drjit 0.4.6

关于此项目

Dr.Jit 是一个用于普通和可微分计算的 即时编译器。它最初是作为 Mitsuba 3 的数值基础创建的，Mitsuba 3 是一个可微分的 蒙特卡洛 渲染器。然而，Dr.Jit 是一个通用工具，还可以帮助进行各种其他类型的并行计算。

Dr.Jit 主要促进以下三个步骤

• 向量化与跟踪：当 Dr.Jit 遇到一个操作（例如，一个加法 a + b）时，它不会立即执行它：相反，它会记住在某个稍后的时间需要加法，并通过将其记录到图表示（这称为 跟踪）来记住。最终，它将通过 即时编译（JIT）将记录的操作编译成一个 融合 内核，使用 LLVM（当针对CPU时）或 CUDA（当针对GPU时）。值 a 和 b 通常是由许多元素组成的数组，系统使用多核并行性和向量指令集（如 AVX512 或 ARM Neon）并行化它们的评估。

  Dr.Jit 对于蒙特卡洛方法非常理想，在这些方法中，必须对数百万个随机样本重复相同的计算。Dr.Jit为目标平台动态生成专门的并行代码。作为后备，Dr.Jit也可以在不进行JIT编译的情况下使用，这使得项目成为一个仅包含头文件的向量库，没有外部依赖。

• 微分：如果需要，Dr.Jit 可以使用 自动微分（AD）来计算导数，使用 正向或反向模式累积。微分和跟踪协同产生专门的导数评估代码。

• Python: 在 C++17 和 Python 中可以访问 Dr.Jit 类型。代码可以在任一语言中开发，甚至可以同时使用这两种语言。Python 和 C++ 代码的组合可以联合跟踪和区分。

Dr.Jit 可以处理具有自定义数据结构、副作用和多态的大型程序。它包括一个数学支持库，包括超越函数和向量、矩阵、复数、四元数等类型。

与机器学习框架的差异

当可以使用基于 Python 的 ML 框架（如 JAX、Tensorflow 和 PyTorch）以及后端（如 XLA 和 TorchScript）进行动态导数编译时，我们为什么还要创建 Dr.Jit 呢？

原因与典型的工作负载有关：机器学习涉及小型的计算图，但它们由诸如卷积、矩阵乘法等算术密集型操作组成。Dr.Jit 所激励的应用（可微渲染）创建出巨大的混乱的计算图，由 10K 到数百万个“平凡”节点（基本算术运算）组成。根据我们的经验，ML 编译后端使用内部表示和优化传递，对于这种类型的输入来说过于丰富，导致它们在编译时崩溃或超时。如果你遇到过此类问题，你可能会发现 Dr.Jit 很有用。

克隆

Dr.Jit 递归依赖于两个其他仓库：用于 Python 绑定的 pybind11 和提供 JIT 编译器核心组件的 drjit-core。

要获取包括这些依赖项在内的整个项目，请使用以下命令克隆项目并使用 --recursive 标志：

$ git clone --recursive https://github.com/mitsuba-renderer/drjit

文档

请参阅 readthedocs.io 上的 Dr.Jit 页面以获取示例代码和参考文档。

参考文献，引用

请参阅论文 Dr.Jit: A Just-In-Time Compiler for Differentiable Rendering，了解详细信息和激励此项目的相关问题。还有一个 视频演示，解释了更高层次的设计决策。

如果你在自己的研究中使用了 Dr.Jit，请使用以下 BibTeX 条目进行引用

@article{Jakob2022DrJit,
  author = {Wenzel Jakob and S{\'e}bastien Speierer and Nicolas Roussel and Delio Vicini},
  title = {Dr.Jit: A Just-In-Time Compiler for Differentiable Rendering},
  journal = {Transactions on Graphics (Proceedings of SIGGRAPH)},
  volume = {41},
  number = {4},
  year = {2022},
  month = jul,
  doi = {10.1145/3528223.3530099}
}

标志和历史

Dr.Jit 标志是由 Otto Jakob 慷慨创作的。前缀 “Dr.” 同时缩短了 可微渲染 和风格化的偏导数 D，同时也传达了强调 阿斯克勒庇俄斯之杖 的医疗含义。可微渲染算法在概念和实现层面上的复杂性已经超出了我们的控制。医生是一个可以在这种极度需要帮助的时刻提供帮助的人。 Dr.Jit 尝试扮演这个角色，以提高可微渲染研究者的福祉。

Dr.Jit 是 Enoki 项目的继任者，其高级 API 仍然与 Enoki 的 API 有一定相似之处。该系统向不同的方法发展，并有一个全新的实现，因此决定使用不同的项目名称。