作为Open CL的入门者，我有一个简单的理解问题来优化GPU计算。
据我所知，我可以制作1000 X 1000的矩阵，并使用GPU同时在每个像素上放置一个代码。以下选项如何：
我有100次100 x 100矩阵，需要以不同的方式计算它们。所以我需要 做串行或我可以启动100个实例，即我启动100个Python多进程和每个 向GPU发射矩阵计算（假设这些资源足够）。
反过来说，我有一个1000 X 1000的矩阵和100个不同的实例 计算， 我可以同时或连续处理吗？
任何建议或概念如何以最快的方式解决这个问题
由于 阿德里安
答案 0 :(得分：1)
OpenCL执行模型围绕内核进行，内核只是为问题域中的每个点执行的函数。当您在OpenCL设备上启动内核以执行时，您可以为此域定义1,2或3维索引空间（也称为NDRange或全局工作大小）。完全取决于您如何将NDRange映射到实际问题上。
例如，您可以启动100x100x100的NDRange，以处理100组100x100矩阵（假设它们都是独立的）。然后，您的内核定义其中一个矩阵的单个元素的计算。或者，您可以启动100个内核，每个内核都有一个100x100 NDRange来实现相同的功能。前者可能更快，因为它避免了启动多个内核的开销。
我强烈建议您查看OpenCL specification以获取有关OpenCL执行模型的更多信息。具体来说，3.2节对内核执行的核心概念进行了很好的描述。