Radeon 520をBlenderで使う（オンボード）

※配布用ではなく、Radeon 520 の GPU 処理能力を Python 側から検証するための 小規模な試作・検証（Proof of Concept）です。

概要

開発が目的ではなく、新しいハードウェアハックの知識を漁っていました。GPUでPythonを加速させる「Taichi」という面白そうな道具を見つけ、手元の「使いづらいRadeon 520」で何ができるか試してみたくなりました。Vulkan環境が整っていたこと、LLMという強力な壁打ち相手がいたことで実現することができました。これらを繋ぎ合わせたら、2〜3時間かからずにBlenderのアニメーション処理をGPUに肩代わりさせるアドオンができました。

ハックの結果

コードの中身はLLMに丸投げしました。プロンプトも経路が複雑（関係のない話の連続）で再現不能ですが、「計算資源としてGPUを再定義する」という実験は成功しました。同じアニメーションを繰り返し再生させて、動きを確認する際に役に立つアドオンができました。

環境

• blender4.1
• Windows11
• Intel(R) Core(TM) i7-8565U CPU @ 1.80GHz 1.99 GHz
• AMD Radeon 520 2GB GDDR5 vRAM
• RAM DDR4 32GB
• NVME Gen3

経緯

Blender 4.1ではRadeon 520などの古いGPUを初期設定ではうまく活用できませんでした。ある時、GPUでPython演算を高速化できる「Taichi」という存在を知り、Blenderで使えそうだなと思いつきました。

実装内容

• pip install taichi を実行して、環境にTaichiをインストールします。
• PythonでTaichiのコードを記述して〇〇.pyで保存します。
• blenderを開きプリファレンスでアドオン項目から作成した〇〇.pyを読み込みます。
• 読み込ませた〇〇.pyファイルを探して✅を入れます。

※〇〇.pyは各自好きな名前で保存してください。

アドオンコード

通常のアドオンと同じ手順で〇〇.pyファイルをインストールして有効化 すれば、そのまま使用できます。

# SPDX-License-Identifier: GPL-3.0-only
# (C) 2026 itou332

import bpy
import taichi as ti
import numpy as np
from bpy.app.handlers import persistent

bl_info = {
    "name": "Taichi Radeon Accelerator",
    "author": "itou332",
    "version": (1, 2),
    "blender": (4, 1, 0),
    "location": "View3D > F3 Search > Taichi",
    "description": "TaichiによるGPU加速メッシュアニメーション（Vulkan最適化版）アドオンの説明（blender4.1以外は未確認）",
    "category": "Object",
}

# --- 1. Taichiの初期化 ---
if not ti.lang.impl.get_runtime().prog:
    # Radeon向けにVulkanを指定。NVIDIAならti.cudaも可
    ti.init(arch=ti.vulkan)

# --- 2. GPU計算カーネル ---
@ti.kernel
def compute_wave(verts: ti.types.ndarray(), t: ti.f32):
    # ここの並列処理が「とんでもない速さ」の正体
    for i in range(verts.shape):
        x = verts[i, 0]
        y = verts[i, 1]
        
        # GPU負荷を上げ、Radeonを本気で働かせるための多重波合成
        val = 0.0
        for n in range(1, 6):
            val += ti.sin(x * n * 2.5 + t) * (0.2 / n)
            val += ti.cos(y * n * 1.8 + t * 0.7) * (0.15 / n)
        verts[i, 2] = val

# --- 3. ハンドラーと処理の実体 ---
_cached_verts = None

def frame_handler(scene):
    global _cached_verts
    obj = bpy.context.active_object
    if not obj or obj.type != 'MESH':
        return

    mesh = obj.data
    v_count = len(mesh.vertices)

    # 毎フレームのメモリ確保を避け、CPUのオーバーヘッドを極限まで削る
    if _cached_verts is None or _cached_verts.shape != (v_count * 3,):
        _cached_verts = np.zeros(v_count * 3, dtype=np.float32)

    # Blenderからデータを取得
    mesh.vertices.foreach_get("co", _cached_verts)
    
    # 配列を整えてGPUへ転送（コピーなしのビュー参照）
    reshaped_verts = _cached_verts.reshape((-1, 3))
    
    # GPU計算実行
    compute_wave(reshaped_verts, scene.frame_current * 0.1)
    
    # 結果をBlenderのメッシュに書き戻す
    mesh.vertices.foreach_set("co", _cached_verts)
    mesh.update()

@persistent
def load_handler(dummy):
    """ファイルを開いたときに自動で計算を有効化"""
    if frame_handler not in bpy.app.handlers.frame_change_pre:
        bpy.app.handlers.frame_change_pre.append(frame_handler)

def warmup_taichi():
    """アドオン有効化時にダミー計算を行い、JITコンパイルを先に済ませる"""
    dummy_verts = np.zeros((1, 3), dtype=np.float32)
    compute_wave(dummy_verts, 0.0)
    print("Taichi: Warmup complete. High-speed mode enabled.")

# --- 4. オペレーター ---
class TAICHI_OT_Start(bpy.types.Operator):
    bl_idname = "object.taichi_start"
    bl_label = "Taichi加速開始"
    def execute(self, context):
        if frame_handler not in bpy.app.handlers.frame_change_pre:
            bpy.app.handlers.frame_change_pre.append(frame_handler)
        self.report({'INFO'}, "Taichi加速: ON")
        return {'FINISHED'}

class TAICHI_OT_Stop(bpy.types.Operator):
    bl_idname = "object.taichi_stop"
    bl_label = "Taichi停止"
    def execute(self, context):
        if frame_handler in bpy.app.handlers.frame_change_pre:
            bpy.app.handlers.frame_change_pre.remove(frame_handler)
        self.report({'INFO'}, "Taichi加速: OFF")
        return {'FINISHED'}

# --- 5. 登録と解除 ---
classes = (TAICHI_OT_Start, TAICHI_OT_Stop)

def register():
    for cls in classes:
        bpy.utils.register_class(cls)
    
    # 起動時の「から回し」
    try:
        warmup_taichi()
    except:
        pass
    
    if load_handler not in bpy.app.handlers.load_post:
        bpy.app.handlers.load_post.append(load_handler)
    print("Taichi Radeon Accelerator itou: Registered")

def unregister():
    # 安全なクラス解除
    for cls in reversed(classes):
        if hasattr(cls, "bl_rna"):
            try:
                bpy.utils.unregister_class(cls)
            except RuntimeError:
                pass
            
    if load_handler in bpy.app.handlers.load_post:
        bpy.app.handlers.load_post.remove(load_handler)
    if frame_handler in bpy.app.handlers.frame_change_pre:
        bpy.app.handlers.frame_change_pre.remove(frame_handler)
    print("Taichi Radeon Accelerator: Unregistered")

if __name__ == "__main__":
    register()

以上で設定完了です。

動作確認はWindows11のタスクマネジャーでGPU項目を眺めながら確認します。meshをアニメーションさせた時のGPUの挙動を目視で確認します。

※注意点

「一度目のアニメーション実行はこれまでと同じ速度です。（アドオンを入れる前と同じ）2回目以降のアニメーションはGPUを使って高速に快適に動きます。Taichiがgpu専用の回路を構築（コンパイル）するまで時間がかかります。 準備が整えば、GPUを活用した高速メッシュアニメーションの再生が実行可能になります。」

結論

古いGPUを有効活用するために開発したアドオンですが、その真価は高性能な計算機でこそ発揮されます。メッシュアニメーションの初動の演算開始速度はCPU性能に左右されます。そこを力押しできる高性能な環境こそが、本アドオンの性能を余すことなく享受できる最適な構成です。

感想

　使いづらいRadeonを使っていたことと、Taichiを知ったことをきっかけに、古いGPUでも計算資源として活用できることがわかりました。個人的には新しいことを発見できて面白かったです。