python中math库最大值_哪些 Python 库让你相见恨晚？

众所周知，计算机图形学由于其需要的计算量大，常见的编程语言都是C或C++等编译型语言，或者是CUDA和GLSL等GPU编程语言，而Python由于性能问题而无法直接参与其中。

因此 @胡渊鸣 同学发起了 Taichi 这个项目，它可以将 Python 函数转译成高效的 CPU / GPU 汇编，从而保证效率同时，又能直接以 Python 编写和调用。 有了 Taichi，我们就可以用 Python 语言玩转计算机图形学啦！

案例0：

import taichi as ti

# 声明一个数据类型为浮点数，大小为 512x512x3 的场，3 个分量分别储存 (R, G, B)

pixels = ti.field(dtype=float, shape=(512, 512, 3))

@ti.kernel # 指定要编译的核函数

def paint():

for i, j in ti.ndrange(512, 512): # 自动并行化遍历

r = i / 512

g = j / 512

b = 0.5

pixels[i, j, 0] = r

pixels[i, j, 1] = g

pixels[i, j, 2] = b

gui = ti.GUI("Hello, Taichi", (512, 512))

while gui.running:

paint()

gui.set_image(pixels) # 按 RGB 格式显示图片

gui.show()

成功运行以上代码将得到：

知识点0.0：pixels = ti.field(dtype=float, shape=(512, 512, 3))

ti.field 用于声明一个场，Taichi 中一切数据都以场的形式存储。

其中 dtype 参数指定场中元素的数据类型，可以是浮点或整型，我们这里选择浮点型。

其中 shape 参数指定场指定场的形状，相当于数组的大小。

知识点0.1：@ti.kernel装饰的函数，将会被 Taichi 的 JIT 引擎编译。

知识点0.2：for i, j in ti.ndrange(512, 512): Taichi 中的最外层循环将会被并行执行以求更高的效率。

知识点0.3：pixels[i, j, 0] = r，我们可以通过下标索引的方式读写场中元素，索引要和场的 shape 一一对应。

知识点0.4：gui = ti.GUI("Hello, Taichi", (512, 512))，Taichi 有一个内置的 GUI 系统方便可视化。你也可以使用其他库比如 matplotlib 来可视化，下面会说到。

案例1：添加参数

import taichi as ti

import time

pixels = ti.field(dtype=float, shape=(512, 512, 3))

@ti.kernel

def paint(t: float): # 指定参数类型

for i, j in ti.ndrange(512, 512):

r = i / 512

g = j / 512

b = ti.sin(t) * 0.5 + 0.5 # 使用 sin 让蓝色分量反复跳动

pixels[i, j, 0] = r

pixels[i, j, 1] = g

pixels[i, j, 2] = b

gui = ti.GUI("Hello, Taichi", (512, 512))

while gui.running:

paint(gui.frame * 0.04) # 当前第几帧 * 0.04

gui.set_image(pixels)

gui.show()

运行以上代码将得到蓝色通道不断忽明忽暗的图像。

知识点1.1：def paint(t: float): Taichi kernel 的参数和普通 Python 函数不一样，必须用参数名 : 类型名的格式指定，以便进行静态编译。

知识点1.2：ti.sin 是 Taichi 提供的基础数学函数之一，由于 Taichi 程序实际执行在 Python 以外的地方，math.sin 或 np.sin 不会有效。

怎么样，是不是感觉已经可以用 Taichi 写一个 raytracer 了？别着急，你可能还需要一个东西……

案例2：玩转矢量

在计算机图形学中最经常用到的一个东西应该就是矢量了吧，因此 Taichi 也有内置对矢量和矩阵的支持。

比如我们把刚才那个案例的 RGB 通道换成用矢量的 XYZ 分量来存储：

import taichi as ti

import time

# 声明一个 512x512 的场，每个元素都是一个 3 维矢量（RGB 颜色）

pixels = ti.Vector.field(n=3, dtype=float, shape=(512, 512))

@ti.kernel

def paint(t: float):

for i, j in ti.ndrange(512, 512):

r = i / 512

g = j / 512

b = ti.sin(t) * 0.5 + 0.5

pixels[i, j].x = r # 访问矢量的分量

pixels[i, j].y = g

pixels[i, j].z = b

# pixels[i, j] = ti.Vector([r, g, b]) # 或者直接构造矢量

gui = ti.GUI("Hello, Taichi", (512, 512))

while gui.running:

paint(gui.frame * 0.04)

gui.set_image(pixels)

gui.show()

知识点2.0：ti.Vector.field用法基本和ti.field一样，不过多了一个参数 n 指定矢量的维数，这里我们要存储 RGB 格式的颜色，因此选择 3。

知识点2.1：你可以使用v.x，v.y，v.z读写矢量的各个分量。

知识点2.2：也可以直接从 n 个分量构造一个新的矢量：ti.Vector([x, y, z])

矢量的更多方法，比如 magnitude，normalize 等，可以在 Taichi 官方文档中查到：

Vectors - taichi 0.6.29 documentation

案例3：导出数据到 NumPy 数组

在 Taichi 的场中处理完数据后，我们还可以将其数据导出到一个 NumPy 数组以便和其他包交互。

import matplotlib.image as mp

import taichi as ti

pixels = ti.Vector.field(n=3, dtype=float, shape=(512, 512))

@ti.kernel

def paint(t: float):

for i, j in ti.ndrange(512, 512):

r = i / 512

g = j / 512

b = ti.sin(t) * 0.5 + 0.5

pixels[i, j].x = r

pixels[i, j].y = g

pixels[i, j].z = b

# pixels[i, j] = ti.Vector([r, g, b])

paint(0)

pixels_np = pixels.to_numpy() # 转换成 matplotlib 能够识别的 NumPy 数组

mp.imsave('hello.png', pixels_np)

知识点3.0：pixels.to_numpy()，使用to_numpy() 获取 Taichi 场中当前的数据，以 NumPy 数组的形式返回。

知识点3.1：pixels.from_numpy(xxx)，使用from_numpy(xxx) 将 Taichi 场中的数据设置为 NumPy 数组 xxx的数据，通常用于初始化。

知识点3.2：mp.imsave('hello.png', pixels_np)，这是把 pixels_np 这个 NumPy 数组交给了 Matplotlib 处理，Taichi 与其他包的交互大多都是通过 NumPy 实现的。

好啦，相信大家对 Taichi 的目标和已经有所了解了，那就是用 Python 编写着色器！而且还是 compute shader！

没错，实际上 Taichi 具有很多个后端，可以在初始化的时候指定，比如 ti.init(ti.opengl)就会选用 OpenGL compute shader 在 GPU 上运行程序。默认的话就是 CPU 上并行运行的。

其实 Taichi 的能力还远不止是图像渲染，包括粒子、流体等的物理模拟也都能完全胜任。

Taichi 可以使用 pip 安装（需要 Python 3.6 及以上，64位）：

python3 -m pip install taichi

今天就写到这里，有空再加点关于物理模拟的。