Question

让

import pyopencl as cl
import pyopencl.array as cl_array
import numpy
a = numpy.random.rand(50000).astype(numpy.float32)
mf = cl.mem_flags

之间有什么区别

a_gpu = cl.Buffer(self.ctx, mf.READ_ONLY | mf.COPY_HOST_PTR, hostbuf=a)

和

a_gpu = cl_array.to_device(self.ctx, self.queue, a)

之间有什么区别

result =  numpy.empty_like(a)
cl.enqueue_copy(self.queue, result, result_gpu)

和

result = result_gpu.get()

Answer 1

缓冲区是CL的malloc版本，而pyopencl.array.Array是计算设备上numpy数组的工作方式。

因此，对于问题第一部分的第二个版本，您可以编写a_gpu + 2来获取一个新数组，该数组在数组中的每个数字中都添加了2个，而在{{1}的情况下}，PyOpenCL只看到一包字节，不能执行任何此类操作。

你的问题的第二部分是相反的：如果你有一个PyOpenCL数组，Buffer将数据复制回来并将其转换为（基于主机的）numpy数组。由于numpy数组是在Python中获取连续内存的更方便的方法之一，因此.get()的第二个变体也会以一个numpy数组结束 - 但请注意，您可以将此数据复制到任何数组中大小（只要它足够大）和任何类型 - 副本作为一个字节包执行，而enqueue_copy确保您在主机上获得相同的大小和类型。

Bonus事实：每个PyOpenCL数组当然都有一个Buffer。您可以从.get()属性中获取它。

Answer 2

要回答第一个问题，可以使用实现buffer interface（reference）的任何内容调用Buffer(hostbuf=...)。必须使用pyopencl.array.to_device(...)（reference）调用ndarray。 ndarray实现缓冲区接口并在任何一个地方工作。但是，只有hostbuf=...可以使用例如bytearray（也实现缓冲区接口）。我没有证实这一点，但似乎是文档的建议。

关于第二个问题，当您致电result_gpu时，我不确定get()应该是什么类型（您的意思是Buffer.get_host_array()？）无论如何，{{ 1}}在enqueue_copy()，Buffer和Image的组合之间工作，可以有偏移和区域，并且可以是异步的（使用host），我认为这些功能是只有那种方式可用（而is_blocking=False将阻塞并返回整个缓冲区）。（reference）

Pyopencl：to_device和Buffer之间的区别

2 个答案: