一种异构并行系统下基于LSTM的光线深度追迹BSDF求解优化方法

本发明涉及一种异构并行系统下基于LSTM的光线深度追迹BSDF求解优化方法，涉及计算机图形学技术领域。该方法包括以下步骤：将BSDF求解大规模光线深度追迹任务划分为并行执行的子任务；获取异构系统中各计算单元的硬件参数，初始划分BSDF求解任务的基本单元，收集历史BSDF求解任务的历史数据；实时监测BSDF求解任务中各计算单元的负载状态；基于历史数据，构建LSTM深度学习模型，预测未来BSDF计算任务的负载值。本发明通过构建LSTM深度学习模型预测未来负载趋势，基于历史负载数据训练的LSTM网络建模时序关系，精准捕捉负载变化的长期依赖性，从而实现光线追迹任务的超前调度。