Question

我正在尝试评估OpenCL for AMD之间的性能差异。我有针对hough transfrom的内核在内核中，我运行内核时没有产生任何加速的#pragma unroll语句

kernel void hough_circle(read_only image2d_t imageIn, global int* in,const int w_hough,__global int * circle)
{
     sampler_t sampler=CLK_NORMALIZED_COORDS_FALSE | CLK_ADDRESS_CLAMP_TO_EDGE | CLK_FILTER_NEAREST;
     int gid0 = get_global_id(0);
     int gid1 = get_global_id(1);


     uint4 pixel;
     int x0=0,y0=0,r;
     int maxval=0;
     pixel=read_imageui(imageIn,sampler,(int2)(gid0,gid1));
     if(pixel.x==255)
     {
      #pragma unroll 20
       for(int r=90;r<110;r+=1)
     {
       //  int r=190;

                #pragma unroll 360
               for(int theta=0; theta<360;theta++)
              {

 x0=(int) round(gid0-r*cos( (float) radians( (float) theta) ));
 y0=(int) round(gid1-r*sin( (float) radians( (float) theta) ));


   // if((x0>0) && (x0<get_global_size(0)) && (y0>0)&&(y0<get_global_size(1)))
 //in[w_hough*y0+x0]++;
   }
              }

     }
     }

#pragma unrol与AMD OpenCL协同工作

Answer 1

展开确实适用于AMD。

http://developer.amd.com/tools-and-sdks/heterogeneous-computing/codexl/

该工具包括kernelanalyzer，它允许您查看其编译器的实际输出。我用它来验证展开实际上确实产生了不同的内核。

然而，展开循环并不一定能为您带来任何加速。毕竟它只是以节目大小为代价来节省跳转指令，而在GPU中你通常会受到内存延迟的限制。

在你的情况下，瓶颈可能是sin / cos函数，这些在AMD HW上也很慢（也在其他GPU上）。您应该使用native_sin和native_cos。它们不是那么精确，并且不支持与正常范围一样长的范围，这就是为什么它们默认不使用它们，但在大多数情况下它们就足够了。 native_ functions的精度与DirectX着色器对sin和cos的要求相同。

在AMD OpenCL内核中展开循环

1 个答案: