1.软件sp和cc是源码什么意思
2.3d稀疏卷积——spconv源码剖析（三）
3.UE5.1卡通渲染管线修改 学习笔记（改源码版）

软件sp和cc是什么意思

       软件SP是一种软件产品的简写，是修改英文单词“service pack”的缩写。它是源码一组微软公司推出的升级补丁，用于提供操作系统的修改安全性和稳定性。通常情况下，源码软件SP会把多种更新、修改社交工具源码修补、源码补丁和安全修复程序打包成一个升级文件，修改用户可以通过安装该文件来更新其计算机上的源码操作系统。

       软件CC是修改一些软件程序经过编译后生成的可执行文件的后缀名。在编译时，源码源代码会被转化为计算机可识别的修改二进制代码，并将其转换为可执行文件。源码这些可执行文件最终会使用软件CC的修改静态后台源码后缀名来命名。常见的源码软件CC有C++、Java、Python等，这些编译器通过转换源代码为机器码，使得程序具有了运行的能力。

       软件SP和CC在计算机软件领域中具有非常广泛的应用。软件SP通过打包多种更新和修复程序，可以快速成批更新操作系统，提高了计算机的安全性和稳定性，减少了计算机遭受黑客攻击和崩溃的几率。而软件CC则是编译器生成的可执行文件后缀名，是许多编程语言的标志。程序员们在编写代码时，王兴源码需要使用到相关软件CC将源代码编译成可执行文件，便于程序的调试和运行。

3d稀疏卷积——spconv源码剖析（三）

       构建Rulebook

       下面看ops.get_indice_pairs，位于：spconv/ops.py

       构建Rulebook由ops.get_indice_pairs接口完成

       get_indice_pairs函数具体实现：

       主要就是完成了一些参数的校验和预处理。首先，对于3d普通稀疏卷积，根据输入shape大小，kernel size，stride等参数计算出输出输出shape，子流行稀疏卷积就不必计算了，输出shape和输入shape一样大小

       准备好参数之后就进入最核心的get_indice_pairs函数。因为spconv通过torch.ops.load_library加载.so文件注册,所以这里通torch.ops.spconv.get_indice_pairs这种方式来调用该函数。

       算子注册：在src/spconv/all.cc文件中通过Pytorch提供的单峰突破源码OP Register(算子注册的方式)对底层c++ api进行了注册，可以python接口形式调用c++算子

       同C++ extension方式一样，OP Register也是Pytorch提供的一种底层扩展算子注册的方式。注册的算子可以通过 torch.xxx或者 tensor.xxx的方式进行调用，该方式同样与pytorch源码解耦，增加和修改算子不需要重新编译pytorch源码。用该方式注册一个新的算子，流程非常简单：先编写C++相关的算子实现，然后通过pytorch底层的注册接口（torch::RegisterOperators），将该算子注册即可。

       构建Rulebook实际通过python接口get_indice_pairs调用src/spconv/spconv_ops.cc文件种的getIndicePairs函数

       代码位于：src/spconv/spconv_ops.cc

       分析getIndicePairs直接将重心锁定在GPU逻辑部分，并且子流行3d稀疏卷积和正常3d稀疏卷积分开讨论，优先子流行3d稀疏卷积。

       代码中最重要的全网指标源码3个变量分别为：indicePairs，indiceNum和gridOut，其建立过程如下：

       indicePairs代表了稀疏卷积输入输出的映射规则，即Input Hash Table 和 Output Hash Table。这里分配理论最大的内存，它的shape为{ 2,kernelVolume,numAct}，2表示输入和输出两个方向，kernelVolume为卷积核的volume size。例如一个3x3x3的卷积核，其volume size就是(3*3*3)。numAct表示输入有效(active)特征的数量。indiceNum用于保存卷积核每一个位置上的总的计算的次数，indiceNum对应中的count

       代码中关于gpu建立rulebook调用create_submconv_indice_pair_cuda函数来完成，下面具体分析下create_submconv_indice_pair_cuda函数

       子流线稀疏卷积

       子流线稀疏卷积是调用create_submconv_indice_pair_cuda函数来构建rulebook

       在create_submconv_indice_pair_cuda大可不必深究以下动态分发机制的运行原理。

       直接将重心锁定在核函数：

       prepareSubMGridKernel核函数中grid_size和block_size实则都是用的整形变量。其中block_size为tv::cuda::CUDA_NUM_THREADS,在include/tensorview/cuda_utils.h文件中定义，大小为。而grid_size大小通过tv::cuda::getBlocks(numActIn)计算得到,其中numActIn表示有效(active)输入数据的数量。

       prepareSubMGridKernel作用：建立输出张量坐标(通过index表示)到输出序号之间的一张哈希表

       见：include/spconv/indice.cu.h

       这里计算index换了一种模板加递归的写法，看起来比较复杂而已。令：new_indicesIn = indicesIn.data()，可以推导得出index为：

       ArrayIndexRowMajor位于include/tensorview/tensorview.h，其递归调用写法如下：

       接着看核函数getSubMIndicePairsKernel3：

       位于：include/spconv/indice.cu.h

       看：

       上述写法类似我们函数中常见的循环的写法，具体可以查看include/tensorview/kernel_utils.h

       NumILP按默认值等于1的话，其stride也是gridDim.x*blockDim.x。索引最大值要小于该线程块的线程上限索引blockDim.x * gridDim.x，功能与下面代码类似：

       参考： blog.csdn.net/ChuiGeDaQ...

UE5.1卡通渲染管线修改 学习笔记（改源码版）

       UE5.1的卡通渲染管线修改笔记

       起始于提升MMD制作质量的需求，从C4D的octane到Blender的Eevee和Cycle，再到现在的UE5，探索了各种卡渲方法，包括后处理和自发光。现在转向直接修改源码，回顾过去发现自己的学习路径混乱，缺乏记录，因此决定补写这篇学习笔记，以供参考。

       在探索过程中，我借鉴了前辈们在卡通渲染领域的成果，通过预加载ToonShaderShadowAtlas和ToonShaderSpecularAtlas两个曲线图谱，以及相应的Sampler和高度参数。添加ShadingModel时，我选择了Toon、ToonSSP和ToonSDF，涉及了阴影重映射、高光重映射，以及整体阴影着色的优化。

       对于KajiyaKai高光，我利用Anisotropy作为输入，并通过一个参数控制是否启用。SDF阴影着色方面，尝试将算法内置Shader以解决现有问题，尽管初期尝试受限。扩展GBuffer以适应新增ShadingModel的需求，特别关注了ToonData的处理。

       在Material文件夹中，我创建了MaterialExpressionToonShaderCustomOutput，结合ToonCurve选择、环境反射、SDF输入等功能，实现了定制化的输出。同时，我还注意到了Lumen修正和BackFace方案的选用。

       UE5.1版本中，修改CreateToonOutLinePassProcessor是关键步骤，以处理超过个Pass的问题。尽管扩展ShadingModel上限的方案暂未使用，但已做了相关笔记，涉及GBufferInfo、ShaderGenerationUtil和EngineType的改动。

       总结来说，本文记录了从理论学习到实践应用的UE5.1卡通渲染管线修改过程，供后来者参考和学习。