GPU编程新思路：从计算着色器入门，而非传统图形渲染

## 传统GPU入门的困境

初学者进入GPU编程领域，常被"Hello Triangle"这类复杂且冗长的图形渲染示例绊倒，耗费数周调试才能显示简单图形，令人望而却步。2025年，单纯从传统图形渲染入门已不合时宜。

## "计算优先"的学习路径

本文作者主张从"计算优先"角度切入GPU编程，先掌握 compute shader（计算着色器）和调试工具 RenderDoc，深入理解GPU如何执行代码，再逐步引入光栅化流水线，避免一开始面对庞大复杂的图形API。

### 为什么选择Vulkan计算功能

相比 CUDA、OpenCL，作者推荐使用 Vulkan 的计算功能作为入门，因其兼顾计算与图形，且配合中间抽象层（如作者自用的 Granite）降低入门门槛。

## 调试工具：RenderDoc的威力

通过 RenderDoc 捕获与调试，结合 SPIR-V 与 GLSL 反编译、shader 替换调试，能够高效定位并解决复杂并行计算中的问题。

## GPU计算的执行模型

文章详细阐述了GPU计算的执行模型——工作组与子组的层次结构，以及不同厂商硬件的子组大小差异，帮助读者建立正确的性能思维。

### 核心概念

- **工作组（Workgroups）**：GPU并行执行的基本单位
- **子组（Subgroups）**：不同厂商硬件的子组大小差异
- **缓冲区设备地址**：高效的内存访问方式
- **描述符（Descriptors）**：资源管理机制

## 资源管理与绑定模型

文中介绍了如何使用缓冲区设备地址、描述符管理资源，说明了 Vulkan 绑定模型的基本工作原理及其在 Granite 中的实现细节，同时演示了如何借助 VK_EXT_descriptor_buffer 扩展简化描述符管理。

## 实践案例：ShaderToy移植

作者通过实例展示了将 ShaderToy 的图形着色器移植为计算着色器，拓展了计算着色器的应用边界。

## 进阶学习路径

作者建议逐步深入学习以下关键技术：

1. **原子操作与无锁编程**
2. **共享内存优化**
3. **子组操作**
4. **纹理采样与图像处理**
5. **内存一致性与多工作组通信**
6. **API同步与CPU-GPU流水线优化**
7. **最终回到光栅化图形渲染**

完成从计算到图形的全面能力构建。

## 总结

这篇文章为GPU编程的新手提供了一条极具实践意义的学习路径：抛弃传统图形渲染的繁琐，从计算着色器与强大调试工具入手，循序渐进掌握GPU的真正能力。对GPU编程爱好者和开发者而言，值得反复研读并实践。