04 — 康威生命游戏¶
示例文件：
examples/04_conway.py
Loss 曲线，训练可视化 —— 前面太正经了。 歇一歇，来搞个好玩的：康威生命游戏，全跑在 GPU 上，零拷贝显示， 右边一排按钮和滑条让你当上帝。
更重要的是，这一章要说明一件事：create_tensor 不只是给训练用的。
任何 GPU 计算都可以通过 Vultorch 的共享显存显示出来 —— 模拟、
程序化生成、物理仿真，只要是 CUDA 上跑的，都行。
这次玩什么¶
一个 256×256 的元胞自动机，带控制面板：
| 区域 | 内容 |
|---|---|
| 左侧 | Controls — 播放/暂停、单步、速度滑条、经典图案按钮、颜色选择器 |
| 右侧 | Grid — 模拟画面，像素级精确（filter="nearest"） |
整个模拟跑在 GPU 上。显示用的 tensor 通过 create_tensor 分配，
零拷贝 —— 网格数据不经过 CPU。
新朋友¶
| 新东西 | 干什么用 | 为什么重要 |
|---|---|---|
filter="nearest" |
每个像素显示为清晰的方块，不做模糊 | 没有它的话双线性插值会把格子边界糊掉。跟 plt.imshow(data, interpolation='nearest') 一个道理 |
side="left" 侧边栏 |
把面板放到左边，占窗口 22% | 给你一个永久的控制条 |
@panel.on_frame |
面板级控件回调 | 按钮、滑条、颜色选择器都放这里 |
panel.button(标签) |
一个可点击的按钮 | 被点击的那一帧返回 True |
with panel.row(): |
把接下来的控件放在同一行 | 默认控件是一行一个的（跟 print() 一样）。用 with panel.row(): 可以把两个按钮并排。就是个 Python with 块 —— 块里的东西都放同一行 |
panel.color_picker |
RGB 颜色选择器 | 点色块打开调色板 |
| 循环 padding + conv2d | GPU 并行数邻居 | 整个模拟就是一次卷积 |
模拟的核心技巧¶
数康威生命游戏里的邻居个数，本质上就是一次 2D 卷积，用一个 3×3 的卷积核（中心为 0）：
PyTorch 的 F.conv2d 一个 GPU kernel 调用就搞定 —— 不需要循环，
不需要逐像素的逻辑。circular padding 让边缘环绕，飞行器飞出右边
会从左边冒出来。
kernel = torch.tensor([[1, 1, 1],
[1, 0, 1],
[1, 1, 1]], dtype=torch.float32, device=device)
padded = F.pad(inp, (1, 1, 1, 1), mode='circular')
neighbours = F.conv2d(padded, kernel.reshape(1, 1, 3, 3)).squeeze()
然后规则就是两个布尔 mask：
survive = (grid == 1) & ((neighbours == 2) | (neighbours == 3))
birth = (grid == 0) & (neighbours == 3)
grid[:] = (survive | birth).float()
完整代码¶
import torch
import vultorch
if not torch.cuda.is_available():
raise RuntimeError("This example needs CUDA")
device = "cuda"
# ── 网格参数 ──────────────────────────────────────────────────────
GRID_H, GRID_W = 256, 256
# ── 视图 + 面板 ──────────────────────────────────────────────────
view = vultorch.View("04 - Conway's Game of Life", 1024, 768)
grid_panel = view.panel("Grid")
ctrl_panel = view.panel("Controls", side="left", width=0.22)
# ── 显示 tensor（RGBA，零拷贝）────────────────────────────────────
display = vultorch.create_tensor(GRID_H, GRID_W, channels=4,
device=device, name="grid",
window=view.window)
canvas = grid_panel.canvas("grid", filter="nearest")
canvas.bind(display)
# ── 模拟状态 ─────────────────────────────────────────────────────
grid = torch.zeros(GRID_H, GRID_W, dtype=torch.float32, device=device)
state = {
"running": False,
"generation": 0,
"speed": 1,
"prob": 0.3,
"alive_color": (0.0, 1.0, 0.4),
"dead_color": (0.05, 0.05, 0.08),
}
def randomize():
grid[:] = (torch.rand(GRID_H, GRID_W, device=device) < state["prob"]).float()
state["generation"] = 0
def clear():
grid.zero_()
state["generation"] = 0
def step_simulation():
kernel = torch.tensor([[1, 1, 1],
[1, 0, 1],
[1, 1, 1]], dtype=torch.float32, device=device)
inp = grid.unsqueeze(0).unsqueeze(0)
k = kernel.unsqueeze(0).unsqueeze(0)
padded = torch.nn.functional.pad(inp, (1, 1, 1, 1), mode='circular')
neighbours = torch.nn.functional.conv2d(padded, k).squeeze()
survive = (grid == 1) & ((neighbours == 2) | (neighbours == 3))
birth = (grid == 0) & (neighbours == 3)
grid[:] = (survive | birth).float()
state["generation"] += 1
def grid_to_display():
alive_r, alive_g, alive_b = state["alive_color"]
dead_r, dead_g, dead_b = state["dead_color"]
display[:, :, 0] = dead_r + (alive_r - dead_r) * grid
display[:, :, 1] = dead_g + (alive_g - dead_g) * grid
display[:, :, 2] = dead_b + (alive_b - dead_b) * grid
display[:, :, 3] = 1.0
randomize()
@view.on_frame
def update():
if state["running"]:
for _ in range(state["speed"]):
step_simulation()
grid_to_display()
@ctrl_panel.on_frame
def draw_controls():
ctrl_panel.text(f"Generation: {state['generation']}")
ctrl_panel.text(f"Alive cells: {int(grid.sum().item())}")
ctrl_panel.text(f"FPS: {view.fps:.1f}")
ctrl_panel.separator()
with ctrl_panel.row():
label = "Pause" if state["running"] else "Play"
if ctrl_panel.button(label, width=80):
state["running"] = not state["running"]
if ctrl_panel.button("Step", width=80):
step_simulation()
with ctrl_panel.row():
if ctrl_panel.button("Randomize", width=80):
randomize()
if ctrl_panel.button("Clear", width=80):
clear()
ctrl_panel.separator()
state["speed"] = ctrl_panel.slider_int("Speed", 1, 20, default=1)
state["prob"] = ctrl_panel.slider("Cell Probability", 0.05, 0.8,
default=0.3)
ctrl_panel.separator()
ctrl_panel.text("Colors")
state["alive_color"] = ctrl_panel.color_picker(
"Alive", default=(0.0, 1.0, 0.4))
state["dead_color"] = ctrl_panel.color_picker(
"Dead", default=(0.05, 0.05, 0.08))
ctrl_panel.separator()
ctrl_panel.text("Patterns")
with ctrl_panel.row():
if ctrl_panel.button("Glider", width=80):
clear()
grid[1, 2] = 1; grid[2, 3] = 1
grid[3, 1] = 1; grid[3, 2] = 1; grid[3, 3] = 1
if ctrl_panel.button("Pulsar", width=80):
clear()
# ... 放置 Pulsar 图案 ...
if ctrl_panel.button("Gosper Gun", width=100):
clear()
# ... 放置 Gosper 滑翔机枪 ...
ctrl_panel.separator()
ctrl_panel.text_wrapped(
"点 Play 开始，或者 Step 单步。"
"Randomize 重新随机填充。"
)
view.run()
（完整的示例文件中包含所有图案放置的辅助函数。）
刚才发生了什么？¶
-
网格 — 一个普通的
(256, 256)float32 CUDA tensor。1.0就是活的，0.0就是死的。不需要类，不需要花哨的数据结构 —— 就一个 tensor。 -
模拟 —
step_simulation()用F.conv2d配合 circular padding 数邻居， 然后用布尔 mask 应用出生/存活规则。整代只需要两个 GPU kernel。 -
显示 —
create_tensor分配 Vulkan/CUDA 共享显存。grid_to_display()在存活和死亡颜色之间插值，写进去就行。零拷贝上屏。 -
控制面板 —
@ctrl_panel.on_frame把所有控件画在 Controls 面板内部。panel.button()、panel.slider_int()、panel.color_picker()、with panel.row()让布局紧凑。状态就用一个普通 Python dict 管理。
要点¶
-
create_tensor不只是给训练用的 — 任何 GPU 计算只要产出 类似图像的 tensor，都可以零拷贝显示。 -
filter="nearest"— 像素画 / 网格模拟的必选项。 没有它的话双线性插值会把格子边界糊成一坨。 跟plt.imshow(data, interpolation='nearest')一个意思 —— 你想看到真实的像素。 -
卷积 = 数邻居 — 一个小技巧，用一个 GPU kernel 替代嵌套 Python 循环。 即使网格很大，游戏也能跑到几百 FPS。
-
面板控件 — 在
@panel.on_frame里调用panel.button()、panel.slider_int()、panel.color_picker()。 每个调用创建一个控件，自上而下排列，跟print()输出一样。 不需要写任何定位代码。 -
with panel.row():— 默认控件每行一个。 把几个控件调用包在with panel.row():里，它们就会并排在同一行。 就是个 Pythonwith块，没什么复杂的。 -
经典图案 — Glider、Pulsar、Gosper Gun 按钮展示了怎么通过 直接往 grid tensor 里写值来设初始条件。
提示
Speed 滑条拉到 20，看网格以每帧 20 代的速度演化。 现代 GPU 上帧率依然稳稳 60+。
说明
网格环绕是因为用了 mode='circular' padding。
滑翔机从右边飞出去会从左边冒出来。