GPUでルックアップテーブルを使用する場合の最適なメモリアクセス

私は学士号プロジェクトのGPUの等値面アルゴリズムを調査しています（具体的には、実数値のフィールドではなく、バイナリの入出力ボクセルデータのみに集中しています）。したがって、OpenFrameworksで古き良きマーチングキューブのCPU実装があり、それをGLSLコンピューティングシェーダーに移植しようとしている段階で、潜入する前に落とし穴を考慮しています。vertシェーダーとfragシェーダーのみを記述しました以前はそれは私にとってすべて新しいものです。

私の最初の問題は、ワークグループ内の数十または数百のスレッドにわたってルックアップテーブルを効率的に使用する方法です。GPUにはさまざまなタスク用にさまざまな種類のメモリがあることを理解していますが、それぞれがどのように動作するか、どのタイプを使用するかは完全にはわかりません。

Paul Bourkeの古典的なcopypastaテーブルは256 * 16配列なので、スカラーバイトタイプを使用する場合、これはおそらく4kbテクスチャまたはSSBOにパックできます。

問題は、異なるスレッドが互いにつまずくのを防ぐ方法ですか？各ワークグループの多くのキューブは、同じ構成を持つ可能性があるため、バッファ内の同じ場所に同時にアクセスしようとします。これに対処するための回避策または最適化はありますか？

GPUコンピューティングシェーダーのルックアップテーブルを配置するのに最適な場所は、ルックアップテーブルのサイズとアクセスの頻度/コヒーレンシーによって異なります。あなたの場合（あなたが4kbについて述べた）、共有ローカルメモリがおそらく最良でしょう（同じカーネル内の他の目的のためにこのメモリを必要としないと仮定すると）。このメモリは、APIによって名前が異なりますが、アーキテクチャは同じであり、同じパフォーマンスガイドラインに従います。

• CUDA：スレッドグループ共有メモリ
• DirectCompute：グループ共有メモリ
• OpenCL：ローカルメモリ
• メタル：スレッドグループメモリ
• OpenGL：共有メモリ

実行中の特定のGPUのキャッシュサイズによっては、ルックアップテーブルを読み取り専用バッファーとしてグローバルメモリに保存することもできます。

これは読み取り専用のルックアップテーブルであると想定しています。読み書き可能なルックアップテーブルは完全に異なる獣であり、そこに良いオプションはありません。