我试图让某些事情发挥作用，但我没有想法，所以我想我会问这里。
我有一个全球规模很大的内核（通常是500万） 每个线程可能需要最多1Mb的全局内存（确切的大小事先未知）
所以我想......好吧，在我的典型目标GPU上，我有6Gb，我可以并行运行2880个线程，绰绰有余吧？ 我的想法是创建一个大缓冲区（实际上是2，因为最大缓冲区大小限制...） 每个线程指向一个特定的全局内存区域（带有合并和东西，但你明白了......）
我的问题是，我如何知道当前正在运行哪个线程（在内核代码中）指向正确的内存区域？ 我确实找到了cl_arm_get_core_id扩展名，但这只给了我工作组，而不是正在使用的实际线程，而且这似乎并不适用于所有GPU，因为它是一个扩展。
我可以选择 work_group_size = nb_compute_units / nb_cores ，并将偏移量设为 arm_get_core_id（）* work_group_size + global_id（）％work_group_size 但也许这个组大小不是最优的，并且可移植性问题仍然存在。
我还可以将全局大小为2880的内核调用排入队列，在那里我显然知道在哪里指向全局Id。 但由于5Million / 2880内核调用，这不会导致大量开销吗？此外，在其他工作组完成工作之前，任何在其他工作组完成之前完成的工作组将处于闲置状态。
非常欢迎任何正确做到这一点的想法！
答案 0 :(得分：0)
嗯，你每个WI存储1MB用于时间计算（因为你没有保存它们，否则你的内存不会有。）
然后，为什么不简单地让它溢出到全球记忆？编译器是否抱怨？如果它确实抱怨，那么你需要其他方法：
一种可能性是创建一个空的队列（只是一个布尔数组），以供工作组使用。每次启动一个新工作组时，它都需要一个空槽并将布尔值设置为＆＃34;使用＆＃34;州。您可以使用atomic_cmpxchg()原子操作执行此操作。
启动每个工作组可能会带来很小的开销，但如果每个WI需要1MB的全局内存，则可能会忽略不计。
您可以在此举例说明如何atomic_cmpxchg() LINK