问InterlockedAdd HLSL电位优化

EN

我想知道是否有人知道HLSL InterlockedAdd是否会进行某种优化，特别是当大量线程在单个全局原子计数器上使用它(所有线程的附加值都是常数)时。

我在网络上发现的一些信息表明，原子添加会造成重大的争用问题：https://developer.nvidia.com/blog/cuda-pro-tip-optimized-filtering-warp-aggregated-atomics/

当然，上面这篇文章是为CUDA写的(也是在2014年的时候写的)，而我对HLSL InterlockedAdd很感兴趣。为了达到这个目的，我编写了一个虚拟的HLSL着色器，用于统一(据我所知，通过FXC编译成d3d11 )，其中我在一个全局原子计数器上调用InterlockedAdd，这样所有阴影片段的附加值都是相同的。问题中的片段(运行在http://shader-playground.timjones.io/中，通过FXC编译，优化lvl 3，阴影模型5.0)：

**HLSL**:
RWStructuredBuffer<int> counter : register(u1);
void PSMain()
{
    InterlockedAdd(counter[0], 1);
}
----
**Assembly**:
ps_5_0
dcl_globalFlags refactoringAllowed
dcl_uav_structured u1, 4
atomic_iadd u1, l(0, 0, 0, 0), l(1)
ret 

然后，我稍微修改了代码，而不是总是添加一些常量值，而是添加了一个随片段而变化的值，如下所示：

**HLSL**:
RWStructuredBuffer<int> counter : register(u1);
void PSMain(float4 pixel_pos : SV_Position)
{
    InterlockedAdd(counter[0], int(pixel_pos.x));
}
----
**Assmebly**:
ps_5_0
dcl_globalFlags refactoringAllowed
dcl_uav_structured u1, 4
dcl_input_ps_siv linear noperspective v0.x, position
dcl_temps 1
ftoi r0.x, v0.x
atomic_iadd u1, l(0, 0, 0, 0), r0.x
ret 

我在联合中实现了上述代码片段的等价物，并使用它们作为我的片段着色器来呈现全屏四角体(当然，没有输出语义，但这是不相关的)。我用Nsight Grphics描述了最终的着色器。可以说，两个抽签调用之间的差异是巨大的，基于第二个片段的片段着色器(具有可变值的InterlockedAdd)要慢得多。

我还使用RenderDoc进行捕获，以检查程序集，它们看起来与上面显示的相同。装配代码中没有任何东西显示出如此巨大的差异。然而，差别就在这里。

因此，我的问题是:在单个全局原子计数器上使用HLSL InterlockedAdd时，是否存在某种优化，以至于附加值是一个常数？也许，GPU驱动程序可以以某种方式重新排列代码吗？

系统规格：

P4000

• Windows 10

• 2019.4