the beginning of the implementation of Vulkan

Co-authored-by: Copilot <copilot@github.com>

.vscode/launch.json

@@ -1,7 +0,0 @@
-{
-    // Используйте IntelliSense, чтобы узнать о возможных атрибутах.
-    // Наведите указатель мыши, чтобы просмотреть описания существующих атрибутов.
-    // Для получения дополнительной информации посетите: https://go.microsoft.com/fwlink/?linkid=830387
-    "version": "0.2.0",
-    "configurations": []
-}

.vscode/tasks.json

@@ -8,13 +8,13 @@
                 "-fdiagnostics-color=always",
                 "-g",
                 "-fopenmp",
-                "${fileDirname}/main.cpp",
+                "${workspaceFolder}/main.cpp",
-                "${fileDirname}/Xenith/core.cpp",
+                "${workspaceFolder}/Xenith/core.cpp",
-                "${fileDirname}/Xenith/token/token.cpp", 
+                "${workspaceFolder}/Xenith/token/token.cpp",
-                "-o",
+                "-I", "${workspaceFolder}/Xenith",
-                "${fileDirname}/main",
+                "-I", "${workspaceFolder}/Xenith/token",
-                "-I", "${fileDirname}/Xenith",
+                "-o", "${workspaceFolder}/main",
-                "-I", "${fileDirname}/Xenith/token" 
+                "-lvulkan"
             ],
             "options": {
                 "cwd": "${fileDirname}"

Xenith/core.cpp

@@ -2,10 +2,56 @@
 #include <cmath>
 #include <cstdlib>
 #include <omp.h> 
+#include <vulkan/vulkan.h>
+#include <iostream>
+#include <vector>
+#include <chrono>
+#include <fstream>
 
-#define MAX_CORES 16
 
-NeuralNetwork::NeuralNetwork(LayerStructure_t layers[], int count) : numLayers(count) {
+
+NeuralNetwork::NeuralNetwork(LayerStructure_t layers[], int count, bool useVulkan) : numLayers(count) {
+
+    if (useVulkan) {
+        vk::ApplicationInfo appInfo{"Xenith", 1, nullptr, 0, VK_API_VERSION_1_1};
+        instance = vk::createInstance({{}, &appInfo});
+        
+        // 2. Выбор видеокарты
+        auto physicalDevices = instance.enumeratePhysicalDevices();
+        if (physicalDevices.empty()) throw std::runtime_error("GPU с поддержкой Vulkan не найдены!");
+        physDev = physicalDevices[0];
+        
+        std::cout << "Используем GPU: " << physDev.getProperties().deviceName << std::endl;
+
+        // 3. Поиск очереди для вычислений (Compute)
+        auto queueProps = physDev.getQueueFamilyProperties();
+        int computeFamily = -1;
+        for (int i = 0; i < queueProps.size(); i++) {
+            if (queueProps[i].queueFlags & vk::QueueFlagBits::eCompute) {
+                computeFamily = i; 
+                break;
+            }
+        }
+        
+        if (computeFamily == -1) throw std::runtime_error("GPU не поддерживает вычисления (Compute)");
+        
+        // ВАЖНО: Сохраняем индекс в переменную класса, чтобы использовать её везде
+        this->computeQueueFamilyIndex = (uint32_t)computeFamily;
+
+        // 4. Создание логического устройства
+        float priority = 1.0f;
+        vk::DeviceQueueCreateInfo queueInfo({}, computeQueueFamilyIndex, 1, &priority);
+        vk::DeviceCreateInfo deviceCreateInfo({}, 1, &queueInfo); 
+        device = physDev.createDevice(deviceCreateInfo);
+
+        // 5. Получаем саму очередь
+        queue = device.getQueue(computeQueueFamilyIndex, 0);
+
+        // 6. Создаем пул команд (теперь используем правильный индекс)
+        vk::CommandPoolCreateInfo poolInfo({}, computeQueueFamilyIndex);
+        cmdPool = device.createCommandPool(poolInfo);
+    }
+
     for (int i = 0; i < count; i++) sizes.push_back(layers[i].size);
     for (int i = 0; i < count - 1; i++) {
         std::vector<std::vector<double>> layerW;
@@ -41,8 +87,9 @@ std::vector<double> NeuralNetwork::feedForward(const std::vector<double>& input)
 }
 
 
+
 double NeuralNetwork::train(const std::vector<double>& input, const std::vector<double>& target, double lr) {
-    omp_set_num_threads(MAX_CORES);
+    omp_set_num_threads(cpu_count);
 
     std::vector<double> pred = feedForward(input);
     std::vector<std::vector<double>> errors(numLayers);
@@ -83,3 +130,126 @@ double NeuralNetwork::train(const std::vector<double>& input, const std::vector<
 
     return totalErr;
 }
+
+uint32_t NeuralNetwork::findMemoryType(uint32_t typeFilter, vk::MemoryPropertyFlags properties) {
+    vk::PhysicalDeviceMemoryProperties memProperties = physDev.getMemoryProperties();
+    for (uint32_t i = 0; i < memProperties.memoryTypeCount; i++) {
+        if ((typeFilter & (1 << i)) && (memProperties.memoryTypes[i].propertyFlags & properties) == properties) {
+            return i;
+        }
+    }
+    throw std::runtime_error("Не удалось найти подходящий тип памяти!");
+}
+
+
+// Внутри класса NeuralNetwork в секции private:
+std::vector<char> NeuralNetwork::readFile(const std::string& filename) {
+    std::ifstream file(filename, std::ios::ate | std::ios::binary);
+
+    if (!file.is_open()) {
+        throw std::runtime_error("Не удалось открыть файл шейдера: " + filename);
+    }
+
+    size_t fileSize = (size_t)file.tellg();
+    std::vector<char> buffer(fileSize);
+
+    file.seekg(0);
+    file.read(buffer.data(), fileSize);
+    file.close();
+
+    return buffer;
+}
+
+
+double NeuralNetwork::trainVulkan() {
+    // 1. Создание буферов
+    vk::Buffer inputBuffer = device.createBuffer({{}, sizeof(float) * 2, vk::BufferUsageFlagBits::eStorageBuffer});
+    vk::Buffer outputBuffer = device.createBuffer({{}, sizeof(float), vk::BufferUsageFlagBits::eStorageBuffer});
+    
+    // 2. Выделение и привязка памяти для ВХОДА
+    vk::MemoryRequirements inReq = device.getBufferMemoryRequirements(inputBuffer);
+    vk::DeviceMemory inputMemory = device.allocateMemory({
+        inReq.size, 
+        findMemoryType(inReq.memoryTypeBits, vk::MemoryPropertyFlagBits::eHostVisible | vk::MemoryPropertyFlagBits::eHostCoherent)
+    });
+    device.bindBufferMemory(inputBuffer, inputMemory, 0); // КРИТИЧНО: привязываем память к буферу
+
+    // 3. Копирование данных во входной буфер
+    float inputData[2] = {2.51f, 2.32f};
+    void* pIn = device.mapMemory(inputMemory, 0, sizeof(float) * 2);
+    memcpy(pIn, inputData, sizeof(float) * 2);
+    device.unmapMemory(inputMemory);
+
+    // 4. Выделение и привязка памяти для ВЫХОДА
+    vk::MemoryRequirements outReq = device.getBufferMemoryRequirements(outputBuffer);
+    vk::DeviceMemory outputMemory = device.allocateMemory({
+        outReq.size, 
+        findMemoryType(outReq.memoryTypeBits, vk::MemoryPropertyFlagBits::eHostVisible | vk::MemoryPropertyFlagBits::eHostCoherent)
+    });
+    device.bindBufferMemory(outputBuffer, outputMemory, 0);
+
+    // 5. ДЕСКРИПТОРЫ (Связь C++ -> Шейдер)
+    // Описываем, что у нас есть 2 слота (binding 0 и 1)
+    std::vector<vk::DescriptorSetLayoutBinding> bindings = {
+        {0, vk::DescriptorType::eStorageBuffer, 1, vk::ShaderStageFlagBits::eCompute},
+        {1, vk::DescriptorType::eStorageBuffer, 1, vk::ShaderStageFlagBits::eCompute}
+    };
+    vk::DescriptorSetLayout dsLayout = device.createDescriptorSetLayout({{}, (uint32_t)bindings.size(), bindings.data()});
+    
+    // Создаем пул и выделяем сет дескрипторов
+    vk::DescriptorPoolSize poolSize{vk::DescriptorType::eStorageBuffer, 2};
+    vk::DescriptorPool pool = device.createDescriptorPool({{}, 1, 1, &poolSize});
+    vk::DescriptorSet ds = device.allocateDescriptorSets({pool, 1, &dsLayout})[0];
+
+    // Указываем, какие именно буферы в какие слоты вставить
+    vk::DescriptorBufferInfo bInInfo{inputBuffer, 0, VK_WHOLE_SIZE};
+    vk::DescriptorBufferInfo bOutInfo{outputBuffer, 0, VK_WHOLE_SIZE};
+    device.updateDescriptorSets({
+        {ds, 0, 0, 1, vk::DescriptorType::eStorageBuffer, nullptr, &bInInfo},
+        {ds, 1, 0, 1, vk::DescriptorType::eStorageBuffer, nullptr, &bOutInfo}
+    }, {});
+
+    // 6. ПАЙПЛАЙН (Загрузка шейдера)
+    auto shaderCode = readFile("shader.comp.spv"); // Твоя функция чтения файла
+    vk::ShaderModule shaderModule = device.createShaderModule({{}, shaderCode.size(), (uint32_t*)shaderCode.data()});
+    vk::PipelineLayout pipeLayout = device.createPipelineLayout({{}, 1, &dsLayout});
+    
+    vk::ComputePipelineCreateInfo pipeInfo{{}, {{}, vk::ShaderStageFlagBits::eCompute, shaderModule, "main"}, pipeLayout};
+    vk::Pipeline pipeline = device.createComputePipeline(nullptr, pipeInfo).value;
+
+    // 7. КОМАНДЫ И ЗАПУСК (Command Buffer)
+    // (Предполагаем, что cmdPool и queue уже созданы в классе)
+    vk::CommandBufferAllocateInfo cmdAllocInfo(cmdPool, vk::CommandBufferLevel::ePrimary, 1);
+    vk::CommandBuffer cmd = device.allocateCommandBuffers(cmdAllocInfo)[0];
+
+    cmd.begin({vk::CommandBufferUsageFlagBits::eOneTimeSubmit});
+        cmd.bindPipeline(vk::PipelineBindPoint::eCompute, pipeline);
+        cmd.bindDescriptorSets(vk::PipelineBindPoint::eCompute, pipeLayout, 0, {ds}, {});
+        cmd.dispatch(1, 1, 1); // Запускаем 1 поток
+    cmd.end();
+
+    queue.submit(vk::SubmitInfo(0, nullptr, nullptr, 1, &cmd), nullptr);
+    queue.waitIdle();
+
+    // 8. ЗАБИРАЕМ РЕЗУЛЬТАТ
+    float result = 0;
+    void* pOut = device.mapMemory(outputMemory, 0, sizeof(float));
+    memcpy(&result, pOut, sizeof(float));
+    device.unmapMemory(outputMemory);
+
+    // Очистка (в реальном коде лучше делать в деструкторе)
+    device.destroyPipeline(pipeline);
+    device.destroyPipelineLayout(pipeLayout);
+    device.destroyShaderModule(shaderModule);
+    device.destroyDescriptorPool(pool);
+    device.destroyDescriptorSetLayout(dsLayout);
+    device.destroyBuffer(inputBuffer); device.freeMemory(inputMemory);
+    device.destroyBuffer(outputBuffer); device.freeMemory(outputMemory);
+
+    return (double)result;
+}
+
+NeuralNetwork::~NeuralNetwork() {
+    // Здесь позже мы добавим удаление vkInstance, vkDevice и прочего,
+    // чтобы не было утечек памяти на видеокарте.
+}

Xenith/core.hpp

@@ -4,22 +4,53 @@
 #include "typedef.hpp"
 #include <vector>
 #include <cmath>
+#include <cstdlib>
+#include <omp.h> 
+#include <vulkan/vulkan.hpp>
+#include <iostream>
+#include <fstream>
 
 class NeuralNetwork {
 private:
+    // Параметры нейросети
     int numLayers;
     std::vector<int> sizes;
     std::vector<std::vector<std::vector<double>>> weights;
     std::vector<std::vector<double>> biases;
     std::vector<std::vector<double>> outputs;
 
+    // Объекты Vulkan
+    bool useVulkan; // Сохраняем выбор пользователя
+    vk::Instance instance;
+    vk::PhysicalDevice physDev;
+    vk::Device device;
+    vk::Queue queue;
+    vk::CommandPool cmdPool;
+    uint32_t computeQueueFamilyIndex; // Индекс очереди для команд
+
+    // Вспомогательные методы Vulkan
+    uint32_t findMemoryType(uint32_t typeFilter, vk::MemoryPropertyFlags properties);
+    std::vector<char> readFile(const std::string& filename);
+
+    // Математика CPU
     double sigmoid(double x) { return 1.0 / (1.0 + exp(-x)); }
     double sigmoidDeriv(double x) { return x * (1.0 - x); }
 
 public:
-    NeuralNetwork(LayerStructure_t layers[], int count);
+    int cpu_count = 1;
+    
+    // Конструктор
+    NeuralNetwork(LayerStructure_t layers[], int count, bool useVulkan = false);
+    
+    // Деструктор (ВАЖНО для очистки Vulkan)
+    ~NeuralNetwork();
+
+    // Методы работы
     std::vector<double> feedForward(const std::vector<double>& input);
     double train(const std::vector<double>& input, const std::vector<double>& target, double lr);
+    
+    // Наш тест Vulkan
+    double trainVulkan();
 };
 
 #endif

Xenith/shader.comp

@@ -1,2 +1,16 @@
 #version 450
 
+layout(local_size_x = 1) in; // Запускаем 1 поток
+
+layout(std430, binding = 0) buffer InputBuffer {
+    float a;
+    float b;
+} inputs;
+
+layout(std430, binding = 1) buffer OutputBuffer {
+    float result;
+} outputs;
+
+void main() {
+    outputs.result = inputs.a * inputs.b;
+}

main.cpp

@@ -10,6 +10,8 @@
 #include "Xenith/token/token.hpp"
 #include <chrono>
 
+
+
 std::string currentSystemPrompt = ""; 
 
 LayerStructure_t layers[] = {
@@ -113,7 +115,7 @@ int main() {
     
     int numLayers = sizeof(layers) / sizeof(layers[0]);
 
-    NeuralNetwork nn(layers, numLayers);
+    NeuralNetwork nn(layers, numLayers, true);
 
     while (true) {
         std::cout << "xentith~$ ";
@@ -187,8 +189,10 @@ int main() {
             std::getline(std::cin, currentSystemPrompt);
             std::cout << "System Prompt updated!" << std::endl;
 
-        }
+        } else if (cmdIn == "/trainVulkan") {
-        else if (cmdIn == "/help") {
+            std::cout << nn.trainVulkan();
+
+        } else if (cmdIn == "/help") {
             std::cout << "\n--- MENU ---" << std::endl;
             std::cout << "/train\n/trainFile\n/sysPrompt\n/help\n/exit\n";
 

vulkan_test.cpp

@@ -0,0 +1,136 @@
+#include <vulkan/vulkan.hpp>
+#include <iostream>
+#include <vector>
+#include <fstream>
+
+// --- ШАГ 0: ШЕЙДЕР ---
+// Это микро-программа, которая будет работать прямо внутри видеокарты.
+// В обучении нейронки один шейдер будет делать FeedForward, другой - расчет ошибок.
+
+int main() {
+    try {
+        const uint32_t N = 1024;
+        const size_t bufferSize = N * N * sizeof(float);
+
+        // --- ШАГ 1: INSTANCE (ЭКЗЕМПЛЯР) ---
+        // Это связь твоего приложения с драйвером Vulkan. 
+        // Здесь мы говорим: "Привет, я хочу использовать Vulkan версии 1.1".
+        vk::ApplicationInfo appInfo{"NN_GPU", 1, nullptr, 0, VK_API_VERSION_1_1};
+        vk::Instance instance = vk::createInstance({{}, &appInfo});
+
+        // --- ШАГ 2: PHYSICAL DEVICE (ЖЕЛЕЗО) ---
+        // Мы ищем физическую видеокарту. В системе их может быть несколько.
+        auto physicalDevices = instance.enumeratePhysicalDevices();
+        vk::PhysicalDevice physDev = physicalDevices[0]; 
+        
+        // --- ШАГ 3: QUEUE FAMILY (ОЧЕРЕДЬ КОМАНД) ---
+        // Видеокарта — это отдельный процессор. Мы не вызываем функции GPU напрямую,
+        // мы отправляем "список дел" (командный буфер) в очередь (Queue).
+        // Нам нужна очередь, умеющая в Compute (вычисления).
+        auto queueProps = physDev.getQueueFamilyProperties();
+        uint32_t computeFamily = 0; // Для упрощения берем первую, но в идеале нужно искать флаг eCompute
+        
+        // --- ШАГ 4: LOGICAL DEVICE (ЛОГИЧЕСКИЙ ИНТЕРФЕЙС) ---
+        // Это наш "пульт управления" конкретной картой.
+        float priority = 1.0f;
+        vk::DeviceQueueCreateInfo qInfo({}, computeFamily, 1, &priority);
+        vk::Device device = physDev.createDevice({{}, 1, &qInfo});
+        vk::Queue queue = device.getQueue(computeFamily, 0);
+
+        // --- ШАГ 5: МЕНЕДЖМЕНТ ПАМЯТИ (БУФЕРЫ) ---
+        // Видеокарта не видит твой std::vector напрямую. 
+        // Нужно: 1. Создать буфер в Vulkan. 2. Выделить под него видеопамять.
+        auto createBuffer = [&](vk::BufferUsageFlags usage) {
+            // Создаем описание буфера
+            vk::Buffer buffer = device.createBuffer({{}, bufferSize, usage});
+            
+            // Узнаем требования буфера к памяти (сколько байт и какой тип)
+            vk::MemoryRequirements memReq = device.getBufferMemoryRequirements(buffer);
+            vk::PhysicalDeviceMemoryProperties memProp = physDev.getMemoryProperties();
+            
+            // Ищем тип памяти, который доступен и для GPU, и для CPU (HostVisible), 
+            // чтобы мы могли скопировать туда веса нейронки.
+            uint32_t memType = 0;
+            for (uint32_t i = 0; i < memProp.memoryTypeCount; i++) {
+                if ((memReq.memoryTypeBits & (1 << i)) && 
+                    (memProp.memoryTypes[i].propertyFlags & (vk::MemoryPropertyFlagBits::eHostVisible | vk::MemoryPropertyFlagBits::eHostCoherent))) {
+                    memType = i; break;
+                }
+            }
+
+            vk::DeviceMemory memory = device.allocateMemory({memReq.size, memType});
+            device.bindBufferMemory(buffer, memory, 0);
+            return std::make_pair(buffer, memory);
+        };
+
+        // Создаем 3 буфера: Веса, Входы, Результат
+        auto [bufA, memA] = createBuffer(vk::BufferUsageFlagBits::eStorageBuffer);
+        auto [bufB, memB] = createBuffer(vk::BufferUsageFlagBits::eStorageBuffer);
+        auto [bufC, memC] = createBuffer(vk::BufferUsageFlagBits::eStorageBuffer);
+
+        // --- ШАГ 6: DESCRIPTORS (СВЯЗКА ШЕЙДЕРА И ПАМЯТИ) ---
+        // Шейдеру нужно знать, что в "binding 0" лежит Матрица А, а в "binding 1" - Матрица B.
+        // Это настраивается через Descriptor Sets.
+        std::vector<vk::DescriptorSetLayoutBinding> bindings = {
+            {0, vk::DescriptorType::eStorageBuffer, 1, vk::ShaderStageFlagBits::eCompute},
+            {1, vk::DescriptorType::eStorageBuffer, 1, vk::ShaderStageFlagBits::eCompute},
+            {2, vk::DescriptorType::eStorageBuffer, 1, vk::ShaderStageFlagBits::eCompute}
+        };
+        vk::DescriptorSetLayout dsLayout = device.createDescriptorSetLayout({{}, (uint32_t)bindings.size(), bindings.data()});
+        
+        // Создаем пул дескрипторов и сам набор
+        vk::DescriptorPoolSize poolSize{vk::DescriptorType::eStorageBuffer, 3};
+        vk::DescriptorPool pool = device.createDescriptorPool({{}, 1, 1, &poolSize});
+        vk::DescriptorSet ds = device.allocateDescriptorSets({pool, 1, &dsLayout})[0];
+
+        // Привязываем наши буферы к дескрипторам
+        vk::DescriptorBufferInfo bInfoA{bufA, 0, VK_WHOLE_SIZE}, bInfoB{bufB, 0, VK_WHOLE_SIZE}, bInfoC{bufC, 0, VK_WHOLE_SIZE};
+        device.updateDescriptorSets({
+            {ds, 0, 0, 1, vk::DescriptorType::eStorageBuffer, nullptr, &bInfoA},
+            {ds, 1, 0, 1, vk::DescriptorType::eStorageBuffer, nullptr, &bInfoB},
+            {ds, 2, 0, 1, vk::DescriptorType::eStorageBuffer, nullptr, &bInfoC}
+        }, {});
+
+        // --- ШАГ 7: PIPELINE (КОНВЕЙЕР) ---
+        // Это замороженное состояние видеокарты: какой шейдер используем, какие связи.
+        // Настройка Pipeline дорогая, поэтому её делают один раз при старте.
+        vk::PushConstantRange pushConstant{vk::ShaderStageFlagBits::eCompute, 0, sizeof(uint32_t)};
+        vk::PipelineLayout layout = device.createPipelineLayout({{}, 1, &dsLayout, 1, &pushConstant});
+        
+        // Загружаем бинарный SPIR-V шейдер
+        // ( readFile - самописная функция загрузки файла )
+        auto shaderCode = readFile("shader.comp.spv"); 
+        vk::ShaderModule shaderModule = device.createShaderModule({{}, shaderCode.size(), (uint32_t*)shaderCode.data()});
+        vk::PipelineShaderStageCreateInfo stageInfo{{}, vk::ShaderStageFlagBits::eCompute, shaderModule, "main"};
+        
+        vk::Pipeline pipeline = device.createComputePipeline(nullptr, {{}, stageInfo, layout}).value;
+
+        // --- ШАГ 8: COMMAND BUFFER (ЗАПИСЬ КОМАНД) ---
+        // Vulkan работает так: ты записываешь все команды заранее в "плеер", 
+        // а потом говоришь "Играй!". Это очень быстро.
+        vk::CommandPool cmdPool = device.createCommandPool({{}, computeFamily});
+        vk::CommandBuffer cmd = device.allocateCommandBuffers({cmdPool, vk::CommandBufferLevel::ePrimary, 1})[0];
+
+        cmd.begin({vk::CommandBufferUsageFlagBits::eOneTimeSubmit});
+            cmd.bindPipeline(vk::PipelineBindPoint::eCompute, pipeline);
+            cmd.bindDescriptorSets(vk::PipelineBindPoint::eCompute, layout, 0, {ds}, {});
+            cmd.pushConstants(layout, vk::ShaderStageFlagBits::eCompute, 0, sizeof(uint32_t), &N);
+            // Dispatch - это и есть запуск вычислений. N/16 групп потоков.
+            cmd.dispatch(N / 16, N / 16, 1);
+        cmd.end();
+
+        // --- ШАГ 9: SUBMIT (ОТПРАВКА НА GPU) ---
+        // Только в этот момент видеокарта начинает реально работать.
+        queue.submit(vk::SubmitInfo(0, nullptr, nullptr, 1, &cmd), nullptr);
+        queue.waitIdle(); // Ждем, пока GPU доделает работу
+
+        // Теперь результат в bufC можно забрать через device.mapMemory()
+
+        std::cout << "GPU завершил обучение/расчет!" << std::endl;
+
+    } catch (const std::exception& e) {
+        std::cerr << "Ошибка: " << e.what() << std::endl;
+    }
+    return 0;
+}
+