最近参考太极图形课和Ray tracing in one weekend 试着在taichi 利用ti.struct_class 复刻Ray tracing in One Weekend的结果，渲染结果是完全匹配的。唯一不解的是仿佛并没有成功地把加速体现出来，CUDA中运行时间为1秒左右，实际程序运行了30s, 具体可见如下图。整体代码文件可见该链接
谢谢！
谢谢解答！不过感觉还挺有趣的，我今天参考Nvidia 的blog，复刻了C++ Cuda 版本的，在Nvidia 3090的机器上，整个程序19s 就跑完了封面的图片。在Taichi中跑的话，从Kernel Profile能看出其实是很接近的，结果这实际程序运行的时间是一个小时多了。
我有看到论坛里有其他相似的帖子提到这个类似问题，我也放到这里：
https://forum.taichi-lang.cn/t/2-another-ray-tracer/1858
https://github.com/0xrabbyte/TinyRayTracer-Taichi
个人感觉可能涉及CPU和GPU数据之间传输同步相关? 我确实在taichi function的实现中涉及到了不少通过ti.struct_class进行诸如ray和hitting record的反复生成。但确实从实现上的high-level来看，都是基于面向对象设计的代码结构，确实不是很能理解用Taichi加速与用CUDA本身加速这个ray tracing项目的差距
我用taichi example 测试了一下感觉确实如果涉及比较复杂的场景，整体程序的时长完全停留在编译阶段的感觉，那请问如何能够尽量减少这个问题呢，尽量kernel 程序部分缩小化？主要是现在ray tracing 大场景多次运行成本太高了，改一两个语句，可能就涉及一两个小时的编译的话，有一些痛苦 
Hi，你提出的问题很好。目前Taichi在开发大型程序时，确实存在修改一两行代码就要重新编译的问题。社区中提出的一个方案是将未改动的部分放在cache里面，目前该功能正在开发中，具体请看：Issues · taichi-dev/taichi · GitHub
关于你的程序里面为何和CUDA程序差别这么大，恐怕我们还得测试一下。
2 个赞
