gpu.js是否有BigDecimal或float64array可能？

Question

在gpu.js的帮助下，我正在编写一个mandelbrot计算器，到目前为止，一切都很好。我面临的唯一问题是，GPU只想计算32位浮点数.或者至少这是官方文件告诉我的。

但是，当使用python和numba进行同样的计算时--它们也运行在相同的GPU上--在绘制mandelbrot分形时要精确得多。

有了Python，我就可以接近于1e-15，而在Javascript中，1e-7周围的图像变得模糊。

Python内核：

@cuda.jit(device=True)
def mandel(x, y, max_iters):
    c = complex(x, y)
    z = 0.0j
    for i in range(max_iters):
        z = z * z + c
        if (z.real * z.real + z.imag * z.imag) >= 4:
            return i

    return max_iters

Javascript内核：

const recalculateMandelbrot = gpu.createKernel(function(x_start, x_end, y_start, y_end, iters){
    let c_re = x_start + (x_end - x_start) * this.thread.x / 1024;
    let c_im = y_start + (y_end - y_start) * this.thread.y / 1024;
    let z_re = 0, z_im = 0;
    let z_re_prev = 0;

    for(let i = 0; i < iters; i++) {
        z_re_prev = z_re;
        z_re = z_re * z_re - z_im * z_im + c_re;
        z_im = z_re_prev * z_im + z_re_prev * z_im + c_im;

        if ((z_re * z_re + z_im * z_im) >= 4) {
            return i;
        }
    }
    return iters;
}).setOutput([1024, 1024]).setPrecision('single');

算法是相等的，除了在Python中，我可以使用它的内置complex类型。

所以我考虑使用BigDecimal，在这里我可以实现任意的精度(所以我可以放大到我想要的范围内)，但是我不知道如何将它添加到我的gpu内核中。

更新：

python之所以工作得更精确，是因为complex类型由两个64位浮点数组成。因此，JavaScript计算不太精确的原因是JavaScript本身。

所以，我现在的问题集中在，如何将big.js添加到我的gpu内核？

Answer 1

这里有自定义的内核测试文件：https://github.com/gpujs/gpu.js/blob/1be50c09ed4edb7c7e846b1815414ef504089ab6/test/features/add-custom-native-function.js

对于这个内核示例：

const glslDivide = `float divide(float a, float b) {
  return a / b;
}`;

也许有一种方法可以用“双”代替“浮点”，用它来代替简单的乘法和加法。

我不知道如何使用glsl，但如果后端可以连接到glsl，这应该是可行的。此外，“双”需要glsl 4.0，因此它可能无法工作。

即使它工作，它仍然需要所有迭代递归，因为没有“状态变量”的双重定义。就像调用相同的函数直到达到最大迭代一样。应该有两个函数参数来跟踪虚部和实部，还有两个其他函数参数来跟踪迭代次数，也许还有c值。考虑到递归的深度是有限的，它可能无法工作，再次。

即使在webgl后端，https://github.com/gpujs/gpu.js/blob/1be50c09ed4edb7c7e846b1815414ef504089ab6/src/backend/web-gl/fragment-shader.js看起来也可以编辑一些函数的字符串(比如下面的模块)，并像乘法/加法一样使用它。

您还可以在这里阅读关于乘积/添加由四个32位值模拟的两个64位值的灵感：https://github.com/visgl/luma.gl/blob/master/modules/shadertools/src/modules/fp64/fp64-arithmetic.glsl.ts

无论如何，缓冲区(在Js环境和GPU驱动程序之间)可能根本无法工作，而且您只能在内核中进行100%的函数式编程(不对64位变量进行状态处理)。

这些都不是好的选择。您应该使用一个库，它允许您将本机内核编写为字符串(如此https://github.com/kashif/node-cuda/blob/master/test/test.js)，并直接从Javascript中使用它，这样您几乎可以在CUDA/OpenCL中执行任何操作。