一晚上快速入门，感觉还比较好上手
写了一个经典reaction-diffusion，甚至没有考虑data-race问题就跑出来了，不得不说还挺好用的。
补上代码：
import taichi as ti
import numpy as np
import math
import time
ti.init(arch=ti.cpu)
screen_res = (512, 512)
# grey-scott paramters
d_a = 1
d_b = 0.25
mu_a = 0.0367
mu_b = 0.0633
# feed and kill volume
v_a = ti.var(ti.f32, shape=screen_res)
v_b = ti.var(ti.f32, shape=screen_res)
v_da = ti.var(ti.f32, shape=screen_res)
v_db = ti.var(ti.f32, shape=screen_res)
@ti.func
def saturate(x):
return ti.max(0, ti.min(1.0, x))
@ti.func
def laplacian(i,j):
v_da[i,j] = v_a[i-1,j-1] * 0.05 + v_a[i-1,j]*0.2 + v_a[i-1,j+1]*0.05 +\
v_a[i ,j-1] * 0.2 + v_a[i ,j]*-1 + v_a[i ,j+1]*0.2 +\
v_a[i+1,j-1] * 0.05 + v_a[i+1,j]*0.2 + v_a[i+1,j+1]*0.05
v_db[i,j] = v_b[i-1,j-1] * 0.05 + v_b[i-1,j]*0.2 + v_b[i-1,j+1]*0.05 +\
v_b[i ,j-1] * 0.2 + v_b[i ,j]*-1 + v_b[i ,j+1]*0.2 +\
v_b[i+1,j-1] * 0.05 + v_b[i+1,j]*0.2 + v_b[i+1,j+1]*0.05
return
@ti.func
def react_diffuse(i,j):
v_a[i,j] += v_da[i,j]*d_a - v_a[i,j]*v_b[i,j]*v_b[i,j] + mu_a*(1-v_a[i,j])
v_b[i,j] += v_db[i,j]*d_b + v_a[i,j]*v_b[i,j]*v_b[i,j] - (mu_a+mu_b)*v_b[i,j]
v_a[i,j] = saturate(v_a[i,j])
v_b[i,j] = saturate(v_b[i,j])
@ti.kernel
def init():
for i, j in v_a:
v_a[i,j] = ti.random()
v_b[i,j] = ti.random()
@ti.kernel
def update():
for i, j in ti.ndrange((1, screen_res[0] - 1), (1, screen_res[1] - 1)):
laplacian(i,j)
react_diffuse(i,j)
init()
gui = ti.GUI('Grey Scot Diffusion Reaction', screen_res)
while not gui.get_event(ti.GUI.ESCAPE):
# 5 substep
for i in range(0,5):
update()
image = v_a.to_numpy()*255
gui.set_image(image.astype(np.uint8))
gui.show()
一个奇怪的问题是，我咋用opengl backend和cpu跑出来不一样。
速度上大概5substep情况下cpu能到30fps，同样条件我在Houdini里opencl写出来是20fps左右。还要进一步对比，不过确实是比houdini快一些。
