Render Houdini trên Cloud GPU: Hướng dẫn thiết lập chi tiết

Đã 9 giờ tối, và quá trình render bằng Karma XPU mà bạn khởi chạy từ ba tiếng trước vẫn còn tới 300 khung hình nữa mới xong. Thời gian dự kiến ​​hoàn thành trên máy trạm của bạn vừa tăng lên thành 26 giờ, trong khi hạn nộp sản phẩm là vào sáng thứ Hai. Một máy ảo GPU trên nền tảng đám mây chạy phần mềm Houdini cũng hoạt động y hệt như một máy trạm thứ hai đặt ngay cạnh máy của bạn. Điểm mấu chốt ở đây là bạn cần thiết lập quy trình theo đúng thứ tự, để tránh việc phải trả phí cho khoảng thời gian máy chạy không tải.

Nguồn hình ảnh: SideFX

Khi thuê một máy tính có GPU trên nền tảng đám mây để sử dụng Houdini, bạn sẽ nhận được một môi trường làm việc Windows hoặc Ubuntu hoàn chỉnh thông qua kết nối máy tính từ xa chứ không phải một giao diện web chỉ nhận tệp .hip rồi trả về các khung hình sau đó. Bạn có thể tự cài đặt Houdini, mở tệp dự án giống hệt như khi đang làm việc tại máy tính cá nhân, và thao tác trực tiếp trên khung nhìn nếu cần. Có hai điều quan trọng cần lưu ý trước khi bắt đầu: hệ thống tính phí sẽ bắt đầu ngay khi máy được khởi động (chứ không phải từ lúc bạn nhấn nút render), và các giấy phép phần mềm Houdini hay trình kết xuất sử dụng trên máy đó vẫn thuộc quyền quản lý của riêng bạn.

Nguồn hình ảnh: Side FX

Không phải tác vụ nào trong Houdini cũng được hưởng lợi từ việc tăng số lượng GPU; do đó, chìa khóa để kiểm soát chi phí chính là lựa chọn cấu hình phù hợp với từng loại công việc.

• Phát triển giao diện hình ảnh và kết xuất thử nghiệm: chỉ cần một card RTX 5090 32GB (cấu hình 3i) hoặc RTX 4090 24GB (cấu hình 3S) nếu cảnh quay của bạn nằm gọn trong giới hạn 24GB VRAM. Một GPU là đủ vì đây là giai đoạn thử nghiệm và tinh chỉnh, chưa phải là giai đoạn xuất thành phẩm cuối cùng.
• Kết xuất cuối cùng bằng Karma XPU hoặc Redshift: sử dụng hệ thống gồm 4 card RTX 5090 (cấu hình 5i) hoặc 4 card RTX 4090 (cấu hình 5S). Cần lưu ý rằng dung lượng VRAM được tính trên từng card chứ không cộng dồn; vì vậy, giới hạn bộ nhớ cho cảnh quay của bạn vẫn chỉ bằng dung lượng VRAM của một card, dù bạn có thể phân bổ các khung hình để xử lý đồng thời trên cả 4 GPU.
• ​​Các tác vụ mô phỏng nặng về CPU: hãy chọn cấu hình có ít GPU. Việc bổ sung thêm GPU không mang lại hiệu quả gì cho quá trình mô phỏng mà chỉ làm tăng chi phí theo giờ.

Trước khi thực hiện bất kỳ thao tác nào, hãy ghi lại chính xác phiên bản Houdini và phiên bản trình kết xuất mà dự án của bạn đang sử dụng. Hãy tập hợp tất cả các tệp cache, texture, HDA và các tệp USD mà cảnh quay đó phụ thuộc vào; đồng thời, hãy thay đổi các đường dẫn cố định thành biến `HIP`hoặc`JOB` để đảm bảo chúng vẫn trỏ đúng vị trí khi thư mục dự án được di chuyển.

Hãy tải toàn bộ dữ liệu lên thông qua ứng dụng iRender GPU trong khi máy tính vẫn đang ở trạng thái tắt. Nếu bạn tải lên sau khi đã khởi động máy, bạn sẽ phải trả phí theo giờ chỉ để ngồi nhìn thanh tiến trình chạy.

Hãy cài đặt Houdini 22, đảm bảo phiên bản khớp với yêu cầu của dự án. Cài đặt trình điều khiển NVIDIA đáp ứng các yêu cầu hiện tại của Karma XPU (phiên bản 570 trở lên; khuyến nghị dùng bản 575 trở lên trên Windows). Nếu quy trình làm việc của bạn có sử dụng các trình kết xuất từ bên thứ ba (như Redshift, Octane, V-Ray, Arnold), hãy cài đặt các phiên bản plugin đã được xây dựng lại để tương thích với Houdini 22.

Đăng nhập thông qua tài khoản SideFX hoặc máy chủ cấp phép của studio, tùy theo phương thức mà quy trình sản xuất của bạn đang áp dụng. Bạn có toàn quyền quản lý giấy phép này trên máy tính hiện tại, tương tự như cách quản lý trên các máy trạm tại studio.

Thiết lập các đường dẫn HDA và mọi biến môi trường tùy chỉnh trong tệp `houdini.env`, sau đó lưu lại dưới dạng một “Machine Image”. Quá trình thiết lập ban đầu thường mất từ ​​15 đến 30 phút. Khi đã lưu lại “Machine Image” này, bạn sẽ không cần phải thực hiện lại các bước thiết lập đó nữa. Với hệ thông máy chủ iRender thì sau khi tắt máy sẽ tự lưu trữ lại môi trường làm việc của bạn và sẵn sàng cho lần dùng tiếp theo.

Hãy mở Karma XPU trong khung nhìn và kiểm tra thông tin thiết bị trong phần thống kê kết xuất. Hãy đối chiếu thông tin này với kết quả từ lệnh `nvidia-smi` (trên Ubuntu) hoặc Task Manager (trên Windows) trong khi quá trình kết xuất đang diễn ra, vì Karma XPU có thể âm thầm chuyển sang chế độ chỉ sử dụng CPU mà không hiển thị thông báo lỗi rõ ràng.

Nếu tình trạng này xảy ra, hãy kiểm tra lần lượt các nguyên nhân phổ biến sau: phiên bản trình điều khiển thấp hơn yêu cầu của Karma XPU; biến môi trường `KARMA_XPU_DEVICES` được thiết lập theo cách loại trừ thiết bị mà bạn muốn sử dụng; hoặc một shader trong cảnh không được XPU hỗ trợ (các mạng VEX và một số thiết lập Principled Shader có thể cho kết quả không ổn định, do XPU phải chuyển đổi chúng sang định dạng USDPreviewSurface thay vì thực thi trực tiếp).

Trước tiên, hãy thử kết xuất một khung hình duy nhất và so sánh kết quả với khung hình tương ứng được tạo ra trên máy trạm của bạn.

Đối với các cảnh dựa trên USD và Solaris, hãy thực hiện kết xuất ở chế độ không giao diện thông qua `husk` thay vì để cửa sổ hiển thị mở. Đối với các cảnh dựa trên tệp `.hip` không sử dụng USD stage, bạn có thể dùng `hbatch` hoặc `hython` để điều khiển mạng lưới ROP theo cách tương tự. Cả hai phương thức này đều yêu cầu giấy phép phù hợp (Houdini Engine hoặc giấy phép đầy đủ).

Một lệnh `husk` cho chuỗi 300 khung hình sẽ có dạng như sau:

`husk -R karma -f 1001 -n 300 -o JOB/render/shot.F4.exr myscene.usd`

Hãy theo dõi vài khung hình đầu tiên được xuất ra và ghi lại thời gian xử lý cho mỗi khung hình. Lấy con số đó nhân với số khung hình còn lại, bạn sẽ có một ước tính chính xác hơn nhiều về chi phí thực hiện công việc so với bất kỳ dự đoán nào đưa ra từ trước.

Hãy tải chuỗi tệp EXR đã hoàn tất về thông qua ứng dụng iRender GPU. Nếu bạn có thực hiện bất kỳ thay đổi nào đối với môi trường làm việc trong phiên này (như thêm plugin mới hoặc cập nhật HDA), hãy lưu lại Machine Image trước khi ngắt kết nối.

iRender cung cấp cả tùy chọn RTX 4090 (24GB GDDR6X) và RTX 5090 (32GB GDDR7), vì vậy bạn hoàn toàn có thể kiểm chứng thay vì phải đoán mò. Khi thuê máy từ chúng tôi, bạn sẽ nhận được một trạm làm việc từ xa trống. Bạn tự cài đặt Houdini và sử dụng tài khoản cá nhân để kích hoạt bản quyền. iRender không cung cấp, cho mượn hay bán các giấy phép cho Houdini.

Mô hình này khác biệt so với các dịch vụ render farm dạng SaaS (nơi bạn chỉ cần tải cảnh quay lên và hệ thống của nhà cung cấp sẽ tự xử lý phần mềm). Tại đây, toàn bộ môi trường làm việc nằm trong tầm kiểm soát của bạn. Bạn có thể thiết lập cấu hình bản quyền đúng theo quyền sử dụng của mình, chạy các lệnh `hython` hoặc `husk` trên một máy duy nhất, rồi quan sát xem những giấy phép nào được kích hoạt trước khi thêm nút thứ hai. Việc thử nghiệm quy trình xử lý hàng loạt trên một máy trang bị RTX 4090 hoặc RTX 5090 cùng CPU Threadripper PRO sẽ tiết kiệm chi phí hơn nhiều.

Chúng tôi đang có chương trình ưu đãi: bạn sẽ nhận được 100% bonus cho giao dịch đầu tiên. ĐĂNG KÝ NGAY BÂY GIỜ

Bạn có thể xem nhanh video hướng dẫn cách dùng Houdini Karma dưới đây:

Tốc độ tối đa – Tự do tuyệt đối

1. Karma XPU có thể sử dụng nhiều GPU trên một máy ảo không?

Có. Karma XPU sẽ nhận diện và sử dụng tất cả các GPU NVIDIA tương thích mà nó tìm thấy. Tuy nhiên, mỗi card đồ họa sẽ quản lý bộ nhớ VRAM riêng biệt thay vì gộp chung bộ nhớ giữa các card với nhau. Do đó, dữ liệu cảnh của bạn vẫn phải nằm gọn trong giới hạn bộ nhớ của một card đồ họa duy nhất, bất kể hệ thống đó có bao nhiêu GPU.

2. Karma XPU trong Houdini 22 yêu cầu phiên bản driver NVIDIA nào?

Theo tài liệu hiện tại của SideFX, Karma XPU yêu cầu driver phiên bản 570 trở lên; đối với hệ điều hành Windows, khuyến nghị sử dụng phiên bản 575 trở lên. Hãy kiểm tra lại thông tin trên trang tài liệu về Karma XPU tại thời điểm cài đặt, vì các yêu cầu về driver có thể thay đổi giữa các bản cập nhật phần mềm.

3. Có nên chạy các mô phỏng trong Houdini trên máy ảo đám mây có nhiều GPU không?

Thông thường là không. Các bộ giải như FLIP, Pyro, Vellum và RBD chủ yếu dựa vào CPU và RAM để vận hành. Vì vậy, việc sử dụng cấu hình nhiều GPU sẽ làm tăng chi phí mà không giúp đẩy nhanh tốc độ mô phỏng. Bạn nên thực hiện mô phỏng trên cấu hình một GPU, sau đó chuyển sang cấu hình nhiều GPU khi đến giai đoạn kết xuất.