标签:event lin sub 图像分析 orm oid status 并行编程 一个
? 第十二章,在其他语言中使用 OpenCL
● JOCL(Java Building for OpenCL),PyOpenCL
● 一个 PyOpenCL 的例子代码,需要 pyopencl 包
1 import pyopencl as cl 2 import numpy as np 3 import numpy.linalg as la 4 5 a = np.random.rand(50000).astype(np.float32) 6 b = np.random.rand(50000).astype(np.float32) 7 8 ctx = cl.create_some_context() 9 queue = cl.CommandQueue(ctx) 10 11 mf = cl.mem_flags 12 a_buf = cl.Buffer(ctx, mf.READ_ONLY | mf.COPY_HOST_PTR, hostbuf = a) 13 b_buf = cl.Buffer(ctx, mf.READ_ONLY | mf.COPY_HOST_PTR, hostbuf = b) 14 c_buf = cl.Buffer(ctx, mf.WRITE_ONLY, b.nbytes) 15 16 code = """ 17 __kernel void vecadd(__global const float *a, __global const float *b, __global float *c) 18 { 19 int gid=get_global_id(0); 20 c[gid] = a[gid] + b[gid]; 21 } 22 """ 23 prg = cl.Program(ctx, code).build() 24 25 prg.vecadd(queue, a.shape, None, a_buf, b_buf, c_buf) 26 27 a_plus_b = np.empty_like(a) 28 cl.enqueue_copy(queue, a_plus_b, c_buf) 29 30 print(sum(a_plus_b - (a + b)))
● OpenCL 对象的生命周期不是由一个 C 作用域来定义,而是由引用计数操作来定义。
? 第十三章,OpenCL 的性能剖析和调试
● 查看事件状态
1 void initializeCL(void) 2 { 3 cl_int status = 0; 4 cl_ulong time; 5 cl_event ev; 6 cl_platform_id platform; 7 cl_device_id device; 8 cl_context context; 9 cl_command_queue commandQueue; 10 11 clGetPlatformIDs(1, &platform, NULL); 12 clGetDeviceIDs(platform, CL_DEVICE_TYPE_GPU, 1, &device, NULL); 13 context = clCreateContext(NULL, 1, &device, NULL, NULL, NULL); 14 commandQueue = clCreateCommandQueue(context, device, CL_QUEUE_PROFILING_ENABLE, &status);// 创建队列时传入事件分析属性值,之后无法变更 15 16 ...// 关于ev 的一些操作 17 18 clGetEventProfilingInfo(ev, CL_PROFILING_COMMAND_QUEUED, sizeof(cl_ulong), &time, NULL);// 获取事件进入命令队列的时刻 19 clGetEventProfilingInfo(ev, CL_PROFILING_COMMAND_SUBMIT, sizeof(cl_ulong), &time, NULL);// 获取事件提交到设备的时刻 20 clGetEventProfilingInfo(ev, CL_PROFILING_COMMAND_START, sizeof(cl_ulong), &time, NULL); // 获取事件开始执行的时刻 21 clGetEventProfilingInfo(ev, CL_PROFILING_COMMAND_END, sizeof(cl_ulong), &time, NULL); // 获取事件执行完成的时刻 22 }
● 启用 AMD printf 扩展,允许咋个核函数中使用 printf 函数
1 #pragma OPENCL EXTENSION cl_amd_printf: enable
? 第十四章,某图像分析应用的性能调优
● Kernel Occupancy,定义为 NWA(一个计算单元上能并发执行的 wavefront 数目)与 NWT(该计算单元能启动的 wavefront 数目的最大值)之比。NWA取决于三个因素:每个 work-item 需要的 GPRS 数目,每个 workgroup 需要的本地内存大小(LDS)和 workgroup 的尺寸。
● LDS 对 KO 的影响:WFLDSmax = min{WGCUmax, WGmax} * WFWG。WFWG 为每个 workgroup 的 wavefront 大小(与 LDS 大小没有必然联系);WGCUmax 为硬件规定一个计算单元中 workgroup 的数量上限,WGmax = LDSCU / LDSWG 为用本地内存计算得到的工作组数量上限,LDSCU 为本地内存大小, LDSWG 为一个 workgroup 需要的 LDS 的大小。
● GPR 对 KO 的影响:WFGPRmax = floor(WFGPR / WFWG) * WFWG。WFGPR = Nregmax / Nregused,为每个 work-item 使用的寄存器的最大数量和。这里相当于把 WFGPR 乡下四舍五入到 的整数倍 WFWG。
● 如果一个 kernel 的性能受 GPRS 的限制,而不受 LDS 的限制,则将部分数据转入 LDS 中会部分优化性能,过多的转移数据会进入全局内存中,严重影响执行速度
《OpenCL异构并行编程实战》补充笔记散点,第十二至十四章
标签:event lin sub 图像分析 orm oid status 并行编程 一个
原文地址:https://www.cnblogs.com/cuancuancuanhao/p/8783230.html