Question

我想在radeon HD 7970 Tahiti XT上使用OpenCL（来自此AMD link）执行关于两阶段减少的运行时基准测试。

最初，我使用了第一个版本的代码，其中我没有使用第一个循环，它执行从大小为N的输入数组到大小为NworkItems的输出数组的减少。这是内核代码的第一个循环：

  int global_index = get_global_id(0);
  float accumulator = 0;
  // Loop sequentially over chunks of input vector
  while (global_index < length) {
    float element = buffer[global_index];
    accumulator += element;
    global_index += get_global_size(0);
  }

因此，对于第一个版本，我已将运行时测量为输入数组大小（等于线程总数）和不同大小的工作组的函数。结果如下：

现在，我想做一个基准测试，我在上面使用这个初始循环。但我不知道我必须改变哪些参数。

来自this link，有人说AMD推荐工作组大小为64的倍数（NVIDIA为32）。

此外，从this other link的上一条评论开始，建议将工作组大小设置为：WorkGroup size = (Number of total threads) / (Compute Units)。在我的GPU卡上，我有32个计算单元。

所以我想知道哪些参数会有所变化，以便比较第二个版本中的运行时（第一个减少循环）。例如，我可能会为比率(N size of input array) / (total NworkItems)和WorkGroup size的固定值采用不同的值（请参阅上面的表达式），

或者相反，即我应该改变WorkGroup size的值并确定比率(N size of input array) / (total NworkItems)？

欢迎任何想法，谢谢

Answer 1

您应该对本地数据求和，而不是分散数据，以帮助进行内存传输（合并数据访问）。所以请改用它：

  int chunk_size = length/get_global_size(0)+(length%get_global_size(0) > 0); //Will give how many items each work item needs to process
  int global_index = get_group_id(0)*get_local_size(0)*chunk_size + get_local_id(0); //Start at this address for this work item
  float accumulator = 0;

  for(int i=0; i<chunk_size; i++)
    // Loop sequentially over chunks of input vector
    if (global_index < length) {
      float element = buffer[global_index];
      accumulator += element;
      global_index += get_local_size(0);
    }
  }

此外，您应该使用2的幂大小来帮助缓存。

OpenCL基准 - 关于参数变化的建议

1 个答案: