# fast-raytracing

**Repository Path**: cui-rongpei/fast-raytracing

## Basic Information

- **Project Name**: fast-raytracing
- **Description**: 编写高性能的Ray Tracing in One Weekend程序！
- **Primary Language**: Unknown
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2024-05-07
- **Last Updated**: 2024-05-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# cuda实战-从零实现高性能光线追踪器

[项目视频](https://www.bilibili.com/video/BV16H4y1G7xx/?vd_source=fe6c1940458efae8fa34a9a71403d0b4)

编写高性能的Ray Tracing in One Weekend程序！

NVIDIA 的全新图灵 GPU、RTX 技术和微软的 DirectX 光线追踪技术最近发布，激起了人们对光线追踪的新兴趣。使用这些技术极大地简化了使用光线追踪编写应用程序的能力。

但如果您对光线追踪的实际工作原理感到好奇怎么办？一种学习方法是编写自己的光线追踪引擎。您想使用 CUDA 构建在 GPU 上运行的光线追踪器吗？如果是这样，这篇文章适合你！您将一次性了解有关 CUDA 编程以及光线追踪的更多信息。

Peter Shirley 撰写了一系列有关光线追踪的精彩电子书，从在一个周末编写非常基础的知识到需要您一生研究的深入主题。您可以在 https://github.com/RayTracing/raytracing.github.io 找到有关这个项目的更多信息。在深入了解本文的其余部分之前，您应该坐下来阅读《一个周末的光线追踪》。这篇文章的每一节都对应于书中的一章。即使您不坐下来用 C++ 编写自己的光线追踪器，核心概念也应该让您开始使用 CUDA 的基于 GPU 的引擎。

在此项目中，您将了解以下内容：

- 由 GPU 写入并由 CPU 读取的统一内存帧缓冲区
- 在 GPU 上启动渲染工作
- 编写可在 CPU 或 GPU 上运行的 C++ 代码
- 检查较慢的双精度浮点代码。
- C++ 内存管理。 在 GPU 上分配内存并在 GPU 上运行时实例化它。
- 使用 cuRAND 生成每线程随机数。

## CUDA版高性能光线追踪器说明


os:本项目源自为[英伟达官方博客](https://developer.nvidia.com/blog/accelerated-ray-tracing-cuda/)，此项目非常优质，不失为简历上的一个好项目。通过一步一步的将cpu程序应用cuda做并行，最终获得数百倍的性能提升，但鉴于是6年前的教程，而且目前cuda的发展日新月异，此项目旨在以实战为导向在巩固cuda知识的基础上，尽自己的主观能动性最大限度的压榨gpu的性能。

我的开发环境：

- debian11.9
- cuda12.4
- GPU: Geforce RTX 750Ti
- CPU: 44核88线程Intel(R) Xeon(R) CPU E5-2696 v4 @ 2.20GHz

One Weekend 书中的 C++ 光线追踪引擎绝不是最快的光线追踪器，但将 C++ 代码转换为 CUDA 可以带来 数百 倍或更多的速度提升！ 转换为 CUDA 的过程 让我们演练一下将 C++ 代码从One Weekend 中的光线追踪 。 请注意，当您完成 C++ 编码过程时，请考虑使用 git 标签或分支，以便您可以轻松返回到每一章的代码。 您可以将您的 C++ 代码与 Peter Shirley 的代码进行比较，网址为 https://github.com/RayTracing/raytracing.github.io 。 在尝试使用 CUDA 后，您还可以与我的 CUDA 代码进行比较： https://github.com/rogerallen/raytracinginoneweekendincuda 。 请务必使用我为每一章创建的分支。 （例如 git checkout ch12_where_next_cuda.) 



请注意，我使用特定的 GTX 750Ti 卡构建 -gencode该卡的标志（ -gencode arch=compute_50,code=sm_50），您可以自行查询您的配置，参考[不同capability显卡的arch](https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#compute-capability)
和[查询不同gpu的capability](https://developer.nvidia.com/cuda-gpus)。 您将需要在makefile中调整 架构 和 功能设置 您将运行的一个或多个 GPU 的 。 在我的 Makefile 中，您将使用的主要目标是构建可执行文件 make cudart以及用于运行和创建输出图像 make out.ppm. 

编译运行
```
cd fast-src
make cudart
make out.ppm
```

## CPU版程序说明

构建说明
```
cmake -B build
cmake --build build
```

参考资料:

[Ray Tracing in One Weekend](https://github.com/RayTracing/raytracing.github.io)

[Accelerated Ray Tracing in One Weekend in CUDA](https://developer.nvidia.com/blog/accelerated-ray-tracing-cuda/)