convchain-gpu

1.0.0 • Public • Published

ConvChainGPU

Vanilla javascript/WebGL2 (GPU) port of ConvChain.

Interactive example | Simple example 1 | Simple example 2 | Immutable example |

This implementation takes advantage of the GPU to allow the application of ConvChain on large fields. See benchmark results to see how it fares against the previous vanilla javascript (CPU) port.

Previous port (vanilla javascript / CPU) | Codegolfed version (js1k / CPU)

Installing

With npm do:

npm install convchain-gpu --save

Or with yarn do:

yarn add convchain-gpu

Basic example

const ConvChainGPU = require('convchain-gpu');
 
const samplePattern = [
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 0, 0, 0, 0, 1, 1, 1,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    1, 1, 1, 0, 0, 0, 0, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1
];
 
const width = 64;
const height = 32;
 
const convChain = new ConvChainGPU(samplePattern);
 
convChain.setField(width, height);
 
const generatedPattern = convChain.iterate(9, 3, 0.5).getUint8Array(); // a flat Uint8Array
 
// some code to display the result in the console
for (let y = 0; y < height; y++) {
    let s = '';
    for (let x = 0; x < width; x++) {
        s += ' ' + generatedPattern[+ y * width];
    }
    console.log(s);
}

Public API

Constructor

new ConvChain(sample[, sampleSize])

  • sample : Sample pattern as a flat array or a 2D array.
  • sampleSize : Indicate the width and height of the sample when used with a flat array, if omitted the sample pattern is assumed to be a square.
const testSample = [
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
    1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
    1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1
]; //flat array
 
const convChain = new ConvChainGPU(testSample, [14, 10]);
const testSample = [
    [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
    [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
    [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
    [1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
    [1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1],
    [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
    [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
    [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
]; //2D array
 
const convChain = new ConvChainGPU(testSample);

Methods

convChain.setSample(sample[, sampleSize])

Same arguments as the constructor.

convChain.setField(fieldWidth, fieldHeight[, values])

Resize the field at the given width and height. Initialize it at the given values if provided, otherwise fill it with random values.

  • fieldWidth : Width of the field, an integer greater than 3.
  • fieldHeight : Height of the field, an integer greater than 3.
  • values : Flat array containing the values to the values to inialiaze the field with.

convChain.iterate(iterations, n, temperature[, seed])

Iterate on and update the cells. Returns an object implementing the getUint8Array() method which can be used to retrieve the field values as a flat array. This object can also be used with the internal WebGL2 context as used in some of the examples.

  • iterations : Number of iterations.
  • n : Receptor size, an integer greater than 0.
  • temperature : Temperature, a float.
  • seed : Seed for the generation of random numbers. This is specifically used in conjunction with the temperature to decide whether one value should be modified.

Static method

ConvChainGPU.isSupported()

Return whether the current environment support the features required to use ConvChainGPU.

Tests the browser support for WebGL2 and the existence of the EXT_color_buffer_float extension.

Immutable cells / constraints

It is possible to set immutable cells in the field using setField() by passing values above 1. Any cell with a value greater than 1 will be left as is by ConvChainGPU. Odd values (2, 4, 6, ...) are considered immutable empty values and even values (1, 3, 5, ...) are considered immutable full values.

This feature can be used to generate a labyrinth around a hardcoded dungeon, generate a forest around a hardcoded village, generate the inside of hardcoded houses, etc.

Immutable example

Implementation details

The repository of the original implementation documents how the algorithm works. This implementation was slightly modified in order to take advantage of the GPU.

Whereas the original implementation update one cell per iteration, here the field is divided in regions of n x n (receptor size) and at each iteration one cell of each region is updated. For example with a field of size 30x30 and a receptor size of 3, the field is divided in 100 regions of 3x3 and at each iteration 100 cells are updated.

Roadmap

  • When no value is provided, initialize the field with random values on the GPU. This is currently done on the CPU. Which is an issue for large field.
  • See if it is possible to make the original vanilla js API compatible with this port, so that it can be more easily used as a fallback when the user browser doe not support WebGL2.

Changelog

1.0.0 (2019-03-22)

  • First implementation.

License

MIT

Versions

Current Tags

VersionDownloads (Last 7 Days)Tag
1.0.01latest

Version History

VersionDownloads (Last 7 Days)Published
1.0.01

Package Sidebar

Install

npm i convchain-gpu

Weekly Downloads

1

Version

1.0.0

License

MIT

Unpacked Size

32.7 kB

Total Files

7

Last publish

Collaborators

  • kchapelier