस पर, संकल्प 1920 * 1080 है, जो लगभग 2 मिलियन पिक्सल है। हम प्रति चैनल 4 बाइट्स से गुणा करते हैं, यह लगभग 20 मेगाबाइट प्रति फ्रेम निकलता है। केवल सिस्टम फ्रेम बफर के भंडारण के लिए 20 एमबी।

टाइल शेडिंग दृष्टिकोण आपको इस बफर को छोटे टुकड़ों में तोड़ने और इसे थोड़ा सा प्रस्तुत करने की अनुमति देता है। यह कैश एक्सेस की संख्या को बहुत बढ़ाता है, क्योंकि धुंधला करने के लिए, आपको पहले से ही खींचे गए पिक्सल को पढ़ने और उन पर गौसियन वितरण की गणना करने की आवश्यकता है। यदि आप पूरे फ्रेम को पढ़ते हैं, तो कैश दर बहुत कम होगी, क्योंकि प्रत्येक स्ट्रीम अलग-अलग स्थानों को पढ़ेगी। लेकिन अगर आप छोटे टुकड़े पढ़ते हैं, तो कैश दर बहुत अधिक होगी, और उत्पादकता भी अधिक होगी।

मुझे ऐसा लगता है कि एंड्रॉइड में देशी ब्लर की कमी वास्तुशिल्प सुविधाओं से जुड़ी हुई है। हालांकि, शायद यह एक उत्पाद समाधान है।

डेनियल पोपोव: एंड्रॉइड में, इसके लिए रेंडरस्क्रिप्ट है, लेकिन वहां आपको अपने हाथों से मिश्रण करना, आकर्षित करना, एम्बेड करना होगा। यह iOS में एक चेकबॉक्स सेट करने की तुलना में बहुत अधिक जटिल है।

एंड्री वोलोडिन: सबसे अधिक संभावना है, प्रदर्शन भी कम है।

डेनियल पोपोव: हां, डिजाइनर विशलिस्ट को संतुष्ट करने के लिए, हमें चित्र को डाउनस्केल करना होगा, इसे धुंधला करना होगा, और फिर किसी तरह बचाने के लिए वापस ऊपर उठाना होगा।

एंड्री वोलोडिन: वैसे, इसके साथ आप विभिन्न चालें कर सकते हैं। गाऊसी वितरण एक धुंधला चक्र है। गॉस सिग्मा उन पिक्सेल की संख्या पर निर्भर करता है जिन्हें आप उन्हें इकट्ठा करना चाहते हैं। अक्सर, एक अनुकूलन के रूप में, आप किसी चित्र को डाउनकास्ट कर सकते हैं और सिग्मा को थोड़ा संकीर्ण कर सकते हैं, और जब आप मूल पैमाने पर लौटते हैं, तो कोई अंतर नहीं होगा, क्योंकि सिग्मा सीधे चित्र के आकार पर निर्भर करता है। इस तरकीब का इस्तेमाल हम अक्सर कलंक को तेज करने के लिए करते हैं।

डेनियल पोपोव: हालांकि, एंड्रॉइड में रेंडरस्क्रिप्ट आपको 30 से अधिक की त्रिज्या बनाने की अनुमति नहीं देता है।

एंड्री वोलोडिन: वास्तव में, 30 का एक त्रिज्या बहुत है। फिर से, मैं समझता हूं कि प्रत्येक थ्रेड पर एक GPU का उपयोग करके 30 पिक्सेल एकत्र करना बहुत महंगा है।

मोबाइल विकास और GameDev के बीच समानताएं क्या हैं

अलेक्सेई कुद्र्यावत्सेव: आपकी रिपोर्ट के लिए शोध में, आप कहते हैं कि मोबाइल विकास और गेमडेव में बहुत कुछ है। मुझे थोड़ा बताओ, वास्तव में क्या?

एंड्री वोलोडिन: यूकीट की वास्तुकला खेल इंजनों और पुराने लोगों की बहुत याद दिलाती है। आधुनिक लोग घटक घटक प्रणाली की दिशा में चले गए हैं, और यह रिपोर्ट में भी होगा। यह भी UIKit के लिए आता है, ऐसे लेख हैं जो लिखते हैं कि आप घटकों पर विचारों को कैसे डिज़ाइन कर सकते हैं। GameDev, Component System Thief 98 .

, , Cocos2d, , , , . , Scene graph — , -, , iOS CGAffineTransform. 4*4, , . .

, UIKit . - — . : GameDev , UIKit setNeedsLayout, layoutIfNeeded.

— , - , , Apple. AppsConf .

: , API Cocos2d iOS ( UI). , ?

: , - . Cocos2d 2008-2009 , UIKit UIKit, . , - , , .

, : core- Cocos2d Apple, Apple Cocos2d, . SpriteKit , Cocos2d. Apple .

: , , UIKit 2009, MacOS, . setNeedsLayout, layoutIfNeeded , .

: , GameDev , MacOS.

: !

: Cocos2d Apple, , GameDev. GameDev , — . , GameDev , , . , , .

: , - , — .

: , , , , — . Protocol-Oriented Programming Swift, , - . GameDev .

: : , . , , , .

GameDev

: : GameDev , GameDev ?

: , , . « , ». , . : , , .

GameDev- . : 30 60 , , , . , . — . -- 1/60 1/30 . , , , GPU , CPU . , .

: ?

: . - , , , . — . , , , — - , - , . , , .

. , GPU float, double, - . , , , . CPU , , , GPU .

, , — .

GameDev,

: , « GameDev, ». , , . , GameDev — . , . GameDev.

: , enterprise- , GameDev . . , , GameDev, .

, . , 4*4. CGAffineTransform — , - , .

, , , , .

: ? , UIKit, , ? , , , . , ?

: — pet project.

, : GPU , . iOS GPU , . iOS , - NVidia AMD- . . API , , .

: API, , Cocos2d Unity, — - . , , , UIKit ?

: Cocos2d — Open Source . , , , , . objective-C, .

pet project, , , API, , , -. , API, VHS-. , GPU. , . , . , : « saturation Instagram, lightroom!» , , 4 — .

, .

— , , . , , - , , , .

: , - . , Cocos2d - — 5 , , , , . , , , ..

: . , . , , , , , , , , , .

: , . , , .

: . , , . , Apple, ARKit. , , . , , , , .

, , : «, IDE, , , , . ».

: — ?

: , , , .

: , , .

: , , , VR . Project Template Xcode, , , - . , .

: .

: - , GameDev GPU.

: . - , , , . , , , , , UI: , , runtime Objective-C — , , . . , : , — , X Y, !

, , - , GameDev GPU- — .

, . AppsConf 22 23 .