Mali GPU

 

 

vs里先做了face frustrum sample三种test 剩下的 没被剔掉的 才做了varying的计算

然后genereate plygon list 写入system memory

 

 

transaction elimination是mali的一个gpu优化技术

TE  为了省带宽做的

以tile为单位做比较 没更新内容的tile就不传了 用旧的

https://developer.arm.com/architectures/media-architectures/transaction-elimination

帧与帧之间 的比较 全格式支持

16x16pixels 的tile

 

mali 

Bifrost  G系列

Midgard T系列   低配在这里 从这里看 opengl3.0支持

Utgard 这个没有手机用 不用看了 耶

  耶 ogl2扔掉

 

Index-Driven Vertex Shading (IDVS)

把position和其它attitude分开放

https://developer.arm.com/solutions/graphics/developer-guides/the-bifrost-shader-core/index-driven-geometry-pipeline

https://community.arm.com/developer/tools-software/graphics/b/blog/posts/eats-shoots-and-interleaves

这个功能有些鸡肋，mali上多半bifrost性能够了 midgrard需要优化 可idvs低端机又不支持。。。

高端机做的feature更高，低端机还是得阉。。噢 一套数据就可以了 运行时分平台bind  pack吧。。

 

mali的shadercore是unified的 

一种core 可以做三种计算 vertex shader，fragment shader，compute kernel

 

 

MIDGARD

这个是弱一些的

MaliT系列

BIFROST

是Mali高端的G系列----摇摇欲坠的天国之路

这两者在GPU block model部分是一样的（对shader core的调度） 只是Bifrost最高32core并行 Midgard最高16core

 

vertex queue-----vertex/tile/compute  tile是fixed管线

fragment queue--fragment

一个rendertarget的task进一个queue

一个queue的工作可以给多个shader core并行

多个queue的工作可以在一个shader core上并行

不同rt的vertex queue和fragment queue也可以并行

一个rt的vq和fq之间 必然是线性的了  fq对vq有依赖

 

L2cache减小的带宽在于 重复数据 的fetch  只拿一次  省的是这部分

L2cache的大小   32-64KB / shader core

L2cache到总线（system memory）的port的数量和带宽可配置 数据在32bit pixel/core/clock

8-core design to have a total of 256-bits of memory bandwidth (for both read and write) per clock cycle

bifrost 这里最高做到12core以上的带宽量 这里高于midgard

 

midgard shadercore

tripipe是可编程部分 其它是固定管线部分

tripipe有三部分功能

算术运算A-pipe

memory load/sstore 和 varying access --LS-pipe

texture access--texture unit  ---T-pipe        bilinear filter一个clock，trilinear需要两个时钟周期 因为采样两级mipmap

=================

bifrost shadercore

 

bifrost的固定部分和midgard类似

由excution core替代了 tripipe因为超过三部分了。。

一个core里面有一个或者多个excution engine做算术运算 和thread state

Load/store unit

varying unit

ZS/blend unit  ---depth stencil /blend

texture unit   bilinear filter一个clock，trilinear需要两个时钟周期 因为采样两级mipmap

 

 

https://community.arm.com/developer/tools-software/graphics/b/blog/posts/the-mali-gpu-an-abstract-machine-part-4---the-bifrost-shader-core

https://community.arm.com/developer/tools-software/graphics/b/blog/posts/the-mali-gpu-an-abstract-machine-part-3---the-midgard-shader-core

https://admin.jlb.kr/upload/abstract/190007/259.pdf

unite 2019

 

http://fileadmin.cs.lth.se/cs/Education/EDAN35/guestLectures/ARM-Mali.pdf

midgard

https://www.hotchips.org/wp-content/uploads/hc_archives/hc28/HC28.22-Monday-Epub/HC28.22.10-GPU-HPC-Epub/HC28.22.110-Bifrost-JemDavies-ARM-v04-9.pdf

bifrost

 

 

G76 streamline原始数据

 

MIDGARD

memory system

每个shader core 俩16k的L1cache--一个给texture fetche一个给geometry

所有的shader cores公用一个32K-64K的L2cache 

L1和L2使用 64 byte cache lines

然后这部分信息 对优化compute shader 增加cache locality有帮助 这部分信息目前我还不太了解 mark

 

DDR 是Double Data Rate 随机存储器  ---内存 在时钟升沿降沿都能读写数据 所以是double rate

GPU Limits 

If we scale this to a Mali-T760 MP8 running at 600MHz we can calculate the theoretical peak performance as:

• • Fillrate:
    • 8 pixels per clock = 4.8 GPix/s
    • That's 2314 complete 1080p frames per second!
  • Texture rate:
    • 8 bilinear texels per clock = 4.8 GTex/s
    • That's 38 bilinear filtered texture lookups per pixel for 1080p @ 60 FPS!
  • Arithmetic rate:
    • 17 FP32 FLOPS per pipe per core = 163 FP32 GFLOPS
    • That's 1311 FLOPS per pixel for 1080p @ 60 FPS!
  • Bandwidth:
    • 256-bits of memory access per clock = 19.2GB/s read and write bandwidth1.
    • That's 154 bytes per pixel for 1080p @ 60 FPS!

带宽看上去比苹果小些哦。。。

他还说。。。。compute shader 和vertex shader 行为是一致的。。。interesting 把顶点看成cs的一维数据

 

BIFROST

The Execution Engines: Arithmetic Processing

这种quardthread 更好的并行 T0 T1 T2 T3 

一个quard 128bits 一个clock 就是横着一排

无论vector几都可以就这样往上排

=========

quad对应warp

是一组thread 4个一组这里叫quad

=======

 

The Execution Engines: Thread State

 

ZS/Blend unit

　　所有tile memory access 在这里

• https://www.khronos.org/registry/gles/extensions/EXT/EXT_shader_pixel_local_storage.txt
• https://www.khronos.org/registry/gles/extensions/ARM/ARM_shader_framebuffer_fetch.txt
• and the merged sub-pass functionality in Vulkan.

 

Varying unit

　　varying interpolator

　　插值用的 varying的access在load store unit（LS pipe） 它有cache

　　128bits/quard/clock

　　fp16 vector4 一个quard需要2clock （16x4=）

Load store unit

　　vertex attribute fetch,

　　 varying fetch,

　　 buffer accesses,

　　and thread stack accesses.

　　他有一个16K L1cache 公用L2cache

      64bytes  cache line/clock

　　quard thread 128bits 被优化到一个clock（4thread）

 

　　

 

bifrost这里 把对memory 的访问分成三个units

load/store cache access, varying interpolation, tile-buffer accesses

midgard 这里就一个 unit

这种改变 增加了 三部分的并行 减小资源竞争 缓解LSpipe压力

 

texture unit --16K L1cache /core， 公用L2 ，双线性一个clock/texel

　　三线性 2 clock/texel 因为 需要mipmap 两级bilinear filer

　　volumetric 3d texture  两倍cycle of 2d

　　16bits/color channel 需要更多cycles/pixel

　　but Bifrost 采样 depth16 和depth24时做了优化 1cycle/texel  比midgard快一倍

 

 

======================