计算机图形学入门——太极图形学元编程

OPenGL---传统学习入门的所学习的部分，计算机图形学远远不是这么这么简单

图形个图像是有很大的区别的

直观的解释就是：图像——计算机视觉的目的是输入图像理解其中的信息

                             图形——图形学是将我们了解到的信息和知识转变为图形

我们要做的是生成，可以从物理出发也可以从规则出发，当然也可以从大数据出发（这样的话就涉及到深度学习的Gan网络）

计算机图形学是用来生成数字内容的技术

关于源编程

什么是源编程——源编程的概念在编程之上

传统代码——代码生成结果

我们生成一部分代码，让这些代码实例化，再由这些代码去生成我们需要的东西

需要用到的部分：在并行计算中使用模板以及使用编译器优化代码

在并行计算中写一个库（这个库2D和3D都可以使用的时候）

#一个天真的实现方法
def copy_4(src,dst):
    for i in range(4):
        dst[i] = src[i]
a = ti.field(ti.f32, shape=4)
b = ti.field(ti.f32, shape=4)
copy_4(a,b)


#提高复用性
def copy(src,dst,size):
    for i in range(size):
        dst[i] = src[i]
a = ti.field(ti.f32, shape=4)
b = ti.field(ti.f32, shape=4)
c = ti.field(ti.f32, shape=12)
d = ti.field(ti.f32, shape=12)
copy(a,b,4)
copy(c,d,12)


#使用并行计算,这个template可以接受任何类型的数组，类似于泛型？，会自动匹配，使用这个模板都是引用传递
@ti.kernel
def copy(src: ti.template(),dst:ti.template(),size: ti.i32):
    for i in range(size):
        dst[i] = src[i]

a = ti.field(ti.f32, shape=4)
b = ti.field(ti.f32, shape=4)
c = ti.field(ti.f32, shape=12)
d = ti.field(ti.f32, shape=12)

copy(a,b,4)
copy(c,d,12)

#使用template的限制 ，若是field全局的变量就可以都被修改
vec = ti.Vector([0.0,0.0])
@ti.kernel
def my_kernel(x: ti.template()):
    x[0] = 2.0#这就是错误方法无法执行
    vec2 = x
    vec2[0] = 2.0 #这样是可行的
    print(vec2)

注意在ti.func中使用的话传递的是引用，也就是说在func中改变数据的值夜会改变源数据的值

#值传递使用的是引用
@ti.func
def my_func(x: ti.template()):
    x += 1 #这个值会改变源数据
@ti.kernel
def my_kernel():
    x = 24
    my_func(x)#这个值在func里面被加一后再外面也会被加一
    print(x)#25

my_kernel()

基于此，其实size也没有必要存留了

@ti.kernel
def copy(src:ti.template(),dst:ti.template()):
    for i in src:
        dst[i] = src[i]

这样所做的拷贝都可以执行，其中只要shape一样就可以了 

但这样会有一个新的问题

#但是这个时候又会出现另一个问题，就是
c = ti.Vector.field(ti.f32,shape=(12,24))
d = ti.Vector.field(ti.f32,shape=(12,24))
copy(c,d)#这样不能执行，因为有多个维度
#可能需要写多个函数

#基于此的解决方法就是
def copy(x:ti.template(),y:ti.template()):
    for I in ti.grouped(y):
        # if y is 0D ,then I = ti.Vector([])
        # if y is 1D ,then I = ti.Vector([i])
        # if y is 2D ,then I = ti.Vector([i,j])
        # if y is 3D ,then I = ti.Vector([i,j,k])
        # ...
        x[I] = y[I]

有点像C++中的部分操作，和C++模板类似，在实例化的时候生成一个新的kernel

之后还有一个代码加速的部分，ti.static(),这都是给编译器给的代码