更新了不同的问题描述。我之前提出的问题所建议的双向路径跟踪不是一种选择。
我有一个蒙特卡罗代码，可以使用OpenCL进行一些计算（物理模拟）。主机代码是用Python和PyOpenCL编写的。 OpenCL内核的最终结果是图像的坐标图（x，y位置+强度/灰度值）（检测器数据）。我有3个矢量/ 1D阵列（x位置，y位置和灰度值各一个）。每个1D阵列具有大约1e6到1e8个，其中x，y是int，灰色值是浮点数。要创建的图像是几个1000x1000像素（1e6到1e7像素） 最终，我需要为每次运行创建多个图像（每个图像具有不同的坐标元组），因此效率和低内存使用变得非常重要。
从这些数据生成2D数组或图像的最快方法是什么？对同一位置（x，y）的多次写入确实发生，我无法找到并行或模拟期间执行此操作的良好解决方案（因为可能同时写入图像中的相同位置）。
我目前所做的是将3个矢量/ 1D数组复制回主机，并使用内联C函数在主机上连续生成图像。
代码中最耗时的部分是为3个1D阵列创建输出缓冲区阵列，然后在内核完成时从设备复制到主机。
如果我能做到这一点会很棒：
i）将数据保存在设备上并使用第二个内核进行映像生成（已测试，但如果是串行完成则非常慢）
ii）或者如果我可以在内核运行时进行图像生成，从而整体摆脱1D阵列。
ii）是首选，但我不知道该怎么做。 write_image是否识别多个工作项是否要写入同一个数组索引？ 我已经测试并行化i）为两个工作组生成2个独立的2D图像数组，每个工作组有1个工作项，每个项目迭代超过一半的1D向量（工作），但是对于更多的工作项和独立的图像，创建附加的开销2D数组花费的时间太长，占用的内存太多。
任何想法都表示赞赏。
答案 0 :(得分：2)
Python对于高性能应用程序来说并不是很好，特别是如果它涉及循环 - 与Matlab类似。
但是如果你想坚持使用Python并并行化你的代码，最好的方法是使用PyCuda，你可以为每个像素创建一个线程并在GPU上运行计算。
请注意，最有效的光线追踪是向后光线追踪，它将光线从相机发送到场景（例如，每个像素一条光线），这样你就不会浪费光线。否则永远不会到达相机。在尝试并行化代码之前，可能首先要了解并实现更高效的算法。
如果需要全局效果，可以查看（双向）路径跟踪和照片映射。