CN118135077A - 利用图形处理器上的硬件加速的可编程光线追踪 - Google Patents

Abstract

用于利用在图形处理器上的硬件加速来进行可编程光线追踪的装置和方法。例如，图形处理器的一个实施例包括着色器执行电路，其用于执行多个可编程光线追踪着色器。着色器执行电路包括多个单指令多数据(SIMD)执行单元。分类电路对与可编程光线追踪着色器中的一个或多个相关联的数据重新分组，以增加针对由SIMD执行单元执行的SIMD操作的占用；以及耦合到着色器执行电路的固定功能相交电路检测光线和层次包围盒(BVH)和/或其中包含的对象之间的相交，并向分类电路提供指示所述相交的结果。

Description

利用图形处理器上的硬件加速的可编程光线追踪

本申请为分案申请，其原申请是于2019年7月5日向中国专利局提交的专利申请，申请号为201910606315.3，发明名称为“利用图形处理器上的硬件加速的可编程光线追踪”。

技术领域

本发明一般涉及图形处理器领域。更具体地，本发明涉及一种用于利用图形处理单元上的硬件加速的可编程光线追踪的装置和方法。

背景技术

光线追踪是一种通过基于物理的渲染来模拟光传输的技术。广泛用于电影渲染，直到几年前为止它被认为对于实时性能来说太过资源密集。光线追踪中的关键操作之一是处理针对称为“光线遍历”的光线场景交叉的可见性查询，其通过遍历和交叉层次包围盒(BVH)中的节点来计算光线场景交叉。最近的研究表明，使用更适合固定功能硬件的技术，例如精度降低算术、BVH压缩、每光线状态机、专用的交叉流水线和自定义高速缓存可以将计算光线场景交叉的效率提高一个数量级以上。

另一方面，期望将光线遍历的一些部分作为用户定义的程序，其不能被植入到固定功能硬件中，包括例如程序实例化、定制形状和随机细节水平(LOD)。这些功能(包括材质着色)可以在GPU内常用的大量多线程SIMD处理器上进行评估。然而，将固定功能遍历硬件与这些可编程组件组合提出了重大挑战。

附图说明

通过以下结合附图的详细描述，可以获得对本发明的更好地理解，其中：

图1是具有处理器的计算机系统的实施例的框图，该处理器具有一个或多个处理器核和图形处理器；

图2是具有一个或多个处理器核、集成存储器控制器和集成图形处理器的处理器的一个实施例的框图。

图3是图形处理器的一个实施例的框图，该图形处理器可以是离散的图形处理单元，或者可以是与多个处理核集成的图形处理器；

图4是用于图形处理器的图形处理引擎的实施例的框图；

图5是图形处理器的另一个实施例的框图；

图6A-图6B示出了执行电路和逻辑的示例；

图7示出了根据实施例的图形处理器执行单元指令格式；

图8是图形处理器的另一实施例的框图，该图形处理器包括图形流水线、媒体流水线、显示引擎、线程执行逻辑和渲染输出流水线；

图9A是示出了根据实施例的图形处理器命令格式的框图；

图9B是示出了根据实施例的图形处理器命令序列的框图；

图10示出了根据实施例的用于数据处理系统的示例性图形软件架构；

图11A-图11B示出了可用于制造集成电路和示例性封装组件的示例性IP核开发系统；

图12示出了根据实施例的可以使用一个或多个IP核制造的芯片集成电路上的示例性系统；

图13A-图13B示出了可以使用一个或多个IP核制造的片上系统集成电路的示例性图形处理器；

图14A-图14B示出了示例性图形处理器架构；

图15示出了用于执行针对机器学习架构的初始训练的架构的一个实施例；

图16示出了其中在运行时期间连续训练和更新机器学习引擎的一个实施例；

图17示出了其中在运行时期间连续训练和更新机器学习引擎的另一实施例；

图18示出了其中在网络上共享机器学习数据的实施例；以及

图19示出了用于训练机器学习引擎的方法的一个实施例；以及

图20A-图20E示出了根据本发明的一个实施例的方法。

具体实施方式

在以下描述中，出于解释的目的，阐述了许多具体细节以便提供对下面描述的本发明的实施例的透彻理解。然而，对于本领域技术人员显而易见的是，可以在没有这些具体细节中的一些的情况下实践本发明的实施例。在其他实例中，以框图形式示出了公知的结构和设备，以避免模糊本发明的实施例的基本原理。

示例性图形处理器架构和数据类型

系统总览

图1是根据实施例的处理系统100的框图。在各种实施例中，系统100包括一个或多个处理器102和一个或多个图形处理器108，并且可以是单处理器桌面系统、多处理器工作站系统或具有大量处理器102或处理器核107的服务器系统。在一个实施例中，系统100是结合在用于移动、手持或嵌入式设备中的片上系统(SoC)集成电路内的处理平台。

在一个实施例中，系统100可以包括或者并入在基于服务器的游戏平台、包括游戏和媒体控制台的游戏控制器、移动游戏控制台、手持游戏控制台或在线游戏控制台内。在一些实施例中，系统100是移动电话、智能电话、平板计算设备或移动互联网设备。处理系统100还可以包括、与其耦合或集成在可穿戴设备(诸如智能手表可穿戴设备、智能眼镜设备、增强现实设备或虚拟现实设备)内。在一些实施例中，处理系统100是具有一个或多个处理器102和由一个或多个图形处理器108生成的图形界面的电视或机顶盒设备。

在一些实施例中，一个或多个处理器102各自包括一个或多个处理器核107以处理指令，所述指令在被执行时执行用于系统和用户软件的操作。在一些实施例中，一个或多个处理器核107中的每一个被配置为处理特定指令集109。在一些实施例中，指令集109可以促进复杂指令集计算(CISC)、精简指令集计算(RISC)或经由极长指令字(VLIW)的计算。多个处理器核107可以各自处理不同的指令集109，其可以包括用于促进其他指令集的模拟的指令。处理器核107还可以包括其他处理设备，诸如数字信号处理器(DSP)。

在一些实施例中，处理器102包括高速缓存存储器104。取决于架构，处理器102可具有单个内部高速缓存或多个级别的内部高速缓存。在一些实施例中，高速缓存存储器在处理器102的各种组件之间共享。在一些实施例中，处理器102还使用外部高速缓存(例如，级别3(L3)高速缓存或最终级高速缓存(LLC))(未示出)，其可以使用已知的高速缓存一致性技术在处理器核107之间共享。处理器102中另外包括寄存器文件106，其可以包括不同类型的寄存器(例如，整数寄存器、浮点寄存器、状态寄存器和指令指针寄存器)以用于存储不同类型的数据。一些寄存器可以是通用寄存器，而其他寄存器可以专用于处理器102的设计。

在一些实施例中，一个或多个处理器102与一个或多个接口总线110耦合，以在处理器102与系统100中的其他组件之间发送诸如地址、数据或控制信号之类的通信信号。在一个实施例中，接口总线110可以是处理器总线，例如直接媒体接口(DMI)总线的版本。然而，处理器总线不限于DMI总线，并且可以包括一个或多个外围组件互连总线(例如，PCI、快速PCI)、存储器总线或其他类型的接口总线。在一个实施例中，处理器102包括集成存储器控制器116和平台控制器集线器130。存储器控制器116促进存储器设备与系统100的其他组件之间的通信，而平台控制器集线器(PCH)130经由本地I/O总线提供到I/O设备的连接。

存储器设备120可以是动态随机存取存储器(DRAM)设备、静态随机存取存储器(SRAM)设备、闪存设备、相变存储器设备或具有合适性能以充当进程存储器的一些其他存储器设备。在一个实施例中，存储器设备120可以作为系统100的系统存储器来操作，以存储数据122和指令121以供当一个或多个处理器102执行应用或进程时使用。存储器控制器116还与可选的外部图形处理器112耦合，该外部图形处理器112可以与处理器102中的一个或多个图形处理器108通信以执行图形和媒体操作。在一些实施例中，显示设备111可以连接到处理器102。显示设备111可以是内部显示设备中的一个或多个，如在移动电子设备或膝上型设备中或经由显示接口(例如，显示端口等)附接的外部显示设备。在一个实施例中，显示设备111可以是头戴式显示器(HMD)，诸如用于虚拟现实(VR)应用或增强现实(AR)应用的立体显示设备。

在一些实施例中，平台控制器集线器130使外围设备能够经由高速I/O总线连接到存储器设备120和处理器102。I/O外围设备包括但不限于音频控制器146、网络控制器134、固件接口128、无线收发器126、触摸传感器125、数据存储设备124(例如，硬盘驱动器、闪存等)。数据存储设备124可以经由存储接口(例如，SATA)或经由外围总线(例如，外围组件互连总线(例如，PCI、快速PCI))连接。触摸传感器125可包括触摸屏传感器、压力传感器或指纹传感器。无线收发器126可以是Wi-Fi收发器、蓝牙收发器，或移动网络收发器，例如3G、4G或长期演进(LTE)收发器。固件接口128实现与系统固件的通信，并且可以是例如统一的可扩展固件接口(UEFI)。网络控制器134可以启用到有线网络的网络连接。在一些实施例中，高性能网络控制器(未示出)与接口总线110耦合。在一个实施例中，音频控制器146是多通道高清晰度音频控制器。在一个实施例中，系统100包括可选的传统I/O控制器140，其用于将传统(例如，个人系统2(PS/2))设备耦合到系统。平台控制器集线器130还可以连接到一个或多个通用串行总线(USB)控制器142、连接输入设备，例如键盘和鼠标143组合、相机144或其他USB输入设备。

应当意识到，所示的系统100是示例性的而非限制性的，因为也可以使用不同配置的其他类型的数据处理系统。例如，存储器控制器116和平台控制器集线器130的实例可以集成到离散的外部图形处理器(例如，外部图形处理器112)中。在一个实施例中，平台控制器集线器130和/或存储器控制器1160可以是一个或多个处理器102外部的。例如，系统100可以包括外部存储器控制器116和平台控制器集线器130，其可以被配置为与处理器102通信的系统芯片组内的存储器控制器集线器和外围控制器集线器。

图2是具有一个或多个处理器核202A-202N、集成存储器控制器214和集成图形处理器208的处理器200的实施例的框图。图2的与本文任何其它附图的元件具有相同的附图标记(或名称)的那些元件可以以与本文其他地方所描述类似的任何方式操作或起作用，但不限于此。处理器200可以包括附加核多达以下并且包括由虚线框表示的附加核202N。处理器核202A-202N中的每一个包括一个或多个内部高速缓存单元204A-204N。在一些实施例中，每个处理器核还可以存取一个或多个共享高速缓存单元206。

内部高速缓存单元204A-204N和共享高速缓存单元206表示处理器200内的高速缓存存储器分层结构。高速缓存存储器分层结构可以在每个处理器核中包括至少一个级别的指令和数据高速缓存以及一个或多个级别的共享中级高速缓存，例如级别2(L2)、级别3(L3)、级别4(L4)或其他级别的高速缓存，其中外部存储器之前的最高级别的高速缓存被分类为LLC。在一些实施例中，高速缓存一致性逻辑保持各种高速缓存单元206和204A-204N之间的一致性。

在一些实施例中，处理器200还可以包括一组一个或多个总线控制器单元216和系统代理核210。一个或多个总线控制器单元216管理一组外围总线，例如一个或多个PCI或者快速PCI总线。系统代理核210针对各种处理器组件提供管理功能。在一些实施例中，系统代理核210包括一个或多个集成存储器控制器214以管理对各种外部存储器设备(未示出)的存取。

在一些实施例中，处理器核202A-202N中的一个或多个包括对同时多线程的支持。在这样的实施例中，系统代理核210包括用于在多线程处理期间协调和操作核202A-202N的组件。系统代理核210可以另外包括功率控制单元(PCU)，其包括用于调节处理器核202A-202N和图形处理器208的功率状态的逻辑和组件。

在一些实施例中，处理器200另外包括图形处理器208以执行图形处理操作。在一些实施例中，图形处理器208与该组共享高速缓存单元206以及与包括一个或多个集成存储器控制器214的系统代理核210耦合。在一些实施例中，系统代理核210还包括显示控制器211，用于将图形处理器输出驱动到一个或多个耦合的显示器。在一些实施例中，显示控制器211还可以是经由至少一个互连与图形处理器耦合的独立模块，或者可以集成在图形处理器208内。

在一些实施例中，使用基于环的互连单元212来耦合处理器200的内部组件。然而，可以使用替代的互连单元，诸如点对点互连、交换互连或其他技术，包括本领域众所周知的技术。在一些实施例中，图形处理器208经由I/O链路213与环形互连212耦合。

示例性I/O链路213表示多种I/O互连中的至少一种，包括促进各种处理器组件与高性能嵌入式存储器模块218(诸如eDRAM模块)之间的通信的封装I/O互连。在一些实施例中，处理器核202A-202N和图形处理器208中的每一个使用嵌入式存储器模块218作为共享的最后级高速缓存。

在一些实施例中，处理器核202A-202N是执行相同指令集架构的同质核。在另一个实施例中，处理器核202A-202N在指令集架构(ISA)方面是异构的，其中一个或多个处理器核202A-N执行第一指令集，而其他核中的至少一个核执行第一指令集的子集或不同的指令集。在一个实施例中，就微架构而言，处理器核202A-202N是异构的，其中具有相对较高功耗的一个或多个核与具有较低功耗的一个或多个功率核耦合。另外，除了其他组件之外，处理器200可以在一个或多个芯片上实现，或者作为具有除了其它组件之外的所示组件的SoC集成电路来实现。

图3是图形处理器300的框图，其可以是离散图形处理单元，或者可以是与多个处理核集成的图形处理器。在一些实施例中，图形处理器经由存储器映射的I/O接口与图形处理器上的寄存器以及放置在处理器存储器中的命令进行通信。在一些实施例中，图形处理器300包括访问存储器的存储器接口314。存储器接口314可以是到本地存储器、一个或多个内部高速缓存、一个或多个共享外部高速缓存，和/或到系统存储器的接口。

在一些实施例中，图形处理器300还包括显示控制器302以将显示输出数据驱动到显示设备320。显示控制器302包括用于一个或多个覆盖平面的硬件，用于多层视频或用户面元素的显示和合成。显示设备320可以是内部或外部显示设备。在一个实施例中，显示设备320是头戴式显示设备，诸如虚拟现实(VR)显示设备或增强现实(AR)显示设备。在一些实施例中，图形处理器300包括视频编解码器引擎306，以将媒体编码为一个或多个媒体编码格式，从一个或多个媒体编码格式解码，或在从一个或多个媒体编码格式之间转码，媒体编码格式包括但不限于运动图像专家组(MPEG)格式，例如诸如H.264/MPEG-4AVC的MPEG-2、高级视频编码(AVC)格式，以及电影和电视工程师协会(SMPTE)421M/VC-1和联合图像专家组(JPEG)格式，如JPEG和运动JPEG(MJPEG)格式。

在一些实施例中，图形处理器300包括块图像传输(BLIT)引擎304以执行二维(2D)光栅化器操作，包括例如位边界块传输。然而，在一个实施例中，使用GPE 310的一个或多个组件来执行2D图形操作。在一些实施例中，图形处理引擎310是用于执行图形操作的计算引擎，所述图形操作包括三维(3D)图形操作和媒体操作。

在一些实施例中，GPE 310包括3D流水线312，其用于执行3D操作，诸如使用作用于3D图元形状(例如，矩形、三角形等)的处理功能来渲染三维图像和场景。3D流水线312包括执行元件内的各种任务和/或将执行线程产生到3D/媒体子系统315的可编程和固定功能元件。尽管3D流水线312可以用于执行媒体操作，但是GPE 310的实施例还包括专门用于执行媒体操作(例如视频后处理和图像增强)的媒体流水线316。

在一些实施例中，媒体流水线316包括固定功能或可编程逻辑单元，其用于代替或代表视频编解码引擎306执行一个或多个专用媒体操作，诸如视频解码加速、视频去隔行和视频编码加速。

在一些实施例中，媒体流水线316另外包括线程产生单元，其用于产生用于在3D/媒体子系统315上执行的线程。产生的线程执行用于3D/媒体子系统315中包括的一个或多个图形执行单元上的媒体操作的计算。

在一些实施例中，3D/媒体子系统315包括用于执行由3D流水线312和媒体流水线316产生的线程的逻辑。在一个实施例中，流水线将线程执行请求发送到3D/媒体子系统315，其包括用于仲裁并将各种请求分派给可用的线程执行资源的线程分派逻辑。执行资源包括一系列图形执行单元来处理3D和媒体线程。在一些实施例中，3D/媒体子系统315包括用于线程指令和数据的一个或多个内部高速缓存。在一些实施例中，子系统还包括共享存储器(包括寄存器和可寻址存储器)以在线程之间共享数据并存储输出数据。

图形处理引擎

图4是根据一些实施例的图形处理器的图形处理引擎410的框图。在一个实施例中，图形处理引擎(GPE)410是图3中所示的GPE 310的一个版本。图4中的具有与本文的任何其它图中的元件相同的附图标记(或名称)的元件可以以类似于在本文其他地方描述的任何方式进行操作，但不限于此。例如，图示了图3的3D流水线312和媒体流水线316。媒体流水线316在GPE 410的一些实施例中是可选的，并且可以不明确地包括在GPE 410内。例如并且在至少一个实施例中，单独的媒体和/或图像处理器耦合到GPE 410。

在一些实施例中，GPE 410与命令流式传送器403耦合或者包括命令流式传送器403，命令流式传送器403向3D流水线312和/或媒体流水线316提供命令流。在一些实施例中，命令流式传送器403耦合到存储器，存储器可以是系统存储器，或一个或多个内部高速缓存和共享高速缓存。在一些实施例中，命令流式传送器403从存储器接收命令并将命令发送到3D流水线312和/或媒体流水线316。这些命令是从存储用于3D流水线312和媒体流水线316的命令的环形缓冲区中取出的指令。在一个实施例中，环形缓冲区可以另外包括存储批量的多个命令的批量命令缓冲区。用于3D流水线312的命令还可以包括对存储在存储器中的数据的引用，例如但不限于用于3D流水线312的顶点和几何数据和/或用于媒体流水线316的图像数据和存储器对象。3D流水线312以及媒体流水线316通过经由相应流水线内的逻辑执行操作或通过将一个或多个执行线程分派到图形核阵列414来处理命令和数据。在一个实施例中，图形核阵列414包括图形核的一个或多个块(例如，图形核415A、图形核415B)，每个块包括一个或多个图形核。每个图形核包括一组图形执行资源，其包括用于执行图形和计算操作的通用和图形特定执行逻辑，以及固定功能纹理处理和/或机器学习和人工智能加速逻辑。

在各种实施例中，3D流水线312包括固定功能和可编程逻辑，其用于通过处理指令以及将线程分派到图形核阵列来处理一个或多个着色器程序，诸如顶点着色器、几何着色器、像素着色器、片段着色器、计算着色器或其他着色器程序。图形核阵列414提供执行资源块的统一块，以用于处理这些着色器程序。图形核阵列414的图形核415A-414B内的多用途执行逻辑(例如，执行单元)包括对各种3D API着色器语言的支持，并且可以执行与多个着色器相关联的多个同时执行线程。

在一些实施例中，图形核阵列414还包括执行逻辑，其用于执行媒体功能，例如视频和/或图像处理。在一个实施例中，除了图形处理操作之外，执行单元还包括可编程以执行并行通用计算操作的通用逻辑。通用逻辑可以并行地或结合图1的处理器核107或如图2的核202A-202N内的通用逻辑来执行处理操作。

由在图形核阵列414上执行的线程生成的输出数据可以将数据输出到在统一返回缓冲区(URB)318中的存储器。URB 418可以存储多个线程的数据。在一些实施例中，URB 418可用于在图形核阵列414上执行的不同线程之间发送数据。在一些实施例中，URB 418可另外用于图形核阵列上的线程与共享功能逻辑420内的固定功能逻辑之间的同步。。

在一些实施例中，图形核阵列414是可缩放的，使得阵列包括可变数量的图形核，每个图形核基于GPE 410的目标功率和性能水平具有可变数量的执行单元。在一个实施例中，执行资源是动态可缩放的，使得可以根据需要启用或禁用执行资源。

图形核阵列414与共享功能逻辑420耦合，共享功能逻辑420包括在图形核阵列中的图形核之间共享的多个资源。共享功能逻辑420内的共享功能是向图形核阵列414提供专用补充功能的硬件逻辑单元。在各种实施例中，共享功能逻辑420包括但不限于采样器421、数学422和线程间通信(ITC)423逻辑。另外，一些实施例在共享功能逻辑420内实现一个或多个高速缓存425。

实现共享功能，其中针对给定专用功能的需求不足以包括在图形核阵列414内。而是将该专用功能的单个实例化实现为共享功能逻辑420中的独立实体，并且在图形核阵列414内的执行资源之间共享。在图形核阵列414之间共享并包括在图形核阵列414内的精确功能集在实施例中变化。在一些实施例中，图形核阵列414广泛使用的共享功能逻辑420内的特定共享功能可以包括在图形核阵列414内的共享功能逻辑416内。在各种实施例中，图形核阵列414内的共享功能逻辑416可以包括共享功能逻辑420内的一些或所有逻辑。在一个实施例中，共享功能逻辑420内的所有逻辑元件可以在图形核阵列414的共享功能逻辑416内复制。在一个实施例中，共享功能逻辑420被排除支持图形核阵列414内的共享功能逻辑416。

图5是根据本文描述的一些实施例的图形处理器核500的硬件逻辑的框图。具有与本文任何其他附图的元件相同的附图标记(或名称)的图5的元件可以以与本文其他地方描述的方式类似的任何方式操作或起作用，但不限于此。在一些实施例中，所示的图形处理器核500包括在图4的图形核阵列414内。图形处理器核500(有时称为核切片(slice))可以是模块化图形处理器内的一个或多个图形核。图形处理器核500是一个图形核切片的示例，并且如本文所述的图形处理器可以包括基于目标功率和性能包络的多个图形核切片。每个图形处理器核500可以包括与多个子核501A-501F(也称为子片)耦合的固定功能块530，所述多个子核501A-501F包括通用和固定功能逻辑的模块化块。

在一些实施例中，固定功能块530包括几何/固定功能流水线536，其可以由图形处理器核500中的所有子核共享，例如，在较低性能和/或较低功率图形处理器实现中。在各种实施例中，几何/固定功能流水线536包括3D固定功能流水线(例如，如图3和图4中的3D流水线312)、视频前端单元、线程产生器和线程分派器，以及统一返回缓冲区管理器，所述统一返回缓冲区管理器管理统一返回缓冲区，例如图4的统一返回缓冲区418。

在一个实施例中，固定功能块530还包括图形SoC接口537、图形微控制器538和媒体流水线539。图形SoC接口537提供图形处理器核500与片上系统集成电路的系统上的其他处理器核之间的接口。图形微控制器538是可编程子处理器，其可配置为管理图形处理器核500的各种功能，包括线程分派、调度和抢占。媒体流水线539(例如，图3和图4的媒体流水线316)包括用于促进多媒体数据(包括图像和视频数据)的解码、编码、预处理和/或后处理的逻辑。媒体流水线539经由对于在子核501-501F内的计算或采样逻辑的请求来实现媒体操作。

在一个实施例中，SoC接口537使图形处理器核500能够与通用应用处理器核(例如，CPU)和/或SoC内的其他组件通信，所述其他组件包括存储器层级元件，诸如共享的最后一级高速缓存存储器、系统RAM和/或嵌入式片上或封装DRAM。SoC接口537还可以实现与SoC内的固定功能设备(例如相机成像流水线)的通信，并且使得能够使用和/或实现可以在图形处理器核500和SoC内的CPU之间共享的全局存储器原子。SoC接口537还可以实现针对图形处理器核500的功率管理控制，并启用图形核500的时钟域与SoC内的其他时钟域之间的接口。在一个实施例中，SoC接口537使得能够从命令流式传输器和全局线程分派器接收命令缓冲区，命令流传输器和全局线程分派器被配置为向图形处理器内的一个或多个图形核中的每一个提供命令和指令。当要执行媒体操作时，可以将命令和指令分派给媒体流水线539，或者当图形处理操作要被执行时，可以将命令和指令分派给几何和固定功能流水线(例如，几何和固定功能流水线536、几何和固定功能流水线514)。

图形微控制器538可以被配置为执行针对图形处理器核500的各种调度和管理任务。在一个实施例中，图形微控制器538可以在在子核501A-501F内的执行单元(EU)阵列502A-502F、504A-504F内的各种图形并行引擎上执行图形和/或计算工作负载调度。在该调度模型中，在包括图形处理器核500的SoC的CPU核上执行的主机软件可以提交多个图形处理器门铃之一的工作负载，其在适当的图形引擎上调用调度操作。调度操作包括确定下一个要运行的工作负载，将工作负载提交给命令流式传输器，预先占用引擎上运行的现有工作负载，监视工作负载的进度，以及在工作负载完成时通知主机软件。在一个实施例中，图形微控制器538还可以促进针对图形处理器核500的低功率或空闲状态，从而为图形处理器核500提供在低功率状态转换期间独立于操作系统和/或系统上的图形驱动程序软件来保存和恢复图形处理器核500内的寄存器的能力。

图形处理器核500可具有大于或小于所示子核501A-501F的子核，最多N个模块化子核。对于每组N个子核，图形处理器核500还可以包括共享功能逻辑510、共享和/或高速缓冲存储器512、几何/固定功能流水线514，以及用于加速各种图形和计算处理操作的附加固定功能逻辑516。共享功能逻辑510可以包括与图4的共享功能逻辑420相关联的逻辑单元(例如，采样器、数学和/或线程间通信逻辑)，其可以由图形处理器核内的每个N个子核共享。共享和/或高速缓存存储器512可以是图形处理器核500内的一组N个子核501A-501F的最后一级高速缓存，并且还可以用作多个子核可访问的共享存储器。可以包括几何/固定功能流水线514而不是固定功能块530内的几何/固定功能流水线536，并且可以包括相同或类似的逻辑单元。

在一个实施例中，图形处理器核500包括附加的固定功能逻辑516，其可包括供图形处理器核500使用的各种固定功能加速逻辑。在一个实施例中，附加固定功能逻辑516包括用于使用的仅位置着色的附加几何流水线。在仅位置着色中，存在两个几何流水线，几何/固定功能流水线516、536内的全几何流水线，以及剔除(cull)流水线，所述剔除流水线是可包括在附加固定功能逻辑516内的附加几何流水线。在一个实施例中，剔除流水线是全几何流水线的修剪版本。全流水线和剔除流水线可以执行同一应用程序的不同实例，每个实例具有单独的上下文。仅位置着色可以隐藏已丢弃的三角形的长剔除运行，使得在一些实例中，可以更早地完成着色。例如并且在一个实施例中，附加固定功能逻辑516内的剔除流水线逻辑可以与主应用并行地执行位置着色器，并且通常比全流水线更快地生成关键结果，因为剔除流水线仅取回并着色顶点的位置属性，而不执行像素的光栅化和渲染到帧缓冲区。剔除流水线可以使用生成的关键结果来计算针对所有三角形的可见性信息，而不管这些三角形是否被剔除。全流水线(在这种情况下可以称为重放流水线)可以消耗可见性信息以跳过剔除的三角形以仅着色最终传递到光栅化阶段的可见三角形。

在一个实施例中，附加固定功能逻辑516还可以包括机器学习加速逻辑，例如固定功能矩阵乘法逻辑，以用于包括用于机器学习训练或推理的优化的实现。

在每个图形子核501A-501F内包括一组执行资源，其可用于响应于图形流水线、媒体流水线或着色器程序的请求来执行图形、媒体和计算操作。图形子核501A-501F包括多个EU阵列502A-502F、504A-504F、线程分派和线程间通信(TD/IC)逻辑503A-503F、3D(例如，纹理)采样器505A-505F、媒体采样器506A-506F、着色器处理器507A-507F和共享本地存储器(SLM)508A-508F。EU阵列502A-502F、504A-504F每个包括多个执行单元，其是能够在图形、媒体或计算操作的服务(包括图形、媒体或计算着色器程序)中执行浮点和整数/定点逻辑操作的通用图形处理单元。TD/IC逻辑503A-503F执行针对子核内的执行单元的本地线程分派和线程控制操作，并促进在子核的执行单元上执行的线程之间的通信。3D采样器505A-505F可以将纹理或其他3D图形相关的数据读取到存储器中。3D采样器可以基于配置的样本状态和与给定纹理相关联的纹理格式来不同地读取纹理数据。媒体采样器506A-506F可以基于与媒体数据相关联的类型和格式来执行类似的读取操作。在一个实施例中，每个图形子核501A-501F可以替代地包括统一的3D和媒体采样器。在每个子核501A-501F内的执行单元上执行的线程可以利用每个子核内的共享本地存储器508A-508F，以使得在线程组内执行的线程能够使用片上存储器的公共池来执行。

执行单元

图6A-图6B示出了线程执行逻辑600，其包括根据本文描述的实施例的图形处理器核中采用的处理元件阵列。具有与本文任何其他图的元件相同的附图标记(或名称)的图6A-6B的元素可以以与本文其他地方描述的方式类似的任何方式操作或起作用，但不限于此。图6A示出了线程执行逻辑600的概述，其可以包括用图5的每个子核501A-501F示出的硬件逻辑的变体。图6B示出了执行单元的示例性内部细节。

如图6A所示出的，在一些实施例中，线程执行逻辑600包括着色器处理器602、线程分派器604、指令高速缓存606、包括多个执行单元608A-608N的可缩放执行单元阵列、采样器610、数据高速缓存612和数据端口614。在一个实施例中，可缩放执行单元阵列可以通过基于工作负载的计算要求启用或禁用一个或多个执行单元(例如，执行单元608A、608B、608C、608D、至608N-1和608N中的任何一个)来动态地缩放。在一个实施例中，所包括的组件经由链接到每个组件的互连结构互连。在一些实施例中，线程执行逻辑600包括通过指令高速缓存606、数据端口614、采样器610和执行单元608A-608N中的一个或多个的到存储器(例如系统存储器或高速缓存存储器)的一个或多个连接。在一些实施例中，每个执行单元(例如608A)是独立的可编程通用计算单元，其能够执行多个同时的硬件线程，并且同时针对每个线程处理多个数据元素。在各种实施例中，执行单元的阵列608A-608N是可缩放的以包括任何数量的单独执行单元。

在一些实施例中，执行单元608A-608N主要用于执行着色器程序。着色器处理器602可以处理各种着色器程序并经由线程分派器604来分派与着色器程序相关联的执行线程。在一个实施例中，线程分派器包括用于仲裁来自图形和媒体流水线的线程发起请求并在执行单元608A-608N中的一个或多个执行单元上实例化所请求的线程的逻辑。例如，几何流水线可以将顶点、曲面细分或几何着色器分派给线程执行逻辑以进行处理。在一些实施例中，线程分派器604还可以处理来自执行着色器程序的运行时线程产生请求。

在一些实施例中，阵列608A-608N中的执行单元支持包括对许多标准3D图形着色器指令的本机支持的指令集，使得来自图形库(例如，Direct 3D和OpenGL)的着色器程序以最小的平移执行。执行单元支持顶点和几何处理(例如，顶点程序、几何程序、顶点着色器)、像素处理(例如像素着色器、片段着色器)和通用处理(例如，计算和媒体着色器)。每个执行单元608A-608N能够执行多发单指令多数据(SIMD)，并且多线程操作在面对更高延迟的存储器存取时实现有效的执行环境。每个执行单元内的每个硬件线程都具有专用的高带宽寄存器文件和相关联的独立线程状态。对于能够进行整数、单精度和双精度浮点运算、SIMD分支能力、逻辑运算、超越运算和其他杂项运算的流水线，每个时钟执行多次执行。在等待来自存储器或共享功能中的一个的数据时，执行单元608A-608N内的依赖性逻辑使等待线程休眠，直到返回所请求的数据。当等待线程处于休眠状态时，硬件资源可能用于处理其他线程。例如，在与顶点着色器操作相关联的延迟期间，执行单元可以执行针对像素着色器、片段着色器或其他类型的着色器程序(包括不同的顶点着色器)的操作。

执行单元阵列608A-608N中的每个执行单元对数据元素阵列进行操作。数据元素的数量是“执行大小”或指令的通道数量。执行通道是指令内数据元素访问、掩蔽和流程控制的逻辑执行单位。通道的数量可以独立于特定图形处理器的物理算术逻辑单元(ALU)或浮点单元(FPU)的数量。在一些实施例中，执行单元608A-608N支持整数和浮点数据类型。

执行单元指令集包括SIMD指令。各种数据元素可以作为封装的数据类型存储在寄存器中，并且执行单元将基于元素的数据大小处理各种元素。例如，当在256位宽度的矢量上操作时，矢量的256位被存储在寄存器中，并且执行单元对作为四个独立的64位封装的数据元素(四字(QW)大小的数据元素)、8个独立的32位封装的数据元素(双字(DW)大小的数据元素)、16个独立的16位封装的数据元素(字(W)大小的数据元素)或32个独立的8位数据元素(字节(B)大小的数据元素)的矢量进行操作。但是，不同的矢量宽度和寄存器大小是可能的。

在一个实施例中，一个或多个执行单元可以组合成具有线程控制逻辑(607A-607N)的融合的执行单元609A-609N，该线程控制逻辑对于融合的EU是公共的。多个EU可以融入EU组。融合EU组中的每个EU可以配置为执行单独的SIMD硬件线程。根据实施例，融合的EU组中的EU的数量可以变化。另外，可以针对每个EU执行各种SIMD宽度，包括但不限于SIMD8、SIMD16和SIMD32。每个融合的图形执行单元609A-609N包括至少两个执行单元。例如，融合的执行单元609A包括第一EU 608A、第二EU 608B和线程控制逻辑607A，所述线程控制逻辑607A对于第一EU 608A和第二EU 608B是共同的。线程控制逻辑607A控制在融合图形执行单元609A上执行的线程，允许融合的执行单元609A-609N内的每个EU使用公共指令指针寄存器来执行。

一个或多个内部指令高速缓存(例如，606)被包括在线程执行逻辑600中以对用于执行单元的线程指令进行高速缓存。在一些实施例中，包括一个或多个数据高速缓存(例如，612)以在线程执行期间高速缓存线程数据。在一些实施例中，包括采样器610以提供用于3D操作的纹理采样和用于媒体操作的媒体采样。在一些实施例中，采样器610包括专门的纹理或媒体采样功能，以在将采样数据提供给执行单元之前，在采样过程期间处理纹理或媒体数据。

在执行期间，图形和媒体流水线经由线程产生和分派逻辑将线程发起请求发送到线程执行逻辑600。一旦一组几何对象已经被处理并光栅化为像素数据，则调用着色器处理器602内的像素处理器逻辑(例如，像素着色器逻辑、片段着色器逻辑等)以进一步计算输出信息并使结果被写入到输出表面(例如，颜色缓冲区、深度缓冲区、模板缓冲区等等)。在一些实施例中，像素着色器或片段着色器计算要在光栅化对象上内插的各种顶点属性的值。在一些实施例中，着色器处理器602内的像素处理器逻辑然后执行应用编程接口(API)供应的像素或片段着色器程序。为了执行着色器程序，着色器602经由线程分派器604将线程分派给执行单元(例如，608A)。在一些实施例中，着色器处理器602使用采样器610中的纹理采样逻辑来存取存储在存储器中的纹理映射中的纹理数据。对纹理数据和输入几何数据的算术运算针对每个几何片段计算像素颜色数据，或从进一步处理中丢弃一个或多个像素。

在一些实施例中，数据端口614针对线程执行逻辑600提供存储器存取机制，将经处理的数据输出到存储器以进一步在图形处理器输出流水线上进行处理。在一些实施例中，数据端口614包括或耦合到一个或多个高速缓存存储器(例如，数据高速缓存612)以对数据高速缓存以用于经由数据端口对存储器存取。

如图6B所示，图形执行单元608可包括指令获取单元637、通用寄存器文件阵列(GRF)624、架构寄存器文件阵列(ARF)626、线程仲裁器622、发送单元630、分支单元632、一组SIMD浮点单元(FPU)634，并且在一个实施例中是一组专用整数SIMD ALU 635。GRF 624和ARF 626包括一组通用寄存器文件和架构寄存器文件，所述架构寄存器文件与可在图形执行单元608中活动的每个同时硬件线程相关联。在一个实施例中，每个线程架构状态保持在ARF 626中，而在线程执行期间使用的数据存储在GRF 624中。每个线程的执行状态(包括针对每个线程的指令指针)可，可以保存在ARF 626中的线程专用寄存器中。

在一个实施例中，图形执行单元608具有作为同时多线程(SMT)和细粒度交织多线程(IMT)的组合的架构。该架构具有模块化配置，其可以在设计时基于同时线程的目标数量和每个执行单元的寄存器数量进行微调，其中执行单元资源被划分为用于执行多个同时线程的逻辑。

在一个实施例中，图形执行单元608可以共发出多个指令，每个指令可以是不同的指令。图形执行单元线程608的线程仲裁器622可以将指令分派给发送单元630、分支单元632或SIMD FPU 634中的一个以供执行。每个执行线程可以访问GRF 624内的128个通用寄存器，其中每个寄存器可以存储32个字节，可作为32位数据元素的SIMD 8元素向量访问。在一个实施例中，每个执行单元线程可以访问GRF 624内的4千字节，但是实施例不限于此，并且在其他实施例中可以提供更多或更少的寄存器资源。在一个实施例中，多达七个线程可以同时执行，尽管每个执行单元的线程数量也可以根据实施例而变化。在七个线程可以访问4千字节的实施例中，GRF 624可以存储总共28千字节。灵活的寻址模式可以允许寄存器被一起寻址以有效地构建更宽的寄存器或表示跨步的矩形块数据结构。

在一个实施例中，经由由消息传递发送单元630执行的“发送”指令来分派存储器操作、采样器操作和其他较长延迟系统通信。在一个实施例中，将分支指令分派给专用分支单元632以促进SIMD发散和最终收敛。

在一个实施例中，图形执行单元608包括一个或多个SIMD浮点单元(FPU)634以执行浮点运算。在一个实施例中，FPU 634还支持整数计算。在一个实施例中，FPU 634可以SIMD执行多达M个32位浮点(或整数)操作，或者SIMD执行多达2M个16位整数或16位浮点操作。在一个实施例中，至少一个FPU提供扩展的数学能力以支持高吞吐量的超越数学函数和双精度64位浮点。在一些实施例中，还存在一组8位整数SIMD ALU 635，并且可以具体地优化该组8位整数SIMD ALU 635以执行与机器学习计算相关联的操作。

在一个实施例中，可以在图形子核分组(例如，子切片)中实例化图形执行单元608的多个实例的阵列。对于可缩放性，产品架构师可以选择每个子核分组的确切执行单元数。在一个实施例中，执行单元608可以跨多个执行通道执行指令。在另一实施例中，在图形执行单元608上执行的每个线程在不同的信道上执行。

图7是示出了根据一些实施例的图形处理器指令格式700的框图。在一个或多个实施例中，图形处理器执行单元支持具有多种格式的指令的指令集。实线框示出通常包含在执行单元指令中的组件，而虚线包括可选组件或仅包含在指令的子集中的组件。在一些实施例中，所描述和示出的指令格式700是宏指令，因为它们是供应给执行单元的指令，而不是在处理指令时由指令解码产生的微操作。

在一些实施例中，图形处理器执行单元本地支持128位指令格式710的指令。基于所选择的指令、指令选项和操作数的数量，64位压缩指令格式730可用于某些指令。原生128位指令格式710提供对所有指令选项的访问，而一些选项和操作受限于64位格式730。以64位格式730可用的原生指令因实施例而异。在一些实施例中，部分地使用索引字段713中的一组索引值来压缩指令。执行单元硬件基于索引值参考一组压缩表，并使用压缩表输出来重建128位指令格式710的原生指令。

对于每种格式，指令操作码712定义执行单元要执行的操作。执行单元跨每个操作数的多个数据元素并行执行每条指令。例如，响应于添加指令，执行单元在表示纹理元素或图片元素的每个颜色通道上执行同时添加操作。默认情况下，执行单元在操作数的所有数据通道上执行每条指令。在一些实施例中，指令控制字段714使得能够控制某些执行选项，诸如信道选择(例如，预测)和数据信道顺序(例如，调配)。对于128位指令格式710中的指令，执行大小字段716限制将被并行执行的数据信道的数量。在一些实施例中，执行大小字段716不可用于64位压缩指令格式730。

一些执行单元指令具有多达三个操作数，包括两个源操作数src0 722、src1 722和一个目的地操作数718。在一些实施例中，执行单元支持双目的地指令，其中目的地之一是隐含的。数据操作指令可以具有第三源操作数(例如，SRC2 724)，其中指令操作码712确定源操作数的数量。指令的最后一个源操作数可以是与指令一起传递的立即数(例如，硬编码)值。

在一些实施例中，128位指令格式710包括访问/地址模式字段726，其指定例如是否使用直接寄存器寻址模式或间接寄存器寻址模式。当使用直接寄存器寻址模式时，一个或多个操作数的寄存器地址直接由指令中的位提供。

在一些实施例中，128位指令格式710包括访问/地址模式字段726，其指定该指令的地址模式和/或访问模式。在一个实施例中，访问模式用于针对该指令定义数据访问对齐。一些实施例支持包括16字节对齐访问模式和1字节对齐访问模式的访问模式，其中访问模式的字节对齐确定指令操作数的访问对齐。例如，当处于第一模式时，指令可以针对源操作数和目的地操作数使用字节对齐寻址，并且当处于第二模式时，指令可以针对所有源操作数和目的地操作数使用16字节对齐寻址。

在一个实施例中，访问/地址模式字段726的地址模式部分确定指令是使用直接寻址还是间接寻址。当使用直接寄存器寻址模式时，指令中的位直接提供一个或多个操作数的寄存器地址。当使用间接寄存器寻址模式时，可以基于指令中的地址寄存器值和地址立即数字段来计算一个或多个操作数的寄存器地址。

在一些实施例中，基于操作码712位字段对指令进行分组以简化操作码解码740。对于8位操作码，位4、5和6允许执行单元确定操作码的类型。所示的精确操作码分组仅仅是示例。在一些实施例中，移动和逻辑操作码组742包括数据移动和逻辑指令(例如移动(mov)、比较(cmp))。在一些实施例中，移动和逻辑组742共享五个最高有效位(MSB)，其中移动(mov)指令为0000xxxxb的形式并且逻辑指令为0001xxxxb的形式。流控制指令组744(例如，调用、跳转(jmp))包括形式为0010xxxxb(例如，0x20)的指令。杂项指令组746包括指令混合，其包括以0011xxxxb(例如，0x30)形式的同步指令(例如，等待，发送)。并行数学指令组748包括0100xxxxb(例如，0x40)形式的分量算术指令(例如，加法、乘法(mul))。并行数学组748跨数据通道并行执行算术运算。矢量数学组750包括形式为0101xxxxb(例如，0x50)的算术指令(例如，dp4)。矢量数学组对矢量操作数执行算术运算，例如点积计算。

图形流水线

图8是图形处理器800的另一实施例的框图。图8中的具有与本文任何其他图的元件相同的附图标记(或名称)的元件可以以与本文其他地方所描述的任何类似的方式操作或起作用，但不限于此。

在一些实施例中，图形处理器800包括几何流水线820、媒体流水线830、显示引擎840、线程执行逻辑850和渲染输出流水线870。在一些实施例中，图形处理器800是包括一个或多个通用处理核的多核处理系统内的图形处理器。图形处理器通过向一个或多个控制寄存器(未示出)的寄存器写入或经由环形互连802向图形处理器800发出的命令来控制。在一些实施例中，环形互连802将图形处理器800耦合到其他处理组件，诸如其他图形处理器或通用处理器。来自环形互连802的命令由命令流式传送器803解释，命令流式传送器803向几何流水线820或媒体流水线830的各个组件供应指令。

在一些实施例中，命令流式传送器803引导从存储器读取顶点数据的顶点获取器805的操作，并且执行由命令流式传送器803提供的顶点处理命令。在一些实施例中，顶点获取器805将顶点数据提供给顶点着色器807，顶点着色器807对每个顶点执行坐标空间变换和照明操作。在一些实施例中，顶点获取器805和顶点着色器807通过经由线程分派器831将执行线程分派给执行单元852A、852B来执行顶点处理指令。

在一些实施例中，执行单元852A、852B是具有用于执行图形和媒体操作的指令集的矢量处理器的阵列。在一些实施例中，执行单元852A、852B具有附接的L1高速缓存851，其专用于每个阵列或在阵列之间共享。高速缓存可以配置为数据高速缓存、指令高速缓存或被划分以在不同分区中包含数据和指令的单个高速缓存。

在一些实施例中，几何流水线820包括曲面细分组件以执行3D对象的硬件加速的曲面细分。在一些实施例中，可编程外壳着色器811配置曲面细分操作。可编程域着色器817提供曲面细分输出的后端评估。曲面细分器813在外壳着色器811的方向上操作并且包含专用逻辑以基于作为输入提供给几何流水线820的粗略几何模型来生成一组详细几何对象。在一些实施例中，如果不使用曲面细分，则曲面细分组件(例如，全着色器811、曲面细分器813、以及区域着色器817)可以被绕过。

在一些实施例中，完整的几何对象可以由几何着色器819经由分派到执行单元852A、852B的一个或多个线程来处理，或者可以直接进行到裁剪器829。在一些实施例中，几何着色器在整个几何对象上进行操作，而不是像在图形流水线的先前阶段中那样在顶点或顶点片上进行操作。如果曲面细分被禁用，则几何着色器819从顶点着色器807接收输入。在一些实施例中，如果曲面细分单元被禁用，则几何着色器819能够由几何着色器程序编程以执行几何曲面细分。

在光栅化之前，裁剪器829处理顶点数据。裁剪器829可以是固定功能裁剪器或具有裁剪和几何着色器功能的可编程裁剪器。在一些实施例中，渲染输出流水线870中的光栅化器以及深度测试组件873调度像素着色器以将几何对象转换为其每像素表示。在一些实施例中，像素着色器逻辑被包括在线程执行逻辑850中。在一些实施例中，应用可以绕过光栅化器以及深度测试组件873并且经由流出单元823访问未光栅化的顶点数据。

图形处理器800具有允许数据和消息在处理器的主要组件之间传递的互连总线、互连结构或一些其他互连机制。在一些实施例中，执行单元852A-852B和关联的逻辑单元(例如，L1高速缓存851、采样器854以及纹理高速缓存858等)经由数据端口856互连以执行存储器存取并且与处理器的渲染输出流水线组件进行通信。在一些实施例中，采样器854、高速缓存851、858和执行单元852A、852B各自具有分离的存储器存取路径。在一个实施例中，纹理高速缓存858还可以被配置为采样器高速缓存。

在一些实施例中，渲染输出流水线870包含将基于顶点的对象转换为关联的基于像素的表示的光栅化器和深度测试组件873。在一些实施例中，光栅器逻辑包括加窗器/掩蔽器单元，以执行固定功能三角形和线光栅化。在一些实施例中，相关联的渲染高速缓存878和深度高速缓存879也是可用的。像素操作组件877对数据执行基于像素的操作，尽管在一些实例中，与2D操作相关联的像素操作(例如，具有混合的位块图像传送)由2D引擎841执行，或者在显示时通过显示器控制器843使用重叠显示平面替代。在一些实施例中，共享的L3高速缓存875可用于所有图形组件，允许在不使用主系统存储器的情况下共享数据。

在一些实施例中，图形处理器媒体流水线830包括媒体引擎837和视频前端834。在一些实施例中，视频前端834从命令流式传送器803接收流水线命令。在一些实施例中，媒体流水线830包括单独的命令流式传送器。在一些实施例中，视频前端834在将命令发送到媒体引擎837之前处理媒体命令。在一些实施例中，媒体引擎837包括线程产生功能以产生线程从而经由线程分派器831分派给线程执行逻辑850。

在一些实施例中，图形处理器800包括显示引擎840。在一些实施例中，显示引擎840在处理器800的外部并经由环形互连802或一些其他互连总线或结构与图形处理器耦合。在一些实施例中，显示引擎840包括2D引擎841和显示控制器843。在一些实施例中，显示引擎840包含能够独立于3D流水线而操作的专用逻辑。在一些实施例中，显示控制器843与显示设备(未示出)耦合，该显示设备可以是如膝上型计算机之类的系统集成显示设备，或者经由显示设备连接器附接的外部显示设备。

在一些实施例中，几何流水线820和媒体流水线830能够配置成基于多个图形和媒体编程接口来执行操作，并且不特定于任何一种应用编程接口(API)。在一些实施例中，用于图形处理器的驱动器软件将对特定图形或媒体库特定的API调用转换成可由图形处理器处理的命令。在一些实施例中，针对全部来自Khronos Group的开放图形库(OpenGL)和/或Vulkan图形以及计算API提供支持。在一些实施例中，还可以针对来自微软公司的Direct3D库提供支持。在一些实施例中，可以支持这些库的组合。也可以对开源计算机视觉库(OpenCV)提供支持。如果能够从未来API的流水线到图形处理器的流水线进行映射，则还将支持具有兼容3D流水线的未来API。

图形流水线编程

图9A是示出了根据一些实施例的图形处理器命令格式900的框图。图9B是示出了根据一个实施例的图形处理器命令序列910的框图。图9A中的实线框示出了通常包括在图形命令中的组件，而虚线包括可选的或仅包含在图形命令的子集中的组件。图9A的示例性的图形处理器命令格式900包括用于标识客户端902、命令操作码(操作码)904以及该命令的数据906的数据字段。子操作码905和命令大小908也包含在一些命令中。

在一些实施例中，客户端902指定处理命令数据的图形设备的客户端单元。在一些实施例中，图形处理器命令解析器检查每个命令的客户端字段以调节命令的进一步处理并将命令数据路由到适当的客户端单元。在一些实施例中，图形处理器客户端单元包括存储器接口单元、渲染单元、2D单元、3D单元和媒体单元。每个客户端单元都有处理这些命令的相应处理流水线。一旦客户端单元接收到该命令，客户端单元就读取操作码904和子操作码905(如果存在)以确定要执行的操作。客户端单元使用数据字段906中的信息来执行命令。对于某些命令，预期明确的命令大小908以指定命令的大小。在一些实施例中，命令解析器基于命令操作码来自动确定命令中的至少一些的大小。在一些实施例中，命令经由双字的倍数对齐。

图9B中的流程示出了示例性图形处理器命令序列910。在一些实施例中，以图形处理器的实施例为特征的数据处理系统的软件或固件使用所示命令序列的一个版本来设置、执行并终止一组图形操作。仅出于示例的目的示出和描述示例命令序列，因为实施例不限于这些特定命令或该命令序列。而且，命令可以作为命令序列中的一批命令发布，使得图形处理器将至少部分地同时处理命令序列。

在一些实施例中，图形处理器命令序列910可以以流水线刷新命令912开始，以使任何活动图形流水线完成流水线的当前未决命令。在一些实施例中，3D流水线922和媒体流水线924不同时操作。执行流水线刷新以使活动图形流水线完成任何未决命令。响应于流水线刷新，图形处理器的命令解析器将暂停命令处理，直到活动绘图引擎完成未决操作并且相关读取高速缓存失效。可选地，渲染高速缓存中标记为“脏”的任何数据都可以刷新到存储器。在一些实施例中，流水线刷新命令912可以用于流水线同步或者在将图形处理器置于低功率状态之前使用。

在一些实施例中，当命令序列要求图形处理器在流水线之间明确切换时使用流水线选择命令913。在一些实施例中，在发布流水线命令之前，在执行上下文中仅需要一次流水线选择命令913，除非该上下文将发布针对两个流水线的命令。在一些实施例中，紧接在经由流水线选择命令913的流水线切换之前需要流水线刷新命令912。

在一些实施例中，流水线控制命令914配置图形流水线以用于操作，并用于对3D流水线922和媒体流水线924进行编程。在一些实施例中，流水线控制命令914配置活动流水线的流水线状态。在一个实施例中，流水线控制命令914被用于流水线同步并且在处理一批命令之前清除来自活动流水线内的一个或多个高速缓存存储器的数据。

在一些实施例中，返回缓冲区状态命令916被用于配置一组返回缓冲区以便相应流水线写入数据。一些流水线操作需要分配、选择或配置一个或多个返回缓冲区，操作在处理期间将中间数据写入该返回缓冲区。在一些实施例中，图形处理器还使用一个或多个返回缓冲区来存储输出数据并执行交叉线程通信。在一些实施例中，返回缓冲区状态916包括选择返回缓冲区的大小和数量以用于一组流水线操作。

命令序列中的其余命令基于用于操作的活动流水线而不同。基于流水线确定920，命令序列针对从3D流水线状态930开始的3D流水线922或从媒体流水线状态940开始的媒体流水线924而定制。

用于3D流水线状态930的命令包括用于顶点缓冲区状态、顶点元素状态、常量颜色状态、深度缓冲区状态以及在处理3D图元命令之前要配置的其他状态变量的3D状态设置命令。这些命令的值至少部分基于正在使用的特定3D API来确定。在一些实施例中，如果某些流水线元件将不被使用，3D流水线状态930命令还能够选择性地禁用或绕过那些元件。

在一些实施例中，3D图元932命令被用于提交将由3D流水线处理的3D图元。经由3D图元932命令传递给图形处理器的命令和相关联的参数被转发到图形流水线中的顶点获取函数。顶点获取函数使用3D图元932命令数据来生成顶点数据结构。顶点数据结构存储在一个或多个返回缓冲区中。在一些实施例中，3D图元932命令被用于经由顶点着色器对3D图元执行顶点操作。为了处理顶点着色器，3D流水线922将着色器执行线程分派给图形处理器执行单元。

在一些实施例中，3D流水线922经由执行934命令或事件来触发。在一些实施例中，寄存器写入触发命令执行。在一些实施例中，经由命令序列中的“开始”或“踢”命令来触发执行。在一个实施例中，使用流水线同步命令来触发命令执行以通过图形流水线刷新命令序列。3D流水线将执行针对3D图元的几何处理。一旦操作完成，得到的几何对象被光栅化，并且像素引擎对所得像素着色。用于控制像素着色和像素后端操作的附加命令也可以包含以用于这些操作。

在一些实施例中，当执行媒体操作时，图形处理器命令序列910在媒体流水线924路径之后。通常，针对媒体流水线924的具体使用和编程方式取决于要执行的媒体或计算操作。在媒体解码期间，特定的媒体解码操作可以被卸载到媒体流水线。在一些实施例中，媒体流水线也可以被绕过，并且可以使用由一个或多个通用处理核提供的资源来全部或部分地执行媒体解码。在一个实施例中，媒体流水线还包括用于通用图形处理器单元(GPGPU)操作的元件，其中图形处理器用于使用与图形图元的渲染不明确相关的计算着色器程序来执行SIMD矢量操作。

在一些实施例中，媒体流水线924以与3D流水线922类似的方式配置。在媒体对象命令942之前，用于配置媒体流水线状态940的一组命令被分派或放入命令队列中。在一些实施例中，用于媒体流水线状态的命令940包括用于配置将被用来处理媒体对象的媒体流水线元素的数据。这包括用于配置媒体流水线内的视频解码和视频编码逻辑的数据，如编码或解码格式。在一些实施例中，用于媒体流水线状态的命令940还支持使用指向包含一批状态设置的“间接”状态元素的一个或多个指针。

在一些实施例中，媒体对象命令942供应指向媒体对象的指针以用于由媒体流水线处理。媒体对象包括包含要处理的视频数据的存储器缓冲区。在一些实施例中，在发布媒体对象命令942之前，所有媒体流水线状态必须是有效的。一旦流水线状态被配置并且媒体对象命令942入队，则媒体流水线924经由执行命令944或等同的执行事件(例如寄存器写入)触发。然后，来自媒体流水线924的输出可以由3D流水线922或媒体流水线924提供的操作进行后处理。在一些实施例中，GPGPU操作以与媒体操作类似的方式被配置和执行。

图形软件架构

图10示出了根据一些实施例的用于数据处理系统1000的示例性图形软件架构。在一些实施例中，软件架构包括3D图形应用1010、操作系统1020和至少一个处理器1030。在一些实施例中，处理器1030包括图形处理器1032和一个或多个通用处理器核1034。图形应用1010和操作系统1020各自在数据处理系统的系统存储器1050中执行。

在一些实施例中，3D图形应用1010包含一个或多个着色器程序，其包括着色器指令1012。着色器语言指令可以是高级着色器语言，诸如高级着色器语言(HLSL)或OpenGL着色语言(GLSL)。该应用还包括适用于由通用处理器核1034执行的机器语言的可执行指令1014。该应用还包括由顶点数据定义的图形对象1016。

在一些实施例中，操作系统1020是来自微软公司的操作系统、专有类UNIX操作系统或者使用Linux内核的变体的开源类UNIX操作系统。操作系统1020可以支持图形API 1022，诸如Direct3D API、OpenGL API或Vulkan API。当Direct3D API被使用时，操作系统1020使用前端着色器编译器1024来将HLSL中的任何着色器指令1012编译成较低级着色器语言。编译可以是即时(JIT)编译或应用可以执行着色器预编译。在一些实施例中，在编译3D图形应用1010期间将高级着色器编译成低级着色器。在一些实施例中，着色器指令1012以中间形式(例如，Vulkan API使用的标准可移植中间表示(SPIR)的版本)提供。

在一些实施例中，用户模式图形驱动器1026包含后端着色器编译器1027以将着色器指令1012转换成硬件特定表示。当OpenGL API被使用时，GLSL高级语言的着色器指令1012被传递给用户模式图形驱动器1026以供编译。在一些实施例中，用户模式图形驱动器1026使用操作系统内核模式功能1028来与内核模式图形驱动器1029通信。在一些实施例中，内核模式图形驱动器1029与图形处理器1032通信以分派命令和指令。

IP核实现

至少一个实施例的一个或多个方面可以通过代表和/或定义诸如处理器之类的集成电路内的逻辑的存储在机器可读介质上的代表性代码来实现。例如，机器可读介质可以包括表示处理器内的各种逻辑的指令。当由机器读取时，指令可以使机器制造逻辑以执行本文描述的技术。被称为“IP核”的这种表示是用于集成电路的逻辑的可重用单元，其可以作为描述集成电路的结构的硬件模型存储在有形的、机器可读介质上。硬件模型可以供应给各种客户或制造设施，这些客户或制造设施在制造集成电路的制造机器上加载硬件模型。集成电路可以被制造为使得电路执行结合本文描述的任何实施例描述的操作。

图11A是示出了根据实施例的可用于制造集成电路以执行操作的IP核开发系统1100的框图。IP核开发系统1100可以用于生成模块化的、可重用的设计，其可以被结合到更大的设计中或被用于构建整个集成电路(例如，SOC集成电路)。设计工具1130可以用高级编程语言(例如，C/C++)生成IP核设计的软件模拟1110。软件模拟1110可以用于使用模拟模型1112来设计、测试和验证IP核的行为。模拟模型1112可以包括功能、行为和/或时序模拟。然后，可以根据模拟模型1112来创建或合成寄存器传输级(RTL)设计。RTL设计1115是对硬件寄存器之间的数字信号流进行建模的集成电路的行为的抽象，包括使用建模的数字信号执行的关联逻辑。除了RTL设计1115之外，还可以创建、设计或合成逻辑电平或晶体管级的较低级设计。因此，初始设计和模拟的具体细节可能会有所不同。

RTL设计1115或等同物可以进一步由设计工具合成为硬件模型1120，其可以是硬件描述语言(HDL)或物理设计数据的一些其他表示。可以进一步模拟或测试HDL以验证IP核设计。可以使用非易失性存储器1140(例如，硬盘、闪存或任何非易失性存储介质)来存储IP核设计，以便传送到第三方制造设施1165。可替代地，IP核设计可以通过有线连接1150或无线连接1160被发送(例如，经由因特网)。制造设施1165然后可以制造至少部分地基于IP核设计的集成电路。所制造的集成电路可以被配置为根据本文描述的至少一个实施例执行操作。

图11B示出了根据本文描述的一些实施例的集成电路封装组件1170的横截面侧视图。集成电路封装组件1170示出了如本文所述的一个或多个处理器或加速器设备的实现。封装组件1170包括连接到衬底1180的多个硬件逻辑单元1172、1174。逻辑1172、1174可以至少部分地在可配置逻辑或固定功能逻辑硬件中实现，并且可以包括处理器核、图形处理器或本文描述的其他加速器设备中的任何的一个或多个部分。逻辑1172、1174的每个单元可以在半导体管芯内实现，并且经由互连结构1173与衬底1180耦合。互连结构1173可以被配置为在逻辑1172、1174和衬底1180之间路由电信号，并且可以包括互连，例如但不限于凸块或支柱。在一些实施例中，互连结构1173可以被配置为路由电信号，例如，与逻辑1172、1174的操作相关联的输入/输出(I/O)信号和/或电源或接地信号。在一些实施例中，基板1180是基于环氧树脂的层压衬底。在其他实施例中，封装衬底1180可以包括其他合适类型的衬底。封装组件1170可以经由封装互连1183连接到其他电子器件。封装互连1183可以耦合到基板1180的表面以将电信号路由到其他电子设备，例如母板、其他芯片组或多个芯片模块。

在一些实施例中，逻辑单元1172、1174与桥1182电耦合，桥1182被配置为在逻辑1172、1174之间路由电信号。桥1182可以是提供针对电子信号的路由的密集互连结构。桥1182可以包括由玻璃或合适的半导体材料构成的桥基板。可以在桥基板上形成电路由特征，以在逻辑1172、1174之间提供芯片到芯片的连接。

尽管示出了两个逻辑单元1172、1174和桥1182，但是本文描述的实施例可以在一个或多个管芯上包括更多或更少的逻辑单元。一个或多个管芯可以通过零个或多个桥连接，因为当逻辑包括在单个管芯上时可以排除桥1182。可替换地，多个管芯或逻辑单元可以通过一个或多个桥连接。另外，多个逻辑单元、管芯和桥可以以其他可能的配置(包括三维配置)连接在一起。

片上集成电路的示例性系统

图12-图14示出了根据本文描述的各种实施例的可以使用一个或多个IP核制造的示例性集成电路和相关联的图形处理器。除了所示的内容之外，可以包括其他逻辑和电路，包括附加的图形处理器/核、外围接口控制器或通用处理器核。

图12是示出了根据实施例的可以使用一个或多个IP核制造的芯片集成电路1200上的示例性系统的框图。示例性集成电路1200包括一个或多个应用处理器1205(例如，CPU)、至少一个图形处理器1210，并且可以另外包括图像处理器1215和/或视频处理器1220，其中的任何一个可以是来自相同或多个不同的设计工具的模块化IP核。集成电路包括外围设备或总线逻辑，其包括USB控制器1225、UART控制器1230、SPI/SDIO控制器1235和I²S/I²C控制器1240。另外，集成电路可包括显示设备1245，显示设备1245耦合到以下中的一个或多个：高清晰度多媒体接口(HDMI)控制器1250和移动工业处理器接口(MIPI)显示接口1255。存储可以由包括闪存和闪存控制器的闪存子系统1260提供。存储器接口可以经由存储器控制器1265被提供以访问SDRAM或SRAM存储器设备。

图13A-图13B是示出了根据本文描述的实施例的在SoC内使用的示例性图形处理器的框图。图13A示出了根据一个实施例的可以使用一个或多个IP核制造的片上系统集成电路的示例性图形处理器1310。图13B示出了根据实施例的可以使用一个或多个IP核制造的片上系统集成电路的另外的示例性图形处理器1340。图13A的图形处理器1310是低功率图形处理器核的示例。图13B的图形处理器1340是更高性能图形处理器核的示例。每个图形处理器1310、1340可以是图12的图形处理器1210的变体。

如图13A所示，图形处理器1310包括顶点处理器1305和一个或多个片段处理器1315A-1315N(例如，1315A、1315B、1315C、1315D到1315N-1和1315N)。图形处理器1310可以经由单独的逻辑执行不同的着色器程序，使得顶点处理器1305被优化以执行针对顶点着色器程序的操作，而一个或多个片段处理器1315A-1315N执行针对片段或像素着色器程序的片段(例如，像素)着色操作。顶点处理器1305执行3D图形流水线的顶点处理阶段并生成图元和顶点数据。片段处理器1315A-1315N使用由顶点处理器1305生成的图元和顶点数据来产生显示在显示设备上的帧缓冲区。在一个实施例中，片段处理器1315A-1315N被优化以执行如OpenGL API中提供的片段着色器程序，其可用于执行与针对Direct 3D API提供的像素着色器程序类似的操作。

图形处理器1310另外包括一个或多个存储器管理单元(MMU)1320A-1320B、高速缓存1325A-1325B和电路互连1330A-1330B。一个或多个MMU 1320A-1320B针对图形处理器1310提供虚拟到物理地址映射，包括针对顶点处理器1305和/或片段处理器1315A-1315N，除了存储在一个或多个高速缓存1325A-1325B中的顶点或图像/纹理数据之外，其可以参考存储在存储器中的顶点或图像/纹理数据。在一个实施例中，一个或多个MMU 1320A-1320B可以与系统内的其他MMU同步，包括与图12的一个或多个应用处理器1205、图像处理器1215和/或视频处理器1220相关联的一个或多个MMU，使得每个处理器1205-1220可以参与共享或统一的虚拟存储器系统。根据实施例，一个或多个电路互连1330A-1330B使得图形处理器1310能够经由SoC的内部总线或经由直接连接与SoC内的其他IP核接口。

如图13B所示，图形处理器1340包括图13A的图形处理器1310的一个或多个MMU1320A-1320B、高速缓存1325A-1325B和电路互连1330A-1330B。图形处理器1340包括一个或多个着色器核1355A-1355N(例如，1455A、1355B、1355C、1355D、1355E、1355F，至1355N-1和1355N)，其提供统一的着色器核架构，其中单核或类型或核可以执行所有类型的可编程着色器代码，包括用于实现顶点着色器的着色器程序代码、片段着色器和/或计算着色器。存在的着色器核的确切数量可以在实施例和实现之间变化。另外，图形处理器1340包括核心间任务管理器1345，其充当线程调度器以将执行线程分派到一个或多个着色器核心1355A-1355N和拼接单元1358以加速用于基于图块的渲染的拼接操作，其中场景的渲染操作被细分在图像空间中，例如以利用场景内的局部空间相干性或优化内部高速缓存的使用。

图14A-图14B示出了根据本文描述的实施例的另外的示例性图形处理器逻辑。图14A示出了可以包括在图12的图形处理器1210内的图形核1400，并且可以是如图13B中的统一着色器核1355A-1355N。图14B示出了另外的高度并行的通用图形处理单元1430，其是适合于部署在多芯片模块上的高度并行的通用图形处理单元。

如图14A所示，图形核1400包括共享指令高速缓存1402、纹理单元1418和高速缓存/共享存储器1420，它们对于图形核1400内的执行资源是公共的。图形核1400可以包括每个核的多个切片1401A-1401N或分区，并且图形处理器可以包括图形核1400的多个实例。切片1401A-1401N可以包括支持逻辑，其包括本地指令高速缓存1404A-1404N、线程分派器1406A-1406N线程分派器1408A-1408N，以及一组寄存器1410A-1440N。为了执行逻辑操作，切片1401A-1401N可以包括一组附加功能单元(AFU 1412A-1412N)、浮点单元(FPU 1414A-1414N)、整数算术逻辑单元(ALU 1416-1416N)、地址计算单元(ACU 1413A-1413N)、双精度浮点单元(DPFPU 1415A-1415N)和矩阵处理单元(MPU 1417A-1417N)。

一些计算单元以特定精度操作。例如，FPU 1414A-1414N可以执行单精度(32位)和半精度(16位)浮点运算，而DPFPU 1415A-1415N执行双精度(64位)浮点运算。ALU 1416A-1416N可以以8位、16位和32位精度执行可变精度整数运算，并且可以被配置用于混合精度运算。MPU 1417A-1417N还可以配置用于混合精度矩阵运算，包括半精度浮点运算和8位整数运算。MPU 1417-1417N可以执行各种矩阵操作以加速机器学习应用框架，包括支持加速的通用矩阵到矩阵乘法(GEMM)。AFU 1412A-1412N可以执行浮点或整数单元不支持的附加逻辑运算，包括三角运算(例如，正弦、余弦等)。

如图14B所示，通用处理单元(GPGPU)1430可以被配置为使得高度并行的计算操作能够由图形处理单元阵列执行。另外，GPGPU 1430可以直接链接到GPGPU的其他实例以创建多GPU集群以提高针对特别深度神经网络的训练速度。GPGPU 1430包括主机接口1432，其用于实现与主机处理器的连接。在一个实施例中，主机接口1432是快速PCI接口。但是，主机接口也可以是供应商特定的通信接口或通信结构。GPGPU 1430从主处理器接收命令并使用全局调度器1434将与那些命令相关联的执行线程分发到一组计算集群1436A-1436H。计算集群1436A-1436H共享高速缓冲存储器1438。高速缓冲存储器1438可以用作针对计算集群1436A-1436H内的高速缓存存储器的更高级高速缓存。

GPGPU 1430包括经由一组存储器控制器1442A-1442B与计算集群1436A-1436H耦合的存储器14434A-14434B。在各种实施例中，存储器1434A-1434B可包括各种类型的存储器装置，包括动态随机存取存储器(DRAM)或图形随机存取存储器，例如随机同步图形存取存储器(SGRAM)，包括图形双倍数据速率(GDDR)存储器。

在一个实施例中，计算集群1436A-1436H每个包括一组图形核，例如图14A的图形核1400，其可以包括多种类型的整数和浮点逻辑单元，其可以以一系列精度执行计算操作，包括适合于机器学习计算。例如并且在一个实施例中，每个计算集群1436A-1436H中的浮点单元的至少一个子集可以被配置为执行16位或32位浮点运算，而浮点单元的不同子集可以配置为执行64位浮点运算。

GPGPU 1430的多个实例可以被配置为作为计算集群操作。计算集群用于同步和数据交换的通信机制因实施例而异。在一个实施例中，GPGPU 1430的多个实例通过主机接口1432进行通信。在一个实施例中，GPGPU 1430包括I/O集线器1439，其将GPGPU 1430与GPU链路1440耦合，GPU链路1440使得能够直接连接到GPGPU的其他实例。在一个实施例中，GPU链路1440耦合到专用GPU到GPU桥，其实现GPGPU 1430的多个实例之间的通信和同步。在一个实施例中，GPU链路1440与高速互连耦合以发送和接收数据到其他GPGPU或并行处理器。在一个实施例中，GPGPU 1430的多个实例位于单独的数据处理系统中，并且经由可经由主机接口1432访问的网络设备进行通信。在一个实施例中，GPU链路1440可被配置为实现与主机处理器的连接，除了主机接口1432之外或作为其替代。

虽然GPGPU 1430的所示配置可以被配置为训练神经网络，但是一个实施例提供GPGPU 1430的备选配置，其可以被配置用于在高性能或低功率推理平台内部署。在推理配置中，GPGPU 1430相对于训练配置包括更少的计算集群1436A-1436H。另外，与存储器1434A-1434B相关联的存储器技术可以在推理和训练配置之间不同，其中更高带宽的存储器技术致力于训练配置。在一个实施例中，GPGPU 1430的推理配置可以支持推断特定指令。例如，推理配置可以提供针对一个或多个8位整数点积指令的支持，这些指令通常在针对部署的神经网络的推理操作期间使用。

利用GPU上的硬件加速的可编程的光线追踪

光线追踪是一种通过基于物理的渲染来模拟光传输的技术。广泛用于电影渲染，直到几年前，它被认为对于实时性能来说太过资源密集。光线追踪中的关键操作之一是处理针对称为“光线遍历”的光线场景交叉的可见性查询，其通过遍历和交叉层次包围盒(BVH)中的节点来计算光线场景交叉。最近的研究表明，使用更适合固定功能硬件的技术，例如精度降低算术、BVH压缩、每光线状态机、专用的交叉流水线和自定义高速缓存，可以将计算光线场景交叉的效率提高一个数量级以上。

另一方面，期望将光线遍历的一些部分作为用户定义的程序，其不能被植入到固定功能硬件中，包括例如程序实例化、定制形状和随机细节水平(LOD)。这些功能(包括材质着色)可以在GPU内常用的大量多线程SIMD处理器上进行评估。然而，将固定功能遍历硬件与这些可编程组件组合提出了重大挑战。

例如，当场景为遍历一组光线时，它们可以与不同的对象和材料交互，导致由于控制流分歧和SIMD占用差而无法在SIMD处理器上有效执行的不连贯的程序组。此外，通常使用路径追踪来模拟光传输，其中递归地产生和遍历的光线生成非相干路径和可变递归深度。

此外，当遍历的部分在软件和固定功能硬件之间划分时，遍历状态必须在执行单元(执行软件)和固定功能硬件之间传送，从而产生显著的性能开销。

本发明的一个实施例包括混合光线遍历架构，其使用现有的单指令多数据(SIMD)图形处理器实现光线遍历的可编程着色和控制，同时使用专用硬件来加速关键功能，例如BVH交叉。在该实施例中，通过在遍历期间和着色之前在特定点对产生着色器重新分组来改进非相干路径的SIMD占用。这是通过使用专用硬件实现的，该专用硬件可在片上动态分类着色器。通过将函数拆分为在在返回之后执行的连续(continuation)以及在执行之前对连续重新分组来管理递归，改善SIMD占用。

通过将遍历功能分解为内部遍历以及外部遍历来实现光线遍历的可编程控制，该内部遍历可以实现为固定功能硬件，而外部遍历在GPU处理器上执行，并且使得可编程控制通过用户定义的遍历着色器。通过在内部遍历和外部遍历之间的转换期间保守地截断内部遍历状态，降低了在硬件和软件之间转移遍历上下文的成本。

可以通过下面的表A中列出的不同着色器类型来表示光线追踪的可编程控制。针对每种类型可以有多个着色器。例如，每种材料可以具有不同的命中着色器。

着色器类型	功能
		主要	发射主要光线
命中	双向反射分布函数(BRDF)采样，发射辅助光线
		任何命中	计算针对α纹理几何体的透射率
未命中	计算来自光源的辐射
		交叉	使定制形状交叉
遍历	实例选择以及变换
		可调用	通用功能

表A

在一个实施例中，递归光线追踪由API函数初始化，该API函数命令图形处理器启动一组主要着色器或访问生成主要光线并产生光线场景交叉的专用光线生成电路。这继而会生成其他着色器，例如遍历、命中着色器或未命中着色器。生成子着色器的着色器也可以从该子着色器接收返回值。可调用着色器是通用函数，其可以由另一个着色器直接生成，并且也可以将值返回给调用着色器。

图15示出了图形处理架构的实施例，其包括着色器执行电路1500和固定功能电路1510。通用执行硬件子系统包括多个SIMD核/执行单元(EU)1501(即，每个核可以包括多个执行单元)、一个或多个采样器1502，以及一级(L1)高速缓存1503或其他形式的本地存储器。固定功能硬件子系统1510包括消息单元1504、调度器1507、光线-BVH交叉电路1505、分类电路1508和本地L1高速缓存1506。

分别针对着色器电路1500和固定功能电路1510，图15中分别示出了单独的L1高速缓存1503和1056。在替代实施例中，着色器电路1500和固定功能电路1510二者共享相同的L1高速缓存。

在操作中，主调度器1509将一组主要着色器调度到调度器1507，调度器1507在SIMD核/EU1101上调度这些着色器。主要着色器的执行产生要执行的附加工作，包括由光线-BVH交叉硬件1505和一个或多个子着色器处理的主要光线。消息单元1504将由SIMD核/EU 1501产生的工作分发给调度器1507，根据需要访问空闲栈池、分类电路1508或光线-BVH交叉电路1505。如果附加工作被发送到调度器1507，则被调度用于在SIMD核/EU1501上进行处理。在调度之前，分类电路1508可以将光线分类成如本文所述的组或箱(例如，对具有类似特征的光线进行分组，例如命中着色器记录)。光线-BVH交叉电路1505使用BVH体积来执行光线的相交测试。例如，光线-BVH交叉电路1505可以针对BVH的每个级别来测试光线(原点和方向)以识别与光线相交的体积。

可以使用着色器记录、用户分配的结构来引用着色器，用户分配的结构包括指向入口函数的指针、供应商特定的元数据以及由SIMD核/EU 1501执行的对着色器的全局参数。着色器的每个执行实例与调用栈相关联，该调用栈可用于存储父着色器和子着色器之间传递的参数。调用栈还可以存储对调用返回时执行的继续函数的引用。

图16示出了一组示例性分配栈1601，其包括主要着色器栈、命中着色器栈、遍历着色器栈、继续函数栈和光线-BVH交叉栈(如所描述的，可以由固定功能硬件1510执行)。在一个实施例中，调用栈最初被分配给主要着色器，该主要着色器可以在其上存储参数和继续引用并产生光线场景交集。对应的主要着色器的子着色器(例如，命中着色器)重用相同的栈并将它们的参数/继续引用推送到同一栈。在任何给定的时间点，取决于调用图内的当前位置，任何类型的着色器(例如，主要、命中、未命中等)可以使用栈。在一个实施例中，调用栈被高速缓存在本地L1高速缓存1503、1506中以减少访问延迟。

在一个实施例中，存在有限数量的调用栈，每个调用栈具有在存储器的连续的区域中分配的固定最大大小“Sstack”。因此，可以从栈索引(SID)直接计算栈的基址，作为基址＝SID*Sstack。在一个实施例中，当调度工作到SIMD核/EU1501时，由调度器1507对栈ID分配和解除分配。

在一个实施例中，主要分派器1509包括图形处理器命令处理器，其响应于来自主机(例如，CPU)的分派命令而调度主要着色器。如果调度器1507可以为每个SIMD通道分配栈ID，则调度器1507接收这些分派请求并在SIMD处理器线程上启动主要着色器。从在分派命令开始时初始化的空闲栈池1602分配栈ID。

执行着色器可以通过向消息传送单元1504发送生成消息来生成子着色器。该命令包括与着色器相关联的栈ID，并且还包括指向针对每个活动SIMD通道的子着色器记录的指针。父着色器只能针对活动通道发出此消息一次。在一个实施例中，在发送针对所有相关通道的产生消息之后，父着色器终止。

在SIMD核/EU 1501上执行的着色器还可以使用具有针对固定功能硬件保留的着色器记录指针的生成消息来产生诸如光线-BVH交叉的固定功能任务。如上所述，消息传送单元1504将产生的光线-BVH交叉工作发送到固定功能光线-BVH交叉电路1505和将可调用着色器直接发送到分类电路1508。在一个实施例中，分类电路通过着色器记录指针将着色器分组以导出具有类似特征的SIMD批次(batch)。因此，来自不同父着色器的栈ID可以由分类电路1508在同一批次中分组。分类电路1508将分组的批次发送到调度器1507，调度器1507从图形存储器2511或最后一级高速缓存(LLC)1520访问着色器记录，并在处理器线程上启动着色器。

在一个实施例中，继续被视为可调用着色器，并且还可以通过着色器记录来引用。当生成子着色器并将值返回到父着色器时，在调用栈1601上推送指向继续着色器记录的指针。当子着色器返回时，从调用栈1601弹出连续着色器记录并且产生连续着色器。生成的继续通过类似于可调用着色器的分类单元，并在处理器线程上启动。

如图17所示，分类电路1508的一个实施例通过着色器记录指针1701A、1701B、1701n对产生的任务进行分组，以创建用于着色的SIMD批次。已分类批次中的栈ID或上下文ID可以从不同的分派和不同的输入SIMD通道分组。在一个实施例中，分组电路1710使用包括多个条目的内容可寻址存储器(CAM)结构1701来执行分类，其中每个条目用标签1701标识。如上所述，在一个实施例中，标签1701是对应的着色器记录指针1701A、1701B、1701n。在一个实施例中，CAM结构1701存储有限数量的标签(例如，32、64、128等)，每个标签与对应于着色器记录指针的不完整SIMD批次相关联。

对于传入的生成命令，每个SIMD通道具有相对应的栈ID(在每个CAM条目中显示为16个上下文ID 0-15)和着色器记录指针1701A-B，......n(用作标签值)。在一个实施例中，分组电路1710将针对每个通道的着色器记录指针与CAM结构1701中的标签1701进行比较，以找到匹配的批次。如果找到匹配的批次，则会将栈ID/上下文ID添加到批次中。否则，将创建具有新着色器记录指针标记的新条目，可能会删除具有不完整批次的旧条目。

执行着色器可以通过向消息单元发送解除分配消息来在其为空时解除分配调用栈。解除分配消息被中继到调度器，调度器将针对活动SIMD通道的栈ID/上下文ID返回到空闲池。

本发明的一个实施例使用固定功能光线遍历和软件光线遍历的组合来实现用于光线遍历操作的混合方法。因此，它提供了软件遍历的灵活性，同时保持了固定功能遍历的效率。图18示出了可用于混合遍历的加速结构，其是具有单个顶级BVH 1800和若干底层BVH1801和1802的两级树。图形元素在右侧示出以指示内部遍历路径1803、外部遍历路径1804、遍历节点1805、具有三角形1806的叶节点，以及具有自定义图元1807的叶节点。

顶级BVH 1800中具有三角形1806的叶节点可以参考针对自定义图元或遍历着色器记录的三角形、交叉着色器记录。具有底层BVH 1801-1802的三角形1806的叶节点仅可以参考针对自定义图元的三角形和交叉着色器记录。参考的类型在叶节点1806内编码。内遍历1803指的是每个BVH 1800-1802内的遍历。内部遍历操作包括计算光线-BVH交叉，并且跨越BVH结构1800-1802的遍历被称为外部遍历。内部遍历操作可以在固定功能硬件中有效地实现，而外部遍历操作可以使用可编程着色器以可接受的性能执行。因此，本发明的一个实施例使用固定功能电路1510执行内部遍历操作，并使用包括用于执行可编程着色器的SIMD核/EU 1501的着色器执行电路1500来执行外部遍历操作。

在一个实施例中，当光线在内部遍历期间与遍历节点相交时，产生遍历着色器。分类电路1508通过着色器记录指针1701A-1701B…1701n对这些着色器进行分组以创建SIMD批次，该SIMD批次由调度器1507启动以在图形SIMD核/EU1101上的SIMD执行。遍历着色器可以以多种方式修改遍历，从而实现广泛的应用。例如，遍历着色器可以在较粗略的细节水平(LOD)处选择BVH，或者转换光线以实现刚体变换。遍历着色器然后针对所选BVH而产生内部遍历。

内部遍历通过遍历BVH并计算光线框和光线三角形交叉来计算光线-BVH交叉。通过向消息传送电路1504发送消息以与着色器相同的方式产生内部遍历，消息传送电路1504将相对应的产生消息中继到计算光线-BVH交叉的光线-BVH交叉电路1505。

在一个实施例中，用于内部遍历的栈本地存储在固定功能电路1510中(例如，在L1高速缓存1506内)。当光线与对应于遍历着色器或交叉着色器的叶节点相交时，内部遍历终止并且内部栈被截断。截断的栈以及指向光线和BVH的指针在调用着色器指定的位置处写入存储器，并且然后生成相对应的遍历着色器或交叉着色器。如果光线在内部遍历期间与任何三角形相交，则相对应的命中信息将作为输入参数提供给这些着色器，如下面的代码所示。这些产生的着色器由分类电路1508分组以创建用于执行的SIMD批次。

截断内部遍历栈降低了将其溢出到存储器的成本。本发明的一个实施例使用Restart Trail for Stackless BVH Traversal，High Performance Graphics(2010)，pp.107-111中描述的方法将栈截断为栈顶部的少量条目、42-位重启跟踪和6位深度值。重启跟踪指示已经在BVH内部获取的分支，而深度值指示与最后一个栈条目相对应的遍历的深度。这是足以在以后恢复内部遍历的信息。

当内部栈为空并且不再有BVH节点要测试时，内部遍历完成。在这种情况下，生成外部栈处理程序，其弹出外部栈的顶部，并且如果外部栈不为空，则继续遍历。

在一个实施例中，外部遍历执行主遍历状态机并且由着色器执行电路1500执行的程序代码实现。它在以下条件下产生内部遍历查询：(1)当新的光线由命中着色器或主要着色器产生时；(2)当遍历着色器选择BVH进行遍历时；以及(3)当外部栈处理程序恢复针对BVH的内部遍历时。

如图19所示，在产生内部遍历之前，在调用栈1905上分配空间以便固定功能电路1510存储截断的内部栈1910。将1903-1904偏移到调用栈的顶部并且内部栈保持在遍历状态1900，其也存储在存储器2511中。遍历状态1900还包括世界空间1901和对象空间1902中的光线以及针对最接近的交叉图元的命中信息。

遍历着色器、交叉着色器和外栈处理器都由光线-BVH交叉电路1505产生。遍历着色器在针对第二级BVH发起新的内部遍历之前在调用栈1905上分配。外部栈处理程序是一个着色器，其负责更新命中信息并恢复任何挂起的内部遍历任务。外部栈处理程序还负责在遍历完成时生成命中着色器或未命中着色器。当没有要产生的未决内部遍历查询生成时，遍历已完成。当遍历完成并找到交叉时，会生成命中着色器；否则会产生未命中着色器。

图20A-图20E示出了根据本发明一个实施例的用于光线追踪的方法，从2001处的初始分派到递归结束，其中调用栈在2025-2034被释放。在分派之后，在2002处初始化栈偏移和遍历偏移。如果在2003处没有产生光线，那么栈将在2004处释放。

如果产生光线，则在2005处进入内部遍历过程。如果适用，在该阶段由光线-BVH交叉电路计算光线-BVH交叉。三个条件路径从内部遍历阶段2005分支出来：遍历着色器可以产生2050A，交叉着色器可以产生2050B，或者外部栈处理器可以被调用2050C。选择的特定分支取决于内部遍历过程2005的当前状态。

如果选择遍历着色器分支2050A，则在2006处执行遍历着色器程序代码。如果在2007处确定内部遍历完成，则将遍历偏移设置为内部状态区域的大小并且该过程返回到内部遍历块2005。如果不是，则该过程返回到内部遍历块2005而不设置遍历偏移。

在选择交叉着色器分支2050B时，在2009处执行交叉着色器程序代码。如果在2010处确定内部遍历未完成，则该过程返回到内部遍历块2005。如果完成，则在2011处确定遍历偏移是否等于栈偏移。如果不是，则在2012处，将遍历偏移设置为等于内部状态区域的大小，并且该过程返回到内部遍历块2005。

如果遍历偏移等于栈偏移，则在2013处进行命中确定(即，以确定光线是否已经与原语相交)。如果有命中，则在图20E的2040处产生命中着色器。如果不是，则在图20D的2030处产生未命中着色器。由命中着色器和未命中着色器执行的操作如下所述。

返回到图20B，在选择外部栈处理程序2050C时，在2014处取回用户命中信息。在2015处确定遍历偏移是否等于栈偏移。如果不是，则在2012处，遍历偏移被设置为等于内部状态区域的大小，并且过程返回到内部遍历块2005。如果是，则在2016处确定是否已经登记了命中。如果是，则该过程产生图20E中的命中着色器2040。如果不是，则该过程在图20D中的2030处产生未命中着色器。未命中着色器程序代码在2031执行。如果在2032处调用栈被确定为非空，则在2033处产生继续着色器。如果调用栈为空，则在2034中释放栈。

图20C中示出了继续着色器2020。继续着色器程序代码在2021执行。如果在2022处确定产生了光线，则该过程返回到内部遍历块2005。如果在2023处确定调用栈是空的，则在2025处释放该栈。如果非空，然后在2024处，从调用栈中弹出下一个继续着色器。

虽然上述混合遍历方案使用两级BVH层级，但是本文描述的本发明的实施例可以使用任意数量的BVH级别，其在外部遍历实现中具有相对应的改变。

另外，虽然在上述实施例中描述了用于执行光线-BVH交叉的固定功能电路1510，但是其他系统组件也可以在固定功能电路中实现。例如，上面关于图20B描述的外部栈处理器2050C可以是可以在固定功能BVH交叉电路1505中实现的内部(非用户可见)着色器。该实现可以用于减少分派的着色器级的数量以及在固定功能交叉硬件1505和处理器之间的轮数(round trip)。

这里描述的本发明的实施例使用用户定义的功能来实现可编程着色和光线遍历控制，所述用户定义的功能可以在现有和未来的GPU处理器上以更高的SIMD效率执行。光线遍历的可编程控制实现了几个重要的特征，例如程序实例化、随机细节层次选择、自定义原始交叉和懒惰BVH更新。

本发明的实施例可包括上面已描述的各种步骤。这些步骤可以体现在机器可执行指令中，该机器可执行指令可以用于使通用或专用处理器执行这些步骤。或者，这些步骤可以由包含用于执行步骤的硬连线逻辑的特定硬件组件来执行，或者由编程的计算机组件和定制硬件组件的任何组合来执行。

如本文所述，指令可以指代诸如专用集成电路的硬件的特定配置，其被配置为执行某些操作或具有存储在非暂时性计算机可读介质中体现的存储器中的预定功能或软件指令。因此，可以使用在一个或多个电子设备(例如，终端站、网络元件等)上存储和执行的代码和数据来实现图中所示的技术。这种电子设备使用计算机机器可读介质(例如，非暂时性计算机机器可读存储介质(例如，磁盘；光盘；随机访问存储器；只读存储器；闪存设备；相变存储器))和暂时性计算机机器可读通信介质(例如，电、光、声或其他形式的传播信号-例如载波、红外信号、数字信号，等等。)对代码和数据进行通信(通过网络在内部和/或与其他电子设备通信)。

此外，这种电子设备通常包括一组一个或多个处理器，其耦合到一个或多个其他组件，例如一个或多个存储设备(非暂时性机器可读存储介质)、用户输入/输出设备(例如，键盘、触摸屏和/或显示器)以及网络连接。该组处理器和其他组件的耦合通常通过一个或多个总线和桥(也称为总线控制器)。存储设备和承载网络业务的信号分别代表一个或多个机器可读存储介质和机器可读通信介质。因此，给定电子设备的存储设备通常存储用于在该电子设备的一组一个或多个处理器上执行的代码和/或数据。当然，可以使用软件、固件和/或硬件的不同组合来实现本发明的实施例的一个或多个部分。在整个详细描述中，出于解释的目的，阐述了许多具体细节以便提供对本发明的透彻理解。然而，对于本领域技术人员显而易见的是，可以在没有这些具体细节中的一些的情况下实践本发明。在某些实例中，没有详细描述公知的结构和功能，以避免模糊本发明的主题。因此，本发明的范围和精神应根据下面的权利要求来判断。

Claims (16)

1.一种图形处理器，包括：

着色器执行电路模块，其包括多个执行单元，用于执行包括至少一组着色器的多个着色器；

与所述着色器执行电路模块耦合的固定功能光线遍历电路模块，所述固定功能光线遍历电路模块用于使光线遍历通过层次包围盒BVH以确定光线三角形相交，其中，所述多个着色器是响应于所述光线通过所述BVH的遍历而被生成的；以及

用于基于与所述着色器相关联的标识符来将所述多个着色器中的一个或多个着色器动态地重新分组的逻辑单元，每组被重新分组的着色器是在所述执行单元中的至少一个执行单元上被执行的。

2.如权利要求1所述的图形处理器，其中，用于将所述多个着色器中的一个或多个着色器动态地重新分组的所述逻辑单元包括分类电路模块。

3.如权利要求1所述的图形处理器，其中，所述多个着色器包括一个或多个命中着色器和一个或多个未命中着色器。

4.如权利要求3所示的图形处理器，其中，所述命中着色器中的至少一个命中着色器或所述未命中着色器中的一个未命中着色器是响应于所述光线三角形相交中的对应的一个光线三角形相交而被生成的。

5.如权利要求1所述的图形处理器，其中，所述固定功能光线遍历电路模块用于生成命中对象，所述命中对象包括与所述光线三角形相交中的一个或多个光线三角形相交相关的数据，其中，所述多个着色器中的一个或多个着色器用于读取所述命中对象以执行着色操作。

6.如权利要求2所述的图形处理器，其中，所述分类电路模块用于将所述多个着色器中的一个或多个着色器动态地重新分组，以在执行所述多个着色器中的所述一个或多个着色器期间增加数据一致性。

7.如权利要求1所述的图形处理器，还包括：

着色器组分派电路模块，其用于分派着色器组中的一个着色器组以在所述执行单元中的一个或多个执行单元上同时执行。

8.如权利要求4所述的图形处理器，其中，所述命中着色器用于对与所述光线三角形相交中的所述一个光线三角形相交相关联的命中点进行着色。

9.如权利要求1所述的图形处理器，所述分类电路模块用于将所述多个着色器中的一个或多个着色器动态地重新分组，以形成具有相似特征的着色器的组。

10.一种方法，包括：

执行包括至少一组着色器的多个着色器；

使光线遍历通过层次包围盒BVH以确定光线三角形相交，其中，所述多个着色器是响应于所述光线通过所述BVH的遍历而被生成的；以及

基于与所述着色器相关联的标识符来将所述多个着色器中的一个或多个着色器动态地重新分组，每组被重新分组的着色器是在至少一个执行单元上被执行的。

11.如权利要求10所述的方法，还包括：生成命中对象，所述命中对象包括与所述光线三角形相交中的一个或多个光线三角形相交相关的数据，其中，所述多个着色器中的一个或多个着色器用于读取所述命中对象以执行着色操作。

12.如权利要求10或11所述的方法，其中，将所述多个着色器中的一个或多个着色器动态地重新分组，以在执行所述多个着色器中的一个或多个着色器期间增加数据一致性。

13.如权利要求10或11所述的方法，还包括：分派着色器组中的一个着色器组以在执行单元中的一个或多个执行单元上同时执行。

14.如权利要求10或11所述的方法，其中，将所述多个着色器中的一个或多个着色器动态地重新分组，以形成具有相似特征的着色器的组。

15.一种存储指令的机器可读介质，所述指令当被执行时，使机器执行如权利要求10至14中的任何一项所述的方法。

16.一种装置，包括用于执行如权利要求10至14中的任何一项所述的方法的单元。