Retraso de OptiX y GPU ausentes en Karma XPU: precompile los kernels y revise cada dispositivo
Por qué Karma XPU se detiene antes del primer píxel, y cómo asegurarse de que todas las GPU están renderizando:
- La pausa es la compilación: Karma XPU compila sus kernels de render y sus shaders para el dispositivo OptiX. SideFX indica que un kernel puede tardar desde unos segundos hasta varios minutos, y el resultado se guarda en caché.
- Precompile solo donde ayude: Render > Pre-compile Karma XPU Render Kernels llena la caché para el trabajo interactivo. La ejecución completa puede tardar varias horas, y SideFX señala que las máquinas de una farm no la necesitan; compilan los kernels según los necesitan.
- Revise cada GPU en las estadísticas de render: cada GPU aparece como su propio dispositivo OptiX con un estado y una parte de la imagen. Karma XPU usa todas las GPU compatibles por defecto; un dispositivo marcado como fail suele estar sin memoria, con un driver antiguo o desactivado por una variable de entorno.
- En iRender: servidores con 4x RTX 5090 para Karma XPU, con la imagen de su servidor guardada entre sesiones, así que su instalación de Houdini y su caché de kernels siguen ahí la próxima vez.
Hay dos problemas que aparecen una y otra vez cuando los artistas llevan escenas de Houdini a una máquina multi-GPU. El primero es el retraso de OptiX en Karma XPU: el render se queda parado al principio mientras OptiX compila, a veces durante minutos. El segundo es una GPU que nunca se une al render, de modo que una máquina de 4 GPU funciona como una de 2.
Esta guía explica qué está compilando Karma XPU y cuándo compensa precompilar, cómo ver qué dispositivos están renderizando y por qué una GPU se cae. Los nombres de los ajustes, las rutas de menú y las variables de entorno proceden de la documentación de Houdini de SideFX; donde una guía anterior (incluida una versión anterior de esta) sugería comandos que SideFX no documenta, los hemos eliminado.
Por qué Karma XPU se detiene antes del primer píxel
Al arrancar, Karma XPU tiene que compilar los shaders en un formato que cada dispositivo pueda ejecutar. SideFX lo describe como una pausa o un tirón al cargar una escena nueva o al activar una función por primera vez. Se compilan dos tipos de código:
- Kernels de render: el código central de render de XPU. Qué kernels necesita una escena depende de las funciones que usa, y SideFX indica que cada uno puede tardar desde unos segundos hasta varios minutos en compilarse.
- Shaders del usuario: sus materiales y filtros de luz. Estos no se pueden precompilar, porque Houdini no puede prever cómo se construirán sus redes, pero normalmente compilan mucho más rápido que los kernels.
Los kernels compilados se guardan en caché en el disco, así que la espera larga normalmente ocurre una vez. Mientras OptiX compila, las estadísticas de render del viewport lo indican; el mensaje Compiled Render Kernel Cache out of Date significa que precompilar reduciría la espera.
| Qué ocurrió | ¿Karma XPU volverá a compilar? | Qué esperar |
|---|---|---|
| Primer render de Karma XPU después de instalar Houdini | Sí, todos los kernels que necesita la escena | La espera más larga; los renders posteriores reutilizan la caché |
| Actualizó el driver de NVIDIA | Sí, la caché deja de ser válida | Las mismas esperas que en una instalación nueva hasta que se reconstruye la caché |
| Instaló una nueva versión de Houdini | Sí, la caché se guarda por versión principal | Se llena una nueva carpeta de caché para esa versión |
| Activó una función que la escena no usaba antes | Solo los kernels nuevos | Una pausa más corta la primera vez que se renderiza esa función |
| Editó un material | Solo ese shader | Normalmente una pausa corta; los shaders compilan más rápido que los kernels |
Basado en las páginas de Karma XPU y de precompilación de Karma XPU de SideFX. Una caché desactualizada no cambia la calidad de la imagen; Karma XPU compila sobre la marcha los kernels que faltan.
Precompile los kernels de render (y cuándo no)
Houdini puede llenar la caché de kernels por adelantado. En el menú principal elija Render > Pre-compile Karma XPU Render Kernels. Una instalación nueva también lo ofrece la primera vez que crea un nodo LOP de Solaris. El consejo de SideFX:
- Guarde antes su trabajo y libere todos los recursos del sistema que pueda.
- La ejecución completa puede tardar varias horas, según el sistema. Puede detenerla y reanudarla más tarde; continúa donde se quedó.
- Solo se beneficia el dispositivo GPU OptiX. El dispositivo de CPU Embree no lo necesita, y tampoco Karma CPU.
- La caché se guarda por usuario y por versión principal de Houdini, por ejemplo
C:\Users\USERNAME\AppData\Local\NVIDIA\OptixCache\Houdini21.0en Windows o/var/tmp/OptixCache_USERNAME/Houdini21.0en Linux. Puede ocupar varios gigabytes. Borrar la carpeta hace que Karma XPU vuelva a compilar sobre la marcha. - SideFX no recomienda compartir una misma caché a través de una unidad de red, porque los kernels se construyen para un sistema y una configuración de GPU concretos.
Cuándo no merece la pena: SideFX señala que las máquinas de una farm no necesitan precompilar. Compilan los kernels a medida que una escena los necesita, y precompilar sirve sobre todo para que el trabajo interactivo sea más fluido. Si solo renderiza una secuencia, dejar que el primer fotograma compile lo que necesita suele ser más barato que una precompilación completa que puede durar horas.
Compruebe que Karma XPU usa todas las GPU
Karma XPU usa todos los dispositivos compatibles que encuentra, incluidas varias GPU, sin ningún ajuste adicional. Cada GPU NVIDIA se convierte en su propio dispositivo OptiX y la CPU en un dispositivo EmbreeCPU. Los dispositivos aparecen arriba a la derecha del viewport bajo el progreso del render, cada uno con un estado (idle, init, disabled o fail) y un porcentaje que muestra qué parte de la imagen actual ha renderizado. Para ver más detalle, active Render Stats en la pestaña Guides de las Display Options del viewport.
Dos hechos de la documentación de SideFX explican la mayoría de los casos de “GPU ausente”. La memoria de la GPU no se agrupa, así que cada GPU tiene que guardar la escena por sí sola. Y cuando un dispositivo falla, por ejemplo porque una GPU se queda sin memoria, los demás dispositivos, incluida la CPU, asumen su trabajo y el fotograma sigue terminando. El render no se detiene, solo se vuelve más lento, y por eso la lista de dispositivos es lo primero que hay que revisar.
En una máquina de 4 GPU que funciona bien debería ver cuatro dispositivos OptiX renderizando, cada uno con una participación similar, y una participación mucho menor para EmbreeCPU. SideFX señala que los dispositivos GPU aportan mucho más que el dispositivo de CPU, porque XPU está escrito para la GPU.
Por qué una GPU se cae de un render de Karma XPU
| Lo que usted ve | Causa probable | Qué hacer |
|---|---|---|
| Ningún dispositivo OptiX, solo EmbreeCPU | Driver de NVIDIA anterior a la 570, o una GPU con Compute Capability inferior a 5.0 | Actualice el driver; SideFX recomienda encarecidamente el 575 o posterior en Windows |
| Los dispositivos OptiX aparecen como disabled | Una variable de entorno como KARMA_XPU_DISABLE_OPTIX_DEVICE, o una lista KARMA_XPU_DEVICES sin optix, en su entorno, en un archivo de paquete o en houdini.env | Elimine o corrija la variable y reinicie Houdini |
| Una o más GPU muestran fail a mitad del render | La GPU se quedó sin memoria; la memoria no se agrupa entre GPU | Reduzca lo que la escena carga en la GPU, o use GPU con más memoria; para curvas pesadas, KARMA_XPU_OPTIX_CURVE_OPT_LEVEL=1 usa menos memoria |
| Todas las GPU renderizan, pero despacio al final del fotograma | La memoria de la GPU se llenó y Karma XPU empezó a desalojar tiles de texturas | Revise el desalojo en las estadísticas de render; SideFX indica que la GPU se ralentiza mucho en este estado |
| Cada fotograma empieza con una pausa larga | Se están compilando kernels (primer render, driver nuevo o nueva versión de Houdini) | Deje que termine una vez, o precompile para el trabajo interactivo |
Estados de los dispositivos, versiones de driver y variables según la documentación de Karma XPU de SideFX.
Corrija la causa, reinicie el render y vuelva a revisar la lista de dispositivos. Si una GPU sigue fallando en una escena que cabe en las demás, pruébela sola: las variables de dispositivo de SideFX que siguen le permiten activar y desactivar dispositivos.
Variables de dispositivo de Karma XPU, y lo que hacen realmente
Puede definirlas en el entorno del sistema, en un paquete JSON o en houdini.env. Activan y desactivan dispositivos; ninguna hace que Karma XPU encuentre una GPU que no puede usar.
| Variable | Efecto (SideFX) | Úsela para |
|---|---|---|
| KARMA_XPU_DEVICES | Una lista separada por comas de los dispositivos que se activan; KARMA_XPU_DEVICES=optix usa solo el motor de GPU OptiX | Renderizar solo con GPU, para que la CPU no oculte una GPU que falla |
| KARMA_XPU_DISABLE_EMBREE_DEVICE | Si está definida, Karma XPU no crea dispositivos de CPU Embree | La misma prueba solo con GPU |
| KARMA_XPU_DISABLE_OPTIX_DEVICE | Si está definida, Karma XPU no crea dispositivos GPU OptiX | Renderizar solo en el dispositivo de CPU, para comparar el resultado |
| KARMA_XPU_OPTIX_CURVE_OPT_LEVEL | Intercambia memoria por velocidad en las curvas: 1 = poca memoria, 2 = intermedio (por defecto), 3 = mucha memoria | Hacer que las escenas con pelo y pelaje quepan en la memoria de la GPU |
| KARMA_XPU_OPTIX_SPARSE_TEXTURES | Se usa para desactivar la carga de texturas dispersa (por tiles) | Diagnosticar la transmisión de texturas |
Según la documentación de Karma XPU de SideFX (Houdini 21.0).
Un error habitual es definir KARMA_XPU_DEVICES=optix para “forzar todas las GPU”. Karma XPU ya usa todas las GPU compatibles. Lo que hace este ajuste es eliminar el dispositivo de CPU, lo que es útil para las pruebas: cuando una GPU falla, nada la sustituye en silencio, así que el fallo se hace evidente. Recuerde quitarlo después si quiere que la CPU ayude.
¿Render farm SaaS o IaaS para Karma XPU con varias GPU?
Ambos modelos de farm producen los mismos fotogramas, y en ambos el primer render en una máquina tiene que compilar lo que necesita la escena. La diferencia está en cuánto de la máquina puede ver: si puede abrir las estadísticas de render, revisar cada dispositivo y conservar una caché de kernels entre sesiones.
| Su situación | Render farm SaaS | Render farm IaaS (iRender) |
|---|---|---|
| La escena está aprobada y cabe en la memoria de la GPU | Una buena opción. Suba el proyecto y la farm renderiza los fotogramas, a menudo en muchas máquinas, sin servidor que administrar. | También funciona, pero usted mismo inicia, usa y detiene el servidor. |
| Tiene una fecha de entrega y necesita saber cuándo empieza y termina el render | Los trabajos entran en la cola de la farm, así que la hora de inicio depende de lo ocupada que esté; muchas farms venden planes de mayor prioridad para empezar antes | El servidor ejecuta solo su trabajo desde que arranca, así que usted controla cuándo empieza el render y puede cronometrar todo el trabajo |
| Necesita ver que todas las GPU están renderizando | Ve los logs de la farm y los fotogramas terminados. | Abra las estadísticas de render del viewport en el servidor y vigile en directo cada dispositivo OptiX y su participación. |
| Una GPU sigue fallando en un fotograma pesado | Cada prueba es un trabajo: cambie la escena, envíe, espere y lea el log. | Pruebe con KARMA_XPU_DEVICES=optix en el servidor, cambie la escena y vuelva a renderizar de inmediato. |
| Tiempo de compilación del primer render | Las máquinas de la farm compilan los kernels según los necesita cada trabajo, algo que SideFX describe como normal en las farms. | La caché de kernels está en su carpeta de usuario dentro de su imagen guardada, así que se reutiliza en la siguiente sesión hasta que cambie el driver o la versión de Houdini. |
Una comparación de cómo funcionan los dos modelos de farm para esta tarea, no una prueba de velocidad.
Una regla sencilla: si la escena está aprobada, cabe en la memoria de la GPU y solo necesita fotogramas, una farm SaaS es una buena opción. Si necesita ver que todas las GPU están renderizando, averiguar por qué falla una, o trabajar de forma interactiva en Solaris sobre el hardware de render, use un servidor IaaS.
Una comprobación de Karma XPU en un servidor de iRender
- Suba el proyecto y las cachés a iRender Drive antes de iniciar el servidor; la subida es gratuita y no consume tiempo de alquiler.
- Inicie un servidor con 4x RTX 5090. Según nuestra experiencia, Karma XPU funciona mejor con 4 GPU. La facturación es por minuto.
- Instale Houdini e inicie sesión con su propia licencia de SideFX. Houdini no viene preinstalado; la imagen de su servidor se guarda entre sesiones, así que lo instala una vez.
- Abra la escena y renderice un fotograma con Render Stats activado. Deje que termine la primera compilación y compruebe que hay cuatro dispositivos OptiX renderizando.
- Renderice la secuencia con husk o con el Render Product como siempre. Si el plazo es ajustado, inicie más servidores y asigne a cada uno un rango de fotogramas; el coste total se mantiene aproximadamente igual.
Antes de renderizar la secuencia en otra máquina
- Use la misma versión de Houdini; la caché de kernels y el comportamiento de USD dependen de ella.
- Compruebe que el driver de NVIDIA es la versión 570 o posterior (se recomienda la 575 o posterior en Windows).
- Elimine las variables de prueba KARMA_XPU que definió durante el diagnóstico, salvo que quiera conservarlas.
- Asegúrese de que el fotograma más pesado cabe en la memoria de una GPU: 32 GB en una RTX 5090. La memoria no se suma entre GPU.
- Renderice primero el fotograma más pesado con Render Stats activado, y confirme que todas las GPU contribuyen antes de empezar el rango completo.
Preguntas frecuentes
1. ¿Por qué Karma XPU tarda tanto en empezar a renderizar?
Karma XPU compila sus kernels de render y sus shaders para el dispositivo GPU OptiX antes de poder renderizar. SideFX indica que un solo kernel puede tardar desde unos segundos hasta varios minutos. Los kernels compilados se guardan en caché, así que la espera larga normalmente solo ocurre la primera vez, después de actualizar el driver o después de instalar una nueva versión de Houdini.
2. ¿Cómo precompilo los kernels de render de Karma XPU?
En el menú principal de Houdini elija Render y luego Pre-compile Karma XPU Render Kernels. Guarde antes su trabajo. La ejecución completa puede tardar varias horas, y puede detenerla y continuar más tarde. SideFX señala que las máquinas de una farm no la necesitan, porque compilan los kernels según los necesita cada escena.
3. ¿Dónde se guarda la caché de kernels de Karma XPU?
En Windows está en C:\Users\USERNAME\AppData\Local\NVIDIA\OptixCache\ seguido de una carpeta para la versión de Houdini, como Houdini21.0. En Linux está en /var/tmp/OptixCache_USERNAME/. Borrar esa carpeta hace que Karma XPU vuelva a compilar los kernels mientras renderiza.
4. ¿Karma XPU usa todas mis GPU automáticamente?
Sí. Karma XPU usa todas las GPU NVIDIA compatibles que detecta, cada una como su propio dispositivo OptiX, más la CPU como dispositivo EmbreeCPU. Revise la lista de dispositivos en las estadísticas de render del viewport: cada dispositivo muestra un estado y su parte de la imagen.
5. ¿KARMA_XPU_DEVICES=optix hace que Karma use más GPU?
No. Le dice a Karma XPU que use solo el motor de GPU OptiX y no el dispositivo de CPU. Eso es útil para el diagnóstico, porque una GPU que falla deja de estar oculta por la CPU que asume su trabajo, pero no añade GPU que Karma no pudiera usar ya.
6. ¿Por qué una de mis GPU muestra fail en Karma XPU?
Lo más habitual es que la GPU se quedara sin memoria. La memoria no se agrupa entre GPU, así que cada tarjeta debe guardar la escena por sí sola. Los demás dispositivos terminan el fotograma, así que el render continúa pero más despacio. Otras causas son un driver de NVIDIA anterior a la 570 o una variable de entorno que desactiva el dispositivo.
Renderice sus escenas de Houdini Karma XPU en iRender
iRender es una render farm GPU IaaS: usted alquila un servidor bare metal con 4x GPU NVIDIA RTX 5090 (32 GB), una CPU AMD Ryzen™ Threadripper™ PRO, 256 GB de RAM ECC y un SSD NVMe de 2 TB, se conecta por escritorio remoto y trabaja en él como en su propia estación de trabajo, con acceso completo de administrador. Usted instala Houdini y usa su propia licencia de SideFX; la imagen de su servidor se guarda entre sesiones, así que Houdini, sus paquetes y la caché de kernels de Karma XPU siguen instalados. Para Karma XPU recomendamos los servidores de 4 GPU.
Los servidores multi-GPU se facturan por minuto (los servidores de 1 GPU tienen un mínimo de una hora), y las sesiones de 3 horas o más tienen un 10% de descuento. Nuestros servidores de 4 GPU tienen refrigeración líquida; en nuestras propias mediciones, las GPU se mantienen a 60–70°C con carga de render sostenida. El soporte Elite está disponible 7 días a la semana por línea directa, chat en vivo, Skype, WhatsApp y correo electrónico.
Este vídeo muestra cómo renderizar una escena de Houdini Karma XPU en un servidor de iRender en cinco pasos:
Los usuarios nuevos reciben un bono del 100% en la primera recarga (mínimo $50). Consulte la página de la render farm de Karma XPU para ver las opciones de servidor, o descargue la aplicación iRender GPU.


