Question

我是OpenCl的新手。

我需要在一维双精度数组上运行一个减少（求和运算符）。

我一直在网上徘徊，但我发现的例子很混乱。任何人都可以发布易于阅读（并且可能有效）的教程实现吗？

其他信息： - 我可以访问一个GPU设备; - 我使用C作为内核代码

Answer 1

您提到您的问题涉及60k双打，这不适合您设备的本地内存。我整理了一个内核，它会将你的向量减少到10-30左右，你可以将它与你的宿主程序相加。我在我的机器上遇到双打问题，但如果启用双打并且在找到它时将'float'更改为'double'，则此内核应该可以正常工作。我将调试我遇到的双重问题，并发布更新。

PARAMS：

global float * inVector - 要求汇总的浮动来源
global float * outVector - 浮动列表，每个工作组一个
const int inVectorSize - inVector持有的浮点数总数
local float * resultScratch - 要使用的每个工作组的本地内存。您需要为组中的每个工作项分配一个浮点数。 expected size = sizeof（cl_float）* get_local_size（0）。例如，如果每组使用64个工作项，则这将是64个浮点数= 256个字节。切换到双精度将使其成为512字节。 openCL规范定义的最小LDS大小为16kb。有关传入本地（NULL）参数的详细信息，请See this question。

用法：

为输入和输出缓冲区分配内存。
为设备上的每个计算单元创建一个工作组。
确定最佳工作组大小，并使用它来计算'resultScratch'的大小。
调用内核，将outVector读回主机
遍历您的outVector副本并添加以获得最终总和。

潜在的优化：

像往常一样，你想用大量数据调用内核。太少的数据不值得转移和设置时间。

使inVectorSize（和向量）成为（工作组大小）*（工作组数）的最高倍数。仅使用此数量的数据调用内核。内核均匀地分割数据。在等待回调时计算主机上任何剩余数据的总和（或者，为cpu设备构建相同的内核并仅传递剩余数据）。在上面的步骤＃5中添加outVector时，从这个总和开始。此优化应使工作组在整个计算过程中保持饱和。

__kernel void floatSum(__global float* inVector, __global float* outVector, const int inVectorSize, __local float* resultScratch){
    int gid = get_global_id(0);
    int wid = get_local_id(0);
    int wsize = get_local_size(0);
    int grid = get_group_id(0);
    int grcount = get_num_groups(0);

    int i;
    int workAmount = inVectorSize/grcount;
    int startOffest = workAmount * grid + wid;
    int maxOffest = workAmount * (grid + 1);
    if(maxOffset > inVectorSize){
        maxOffset = inVectorSize;
    }
    resultScratch[wid] = 0.0;
    for(i=startOffest;i<maxOffest;i+=wsize){
            resultScratch[wid] += inVector[i];
    }
    barrier(CLK_LOCAL_MEM_FENCE);

    if(gid == 0){
            for(i=1;i<wsize;i++){
                    resultScratch[0] += resultScratch[i];
            }
            outVector[grid] = resultScratch[0];
    }

}

另外，启用双打：

#ifdef cl_khr_fp64
#pragma OPENCL EXTENSION cl_khr_fp64 : enable
#else
#ifdef cl_amd_fp64
#pragma OPENCL EXTENSION cl_amd_fp64 : enable
#endif
#endif

更新：AMD APP KernelAnalyzer得到了更新（v12），它显示该内核的双精度版本实际上是ALU绑定在5870和6970卡上。

双减少opencl教程

1 个答案: