bitspersampleconv2 /WWDirectComputeTest/SincConvolution.hlsl

Language text Lines 0
MD5 Hash be779ff4a4f5ed8927baf75a86213629
Repository http://bitspersampleconv2.googlecode.com/svn/trunk/ View Raw File
  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
// 日本語UTF-8

/*

OutputBuffer[t+convolutionN] = Σ[sample[t+x] * sinc(πx + XBuffer[t])]
CONV_START <= x < CONV_END
を計算する

convolutionN = 256
sampleN = 100
の場合

CONV_START = -256
CONV_END   =  256
CONV_COUNT =  512
SAMPLE_N   =  100
GROUP_THREAD_COUNT 2の乗数
を#defineしてCS5.0 DirectCompute シェーダーとしてコンパイルする。

// シェーダー定数を渡す
shaderParams.c_convOffs = 0
shaderParams.c_dispatchCount = convolutionN*2/GROUP_THREAD_COUNT;
ComputeShaderのrun(shaderParams, sampleN, 1, 1);

する。

用意するデータ

①SampleDataBuffer…前後を水増しされたサンプルデータsample[t]
SampleDataBuffer[0]~SampleDataBuffer[convolutionN-1]…0を詰める
SampleDataBuffer[convolutionN]~SampleDataBuffer[convolutionN + sampleN-1]…サンプルデータsample[t]
SampleDataBuffer[convolutionN+SampleN]~SampleDataBuffer[convolutionN*2 + sampleN-1]…0を詰める

②SinxBuffer リサンプル地点のsin(x) 適当に作る
SinxBuffer[0]~SinxBuffer[sampleN-1] sin(x)の値

③XBuffer リサンプル地点x
XBuffer[0]~XBuffer[sampleN-1] xの値

④出力バッファー
OutputBuffer[0]~OutputBuffer[sampleN-1]
OutputBuffer[]はsampleN個用意する

*/
#ifdef HIGH_PRECISION
// 主にdouble精度

StructuredBuffer<float>   g_SampleDataBuffer : register(t0);
StructuredBuffer<double>  g_SinxBuffer       : register(t1);
StructuredBuffer<float>   g_XBuffer          : register(t2);
RWStructuredBuffer<float> g_OutputBuffer     : register(u0);

/// 定数。16バイトの倍数のサイズの構造体。
cbuffer consts {
    /// 畳み込み要素オフセット値。n * GROUP_THREAD_COUNTの飛び飛びの値が渡る。
    uint c_convOffs;
    /// Dispatch繰り返し回数。
    uint c_dispatchCount;
    uint c_reserved1;
    uint c_reserved2;
};

inline double
SincF(double sinx, float x)
{
    if (-0.000000001f < x && x < 0.000000001f) {
        return 1.0;
    } else {
        // 割り算ができないので、ここで精度落ちる。残念。
        return sinx * rcp(x);
    }
}

#define PI_F 3.141592653589793238462643f

// TGSM
groupshared double s_scratch[GROUP_THREAD_COUNT];
groupshared double s_sinX;
groupshared float  s_xOffs;

/// 畳み込み計算要素1回実行。
/// sample[t+x] * sinc(πx + XBuffer[t])
inline double
ConvolutionElemValue(uint pos, uint convOffs)
{
    const int offs = c_convOffs + convOffs;
    const float x = mad(PI_F, offs + CONV_START, s_xOffs);
    return ((double)g_SampleDataBuffer[offs + pos]) * SincF(s_sinX, x);
}

// スレッドグループとTGSMを使用して、GPUメモリからの読み出し回数を減らす最適化。

// groupIdXYZはDispatch()のパラメータXYZ=(nx,1,1)の場合(0,0,0)~(nx-1, 0, 0)。
// スレッドグループが作られ、tid==0~groupDim_x-1までのtidを持ったスレッドが同時に走る。
[numthreads(GROUP_THREAD_COUNT, 1, 1)]
void
CSMain(
        uint  tid:        SV_GroupIndex,
        uint3 groupIdXYZ: SV_GroupID)
{
    uint offs = tid;

    if (tid == 0) {
        s_xOffs = g_XBuffer[groupIdXYZ.x];
        s_sinX  = g_SinxBuffer[groupIdXYZ.x];
    }
    s_scratch[tid] = 0;

    GroupMemoryBarrierWithGroupSync();

    do {
        s_scratch[tid] +=
            ConvolutionElemValue(groupIdXYZ.x, offs) +
            ConvolutionElemValue(groupIdXYZ.x, offs + GROUP_THREAD_COUNT);
        offs += GROUP_THREAD_COUNT * 2;
    } while (offs < CONV_COUNT);

    GroupMemoryBarrierWithGroupSync();

#if 1024 <= GROUP_THREAD_COUNT
    if (tid < 512) { s_scratch[tid] += s_scratch[tid + 512]; }
    GroupMemoryBarrierWithGroupSync();
#endif

#if 512 <= GROUP_THREAD_COUNT
    if (tid < 256) { s_scratch[tid] += s_scratch[tid + 256]; }
    GroupMemoryBarrierWithGroupSync();
#endif

#if 256 <= GROUP_THREAD_COUNT
    if (tid < 128) { s_scratch[tid] += s_scratch[tid + 128]; }
    GroupMemoryBarrierWithGroupSync();
#endif

#if 128 <= GROUP_THREAD_COUNT
    if (tid < 64) { s_scratch[tid] += s_scratch[tid + 64]; }
    GroupMemoryBarrierWithGroupSync();
#endif

#if 64 <= GROUP_THREAD_COUNT
    if (tid < 32) { s_scratch[tid] += s_scratch[tid + 32]; }
    //GroupMemoryBarrierWithGroupSync(); // これ以降要らないらしい。2260_GTC2010.pdf参照。
#endif

#if 32 <= GROUP_THREAD_COUNT
    if (tid < 16) { s_scratch[tid] += s_scratch[tid + 16]; }
    //GroupMemoryBarrierWithGroupSync();
#endif

#if 16 <= GROUP_THREAD_COUNT
    if (tid < 8) { s_scratch[tid] += s_scratch[tid + 8]; }
    //GroupMemoryBarrierWithGroupSync();
#endif

#if 8 <= GROUP_THREAD_COUNT
    if (tid < 4) { s_scratch[tid] += s_scratch[tid + 4]; }
   // GroupMemoryBarrierWithGroupSync();
#endif

#if 4 <= GROUP_THREAD_COUNT
    if (tid < 2) { s_scratch[tid] += s_scratch[tid + 2]; }
    //GroupMemoryBarrierWithGroupSync();
#endif

    if (tid == 0) {
        s_scratch[0] += s_scratch[1];
        g_OutputBuffer[groupIdXYZ.x] = (float)s_scratch[0];
    }
}

#else

// 主にfloat精度

StructuredBuffer<float>   g_SampleDataBuffer : register(t0);
StructuredBuffer<float>   g_SinxBuffer       : register(t1);
StructuredBuffer<float>   g_XBuffer          : register(t2);
RWStructuredBuffer<float> g_OutputBuffer     : register(u0);

/// 定数。16バイトの倍数のサイズの構造体。
cbuffer consts {
    /// 畳み込み要素オフセット値。n * GROUP_THREAD_COUNTの飛び飛びの値が渡る。
    uint c_convOffs;
    /// Dispatch繰り返し回数。
    uint c_dispatchCount;
    uint c_reserved1;
    uint c_reserved2;
};

inline float
SincF(float sinx, float x)
{
    if (-0.000000001f < x && x < 0.000000001f) {
        return 1.0f;
    } else {
        // どちらでも同じだった。
#if 1
        return sinx * rcp(x);
#else
        return sinx / x;
#endif
    }
}

#define PI_F 3.141592653589793238462643f

// TGSM
groupshared float s_scratch[GROUP_THREAD_COUNT];
groupshared float s_sinX;
groupshared float s_xOffs;

/// 畳み込み計算要素1回実行。
/// sample[t+x] * sinc(πx + XBuffer[t])
inline float
ConvolutionElemValue(uint pos, uint convOffs)
{
    const int offs = c_convOffs + convOffs;
    const float x = mad(PI_F, offs + CONV_START, s_xOffs);
    return g_SampleDataBuffer[offs + pos] * SincF(s_sinX, x);
}

// スレッドグループとTGSMを使用して、GPUメモリからの読み出し回数を減らす最適化。

// groupIdXYZはDispatch()のパラメータXYZ=(nx,1,1)の場合(0,0,0)~(nx-1, 0, 0)。
// スレッドグループが作られ、tid==0~groupDim_x-1までのtidを持ったスレッドが同時に走る。
[numthreads(GROUP_THREAD_COUNT, 1, 1)]
void
CSMain(
        uint  tid:        SV_GroupIndex,
        uint3 groupIdXYZ: SV_GroupID)
{
    uint offs = tid;

    if (tid == 0) {
        s_xOffs = g_XBuffer[groupIdXYZ.x];
#if 1
        // 計算精度良好。
        s_sinX  = g_SinxBuffer[groupIdXYZ.x];
#else
        // こうすると精度が落ちる。GPUのsin()の精度に問題あり。
        s_sinX  = sin(s_xOffs);
#endif
    }
    s_scratch[tid] = 0;

    GroupMemoryBarrierWithGroupSync();

    do {
        s_scratch[tid] +=
            ConvolutionElemValue(groupIdXYZ.x, offs) +
            ConvolutionElemValue(groupIdXYZ.x, offs + GROUP_THREAD_COUNT);
        offs += GROUP_THREAD_COUNT * 2;
    } while (offs < CONV_COUNT);

    GroupMemoryBarrierWithGroupSync();

#if 1024 <= GROUP_THREAD_COUNT
    if (tid < 512) { s_scratch[tid] += s_scratch[tid + 512]; }
    GroupMemoryBarrierWithGroupSync();
#endif

#if 512 <= GROUP_THREAD_COUNT
    if (tid < 256) { s_scratch[tid] += s_scratch[tid + 256]; }
    GroupMemoryBarrierWithGroupSync();
#endif

#if 256 <= GROUP_THREAD_COUNT
    if (tid < 128) { s_scratch[tid] += s_scratch[tid + 128]; }
    GroupMemoryBarrierWithGroupSync();
#endif

#if 128 <= GROUP_THREAD_COUNT
    if (tid < 64) { s_scratch[tid] += s_scratch[tid + 64]; }
    GroupMemoryBarrierWithGroupSync();
#endif

#if 64 <= GROUP_THREAD_COUNT
    if (tid < 32) { s_scratch[tid] += s_scratch[tid + 32]; }
    //GroupMemoryBarrierWithGroupSync(); // これ以降要らないらしい。2260_GTC2010.pdf参照。
#endif

#if 32 <= GROUP_THREAD_COUNT
    if (tid < 16) { s_scratch[tid] += s_scratch[tid + 16]; }
    //GroupMemoryBarrierWithGroupSync();
#endif

#if 16 <= GROUP_THREAD_COUNT
    if (tid < 8) { s_scratch[tid] += s_scratch[tid + 8]; }
    //GroupMemoryBarrierWithGroupSync();
#endif

#if 8 <= GROUP_THREAD_COUNT
    if (tid < 4) { s_scratch[tid] += s_scratch[tid + 4]; }
   // GroupMemoryBarrierWithGroupSync();
#endif

#if 4 <= GROUP_THREAD_COUNT
    if (tid < 2) { s_scratch[tid] += s_scratch[tid + 2]; }
    //GroupMemoryBarrierWithGroupSync();
#endif

    if (tid == 0) {
        s_scratch[0] += s_scratch[1];
        g_OutputBuffer[groupIdXYZ.x] = s_scratch[0];
    }
}

#if 0
// 最適化前
[numthreads(1, 1, 1)]
void
CSMain(uint3 groupIdXYZ  : SV_GroupID,
       uint threadIdx : SV_GroupIndex)
{
    int   i;
    float sinx  = SinxBuffer[c_pos];
    float xOffs = XBuffer[c_pos];
    float r = 0.0f;

    for (i=CONV_START; i<CONV_END; ++i) {
        float x = mad(PI, i, xOffs);
        r = mad(SampleDataBuffer[c_pos+i+CONV_N], SincF(sinx, x), r);
    }

    OutputBuffer[c_pos] = r;
}
#endif // before optimization

#endif // HIGH_PRECISION
Back to Top