Koch雪花渲染时间（以及如何使用龟绘制雪花）

我目前正在通过MIT 6.006课程的在线课程材料获得乐趣。我在问题集＃2（找到了here），并对koch雪花问题（问题＃1）渐近渲染时间的计算有疑问。Koch雪花渲染时间（以及如何使用龟绘制雪花）

根据这些解决方案，当CPU负责渲染和坐标计算时，渐进渲染时间比CPU和GPU之间的分离过程更快。数学对我来说是有道理的，但是有没有人对此有直觉？

在我看来，CPU仍然需要计算渲染雪花（Theta（4^n）时间）的坐标，然后必须渲染图像。在我看来，这些应该是加法的，而不是乘法的。因为每个三角形/线段较短（对于问题1中的最后两个子问题），所以运行时间减少为Theta（（4/3）^ n）或Theta （1）！

我不是计算机科学家 - 这个东西对我来说只是一个有趣的爱好。我真的很感谢你的一个回答你的天才之一:)

另外，我玩了一些python乌龟模块的乐趣。下面有一些非常不完美的代码来绘制一个Koch雪花在python：

import turtle 

def snowflake(n,size=200): 
    try: turtle.clear() 
    except: pass 
    turtle.tracer(0,0) 
    snowflake_edge(n,size) 
    turtle.right(120) 
    snowflake_edge(n,size) 
    turtle.right(120) 
    snowflake_edge(n,size) 
    turtle.update() 
    turtle.hideturtle() 

def snowflake_edge(n,size=200): 
    if n==0: 
     turtle.forward(size) 
    else: 
     snowflake_edge(n-1,size/3.0) 
     turtle.left(60) 
     snowflake_edge(n-1,size/3.0) 
     turtle.right(120) 
     snowflake_edge(n-1,size/3.0) 
     turtle.left(60) 
     snowflake_edge(n-1,size/3.0)

来源

2015-12-30 lstbl

我把你的代码和相当多的修改与我的一些补充，我可以发布CodeReview问题与我的版本？（我会给你归属） – Caridorc

当然可以！我不在乎 – lstbl

你可以看到我的这段代码的版本（起初是基于你的） - > http://codereview.stackexchange.com/questions/115453/koch-snowflake-in-python-with-turtle it结果需要相当多的代码来制作动画，就像我想要的那样。 – Caridorc

正如对问题集的小五的评论指出，由CPU和GPU所采用的方法是不同的。

仅限CPU（无硬件加速）appproach首先计算需要绘制的内容，然后将其发送到GPU进行绘制。由于我们假定光栅化的成本大于收集线段的成本，因此绘制图像的时间将由GPU控制，其成本将与其实际需要的像素数成比例画。

GPU-CPU（带硬件加速）方法计算所有三角形，大小，然后将它们发送到GPU绘制大三角形，删除中间像素，绘制较小的三角形，删除不需要的像素，等等。由于绘图需要很长时间，因此GPU必须花费绘图和擦除的时间将占用花费的总时间;因为大多数（渐近地，100％）被绘制的像素将最终被擦除，所花费的总时间将远远大于实际上必须绘制的像素的数量。换句话说，硬件加速场景将大部分工作转移到GPU上，这比CPU要慢得多。如果CPU在GPU正在处理时还有其他事情需要处理，这是可以的;然而，这里并不是这样;所以，CPU正在浪费周期，而GPU正在进行绘制。

来源

2015-12-30 19:50:42 Alex

这对我来说现在是有意义的：问题表明，当CPU向GPU发送信息时，每个三角形的渲染时间是等效的。但是，当CPU自行处理计算时，渲染时间与三角形的大小成比例地减小。因此，整个计算在时间上大量减少，因为它将常数因子改变为指数减少的因子。非常感谢Alex！ – lstbl

Koch雪花渲染时间（以及如何使用龟绘制雪花）

回答

相关问题