Question

所以我现在一直在玩OpenCL并测试主机和设备之间的内存传输速度。我正在使用英特尔OpenCL SDK并在带有集成显卡的Intel i5 Processor上运行。然后我发现了clEnqueueMapBuffer而不是clEnqueueWriteBuffer，当使用固定内存时，它变得快了近10倍：

int amt = 16*1024*1024;
...
k_a = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, a, NULL);
k_b = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, b, NULL);
k_c = clCreateBuffer(context,CL_MEM_WRITE_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, ret, NULL);

int* map_a = (int*) clEnqueueMapBuffer(c_q, k_a, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
int* map_b = (int*) clEnqueueMapBuffer(c_q, k_b, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
int* map_c = (int*) clEnqueueMapBuffer(c_q, k_c, CL_TRUE, CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
clFinish(c_q);

其中a b和ret是128位对齐的int数组。时间大约是 22.026186 ms ，相比之下 198.604528 ms使用clEnqueueWriteBuffer 但是，当我将代码更改为

时

k_a = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL);
k_b = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL);
k_c = clCreateBuffer(context,CL_MEM_WRITE_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL);

int* map_a = (int*)clEnqueueMapBuffer(c_q, k_a, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
int* map_b = (int*)clEnqueueMapBuffer(c_q, k_b, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
int* map_c = (int*)clEnqueueMapBuffer(c_q, k_c, CL_TRUE, CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &error);

/** initiate map_a and map_b **/

时间增加到 91.350065 ms

可能是什么问题？或者这是一个问题吗？

编辑：这是我在第二个代码中初始化数组的方法：

for (int i = 0; i < amt; i++)
{
    map_a[i] = i;
    map_b[i] = i;
}

现在我检查，map_a和map_b 做在程序的末尾包含正确的元素，但map_c包含全0。我这样做了：

clEnqueueUnmapMemObject(c_q, k_a, map_a, 0, NULL, NULL);
clEnqueueUnmapMemObject(c_q, k_b, map_b, 0, NULL, NULL);
clEnqueueUnmapMemObject(c_q, k_c, map_c, 0, NULL, NULL);

我的内核只是

__kernel void test(__global int* a, __global int* b, __global int* c)
{
    int i = get_global_id(0);
    c[i] = a[i] + b[i];
}

Answer 1

我的理解是CL_MEM_ALLOC_HOST_PTR分配但不复制。第二个代码块是否实际上将任何数据传送到设备上？

此外，clCreateBuffer与CL_MEM_USE_HOST_PTR和CL_MEM_COPY_HOST_PTR一起使用时不应该需要clEnqueueWrite，因为缓冲区是使用void * host_ptr指向的内存创建的。

在OpenCL中使用“固定”内存应该是一个过程：

   int amt = 16*1024*1024;
   int Array[] = new int[amt];
   int Error = 0;

    //Note, since we are using NULL for the data pointer, we HAVE to use CL_MEM_ALLOC_HOST_PTR
    //This allocates memory on the devices
    cl_mem B1 = clCreateBuffer(context, CL_MEM_READ_WRITE | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, &Error); 

    //Map the Device memory to host memory, aka pinning it
    int *host_ptr = clEnqueueMapBuffer(queue, B1, CL_TRUE, CL_MAP_READ | CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &Error); 

    //Copy from host memory to pinned host memory which copies to the card automatically`
    memcpy(host_ptr, Array, sizeof(int)*amt); 

    //Call your kernel and everything else and memcpy back the pinned back to host when
    //you are done

编辑：你可以做的最后一件事是加速程序，不使用CL_FALSE而不是CL_TRUE来进行内存读/写阻塞。只需确保在将数据复制回主机之前调用clFinish（），以便清空命令队列并处理所有命令。

来源：OpenCL In Action

Answer 2

使用正确的标志组合，你应该能够在英特尔集成显卡上实现“零拷贝”（即非常快）的map / unmap，因为它们都不需要“CPU到GPU”复制，因为它们都使用了相同的记忆（这就是“综合”的含义）。阅读内存中的Intel OpenCL Optimization Guide部分。

CL_MEM_ALLOC_HOST_PTR比CL_MEM_USE_HOST_PTR慢

2 个答案: