Taichi GUI 怎么开启 fast_gui 模式提升 set_image 实时可视化帧率【免费下载链接】taichiProductive, portable, and performant GPU programming in Python.项目地址: https://gitcode.com/GitHub_Trending/ta/taichi在 Taichi 中用内置 GUI 做实时可视化时一个常见的卡点是窗口稍大gui.set_image()每帧都刷不动FPS 明显掉下来。Taichi 的 GUI 系统提供了一个fast_gui模式来解决这个问题——让图像数据直接写入帧缓冲区省掉每帧的格式转换与拷贝。本文给出开启方式、该模式对输入数据的硬性约束以及仓库测试中使用的核对方法。以下内容基于仓库中的 GUI System 文档、GUI 实现源码 与 fast_gui 测试。为什么 set_image 在窗口较大时帧率上不去按 GUI System 文档 的说明默认模式下每一次gui.set_image()调用GUI 系统都会把图像数据转换成可显示格式再把结果拷贝到窗口缓冲区。窗口越大这份每帧转换加拷贝的开销越大很难维持高 FPS。fast_gui模式针对的正是这种“只调set_image()、不使用任何绘制命令”的场景。开启后 Taichi GUI 直接把图像数据写入帧缓冲区不做额外拷贝文档原话是这会significantly increases FPS。开启 fast_gui 模式创建ti.GUI时传入fast_guiTrue即可文档给出的写法gui ti.GUI(Fast GUI, res(400, 400), fast_guiTrue)完整的渲染循环保持与默认模式一致gui.show()必须放在while循环内否则窗口会闪一下就消失gui ti.GUI(Fast GUI, res(400, 400), fast_guiTrue) image ti.Vector.field(3, ti.f32, shape(400, 400)) while gui.running: # 在这里更新 image gui.set_image(image) gui.show()仓库中的实际用例可参考 marching squares 示例它用ti.GUI(2D Marching Squares, resresolution, fast_guiTrue)在循环里逐帧调用gui.set_image(pixels)渲染等值线。另一种可选路径如果你不方便修改构造调用ti.GUI的构造实现支持用环境变量TI_GUI_FAST覆盖fast_gui参数见 GUI 实现 中fast_gui self.get_bool_environ(TI_GUI_FAST, fast_gui)一行。fast_gui 模式对输入数据的硬性约束fast_gui能否正常工作取决于传给gui.set_image()的数据格式。文档要求输入必须是可显示格式若是 Taichi field只能是以下两种兼容 RGB 的向量场ti.field(3, dtype, shape)兼容 RGBA 的向量场ti.field(4, dtype, shape)其中dtype必须是ti.f32、ti.f64或ti.u8之一。此外还有两条默认模式同样存在、但 fast_gui 下不能违反的约束图像 shape 必须与 GUI 窗口分辨率完全一致文档明确提示 Ensure that the input matches the resolution of the GUI window只能传ti.Vector.field普通标量场或 NumPy ndarray 在该模式下不受支持。违反时set_image会直接抛出断言错误信息来自 GUI 实现 中的set_image传入了非ti.Vector.fieldOnly ti.Vector.field is supported in GUI.set_image when fast_guiTrueshape 与窗口分辨率不一致Image resolution does not match GUI resolution通道数不是 3 或 4Only RGB images are supported in GUI.set_image when fast_guiTruedtype 不在ti.f32 / ti.f64 / ti.u8中Only f32, f64, u8 are supported in GUI.set_image when fast_guiTrue也就是说如果你的可视化里还要调gui.line、gui.circle等绘制命令或者数据是灰度场就应保持默认的fast_guiFalse用常规set_image路径。核对 fast_gui 确实生效仓库测试 test_set_image_fast_gui_with_offset 提供了可直接借鉴的核对方式构造一个已知颜色的 RGB/RGBA 向量场set_image后检查 GUI 内部的gui.img缓冲区一个长度为宽*高的uint32数组内容是否与预期一致。核心片段如下import numpy as np import taichi as ti n 300 shape (n, n) color 128 img ti.Vector.field(dtypeti.u8, n3, shapeshape) img.fill(color) gui ti.GUI(nametest, resshape, show_guiFalse, fast_guiTrue) gui.set_image(img) fast_image gui.img rgb_color (color 16) (color 8) color ground_truth np.full(n * n, rgb_color, dtypenp.uint32) assert np.allclose(fast_image, ground_truth)判断标准np.allclose(fast_image, ground_truth)通过说明图像数据已经按测试期望的方式写入了 fast 缓冲区。上面打包格式(color 16) (color 8) color来自测试源码测试同时注明在 macOS 上像素值会额外叠加 alpha 位0xFF 24即(color 16) (color 8) color (0xFF 24)跨平台核对时以这个差异为准。测试里show_guiFalse参数用于不实际弹出窗口地完成上述检查。该测试覆盖的组合是channel取 3 和 4、dtype取ti.u8 / ti.f32 / ti.f64、color取 0、32、64、128、255并且带 offset 的向量场也在参数化范围内都可以按同样方式核对。适用边界fast_gui只适用于“纯set_image()渲染”的场景需要任何 GUI 绘制命令时不要开启。输入必须是 3 或 4 通道、ti.f32 / ti.f64 / ti.u8的ti.Vector.fieldshape 与窗口分辨率一致。文档只承诺该模式显著提升 FPS没有给出具体帧率数值如果你的场景不满足输入约束应回到默认模式而不是在 fast_gui 下强行转换数据类型绕过断言。【免费下载链接】taichiProductive, portable, and performant GPU programming in Python.项目地址: https://gitcode.com/GitHub_Trending/ta/taichi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考