AMD OpenCL 大學教程(2): OpenCL概述

335

1、OpenCL架構 OpenCL可以實現混合設備的并行計算，這些設備包括CPU，GPU，以及其它處理器，比如Cell處理器，DSP等。使用OpenCL編程，可以實現可移植的并行加速代碼。[ 但由于各個OpenCL device不同的硬件性能，可能對于程序的優化還要考慮具體的硬件特性 ]

1、opencl架構

OpenCL可以實現混合設備的并行計算，這些設備包括CPU，GPU，以及其它處理器，比如Cell處理器，DSP等。使用OpenCL編程，可以實現可移植的并行加速代碼。[但由于各個OpenCL device不同的硬件性能，可能對于程序的優化還要考慮具體的硬件特性]。

通常OpenCL架構包括四個部分：

  • 平臺模型(Platform Model)
  • 執行模型(Execution Model)
  • 內存模型(Memory Model)
  • 編程模型(Programming Model)

2、OpenCL平臺模型

不同廠商的OpenCL實施定義了不同的OpenCL平臺，通過OpenCL平臺，主機能夠和OpenCL設備之間進行交互操作。現在主要的OpenCL平臺有AMD、Nvida，Intel等。OpenCL使用了一種Installable Client Driver模型，這樣不同廠商的平臺就能夠在系統中共存。在我的計算機上就安裝有AMD和Intel兩個OpenCL Platform[現在的OpenCL driver模型不允許不同廠商的GPU同時運行]。

AMD OpenCL 大學教程(2): OpenCL概述

OpenCL平臺通常包括一個主機(Host)和多個OpenCL設備（device），每個OpenCL設備包括一個或多個CU(compute units)，每個CU包括又一個或多個PE（process element）。 每個PE都有自己的程序計數器(PC)。主機就是OpenCL運行庫宿主設備，在AMD和Nvida的OpenCL平臺中，主機一般都指x86 CPU。

對AMD平臺來說，所有的CPU是一個設備，CPU的每一個core就是一個CU，而每個GPU都是獨立的設備。

AMD OpenCL 大學教程(2): OpenCL概述

3、OpenCL編程的一般步驟

下面我們通過一個實例來了解OpenCL編程的步驟，假設我們用的是AMD OpenCL平臺（因為本人的GPU是HD5730），安裝了AMD Stream SDK 2.6,并在VS2008中設置好了include，lib目錄等。

首先我們建立一個控制臺程序，最初的代碼如下：

<span> 1:</span> <span>#include</span> <span>"stdafx.h"</span>
<span> 2:</span> <span>#include</span> <CL/cl.h>
<span> 3:</span> <span>#include</span> <stdio.h>
<span> 4:</span> <span>#include</span> <stdlib.h>
<span> 5:</span> 
<span> 6:</span> <span>#pragma</span> <span>comment</span> (lib,<span>"OpenCL.lib"</span>)
<span> 7:</span> 
<span> 8:</span> <span>int</span> main(<span>int</span> argc, <span>char</span>* argv[])
<span> 9:</span> {
<span> 10:</span> <span>return</span> 0;
<span> 11:</span> }

第一步，我們要選擇一個OpenCL平臺，所用的函數就是

AMD OpenCL 大學教程(2): OpenCL概述

通常，這個函數要調用2次，第一次得到系統中可使用的平臺數目，然后為（Platform）平臺對象分配空間，第二次調用就是查詢所有的平臺，選擇自己需要的OpenCL平臺。代碼比較長，具體可以看下AMD Stream SDK 2.6中的TemplateC例子，里面描述如何構建一個robust的最小OpenCL程序。為了簡化代碼，使程序看起來不那么繁瑣，我直接調用該函數，選取系統中的第一個OpenCL平臺，我的系統中安裝AMD和Intel兩家的平臺，第一個平臺是AMD的。另外，我也沒有增加錯誤檢測之類的代碼，但是增加了一個status的變量，通常如果函數執行正確，返回的值是0。

<span> 1:</span> <span>#include</span> <span>"stdafx.h"</span>
<span> 2:</span> <span>#include</span> <CL/cl.h>
<span> 3:</span> <span>#include</span> <stdio.h>
<span> 4:</span> <span>#include</span> <stdlib.h>
<span> 5:</span> 
<span> 6:</span> <span>#pragma</span> <span>comment</span> (lib,<span>"OpenCL.lib"</span>)
<span> 7:</span> 
<span> 8:</span> <span>int</span> main(<span>int</span> argc, <span>char</span>* argv[])
<span> 9:</span> {
<span> 10:</span> cl_uint status;
<span> 11:</span> cl_platform_id platform;
<span> 12:</span> 
<span> 13:</span> status = clGetPlatformIDs( 1, &platform, NULL );
<span> 14:</span> 
<span> 15:</span> <span>return</span> 0;
<span> 16:</span> }

第二步是得到OpenCL設備，

AMD OpenCL 大學教程(2): OpenCL概述

這個函數通常也是調用2次，第一次查詢設備數量，第二次檢索得到我們想要的設備。為了簡化代碼，我們直接指定GPU設備。

<span> 1:</span> <span>#include</span> <span>"stdafx.h"</span>
<span> 2:</span> <span>#include</span> <CL/cl.h>
<span> 3:</span> <span>#include</span> <stdio.h>
<span> 4:</span> <span>#include</span> <stdlib.h>
<span> 5:</span> 
<span> 6:</span> <span>#pragma</span> <span>comment</span> (lib,<span>"OpenCL.lib"</span>)
<span> 7:</span> 
<span> 8:</span> <span>int</span> main(<span>int</span> argc, <span>char</span>* argv[])
<span> 9:</span> {
<span> 10:</span> cl_uint status;
<span> 11:</span> cl_platform_id platform;
<span> 12:</span> 
<span> 13:</span> status = clGetPlatformIDs( 1, &platform, NULL );
<span> 14:</span> 
<span> 15:</span> cl_device_id device;
<span> 16:</span> 
<span> 17:</span> clGetDeviceIDs( platform, CL_DEVICE_TYPE_GPU,
<span> 18:</span> 1,
<span> 19:</span> &device,
<span> 20:</span> NULL);
<span> 21:</span> 
<span> 22:</span> <span>return</span> 0;
<span> 23:</span> }

下面我們來看下OpenCL中Context的概念：

通常，Context是指管理OpenCL對象和資源的上下文環境。為了管理OpenCL程序，下面的一些對象都要和Context關聯起來：

—設備（Devices）:執行Kernel程序對象。

—程序對象（Program objects）: kernel程序源代碼

—Kernels:運行在OpenCL設備上的函數。

—內存對象（Memory objects）: device處理的數據對象。

—命令隊列（Command queues）: 設備之間的交互機制。

注意：創建一個Context的時候，我們必須把一個或多個設備和它關聯起來。對于其它的OpenCL資源，它們創建時候，也要和Context關聯起來，一般創建這些資源的OpenCL函數的輸入參數中，都會有context。

AMD OpenCL 大學教程(2): OpenCL概述

AMD OpenCL 大學教程(2): OpenCL概述

這個函數中指定了和context關聯的一個或多個設備對象,properties參數指定了使用的平臺，如果為NULL,廠商選擇的缺省值被使用，這個函數也提供了一個回調機制給用戶提供錯誤報告。

現在的代碼如下：

<span> 1:</span> <span>#include</span> <span>"stdafx.h"</span>
<span> 2:</span> <span>#include</span> <CL/cl.h>
<span> 3:</span> <span>#include</span> <stdio.h>
<span> 4:</span> <span>#include</span> <stdlib.h>
<span> 5:</span> 
<span> 6:</span> <span>#pragma</span> <span>comment</span> (lib,<span>"OpenCL.lib"</span>)
<span> 7:</span> 
<span> 8:</span> <span>int</span> main(<span>int</span> argc, <span>char</span>* argv[])
<span> 9:</span> {
<span> 10:</span> cl_uint status;
<span> 11:</span> cl_platform_id platform;
<span> 12:</span> 
<span> 13:</span> status = clGetPlatformIDs( 1, &platform, NULL );
<span> 14:</span> 
<span> 15:</span> cl_device_id device;
<span> 16:</span> 
<span> 17:</span> clGetDeviceIDs( platform, CL_DEVICE_TYPE_GPU,
<span> 18:</span> 1,
<span> 19:</span> &device,
<span> 20:</span> NULL);
<span> 21:</span> cl_context context = clCreateContext( NULL,
<span> 22:</span> 1,
<span> 23:</span> &device,
<span> 24:</span>                
<span> 25:</span> 
<span> 26:</span> <span>return</span> 0;
<span> 27:</span> }

接下來，我們要看下命令隊列。在OpenCL中，命令隊列就是主機的請求，在設備上執行的一種機制。

  • 在Kernel執行前，我們一般要進行一些內存拷貝的工作，比如把主機內存中的數據傳輸到設備內存中。

另外要注意的幾點就是：對于不同的設備，它們都有自己的獨立的命令隊列；命令隊列中的命令(kernel函數）可能是同步的，也可能是異步的，它們的執行順序可以是有序的，也可以是亂序的。

AMD OpenCL 大學教程(2): OpenCL概述

命令隊列在device和context之間建立了一個連接。

命令隊列properties指定以下內容:

  • 是否亂序執行（在AMD GPU中，好像現在還不支持亂序執行）
  • 是否啟動profiling。Profiling通過事件機制來得到kernel執行時間等有用的信息，但它本身也會有一些開銷。

如下圖所示，命令隊列把設備和context聯系起來，盡管它們之間不是物理連接。AMD OpenCL 大學教程(2): OpenCL概述

添加命令隊列后的代碼如下：

<span> 1:</span> <span>#include</span> <span>"stdafx.h"</span>
<span> 2:</span> <span>#include</span> <CL/cl.h>
<span> 3:</span> <span>#include</span> <stdio.h>
<span> 4:</span> <span>#include</span> <stdlib.h>
<span> 5:</span> 
<span> 6:</span> <span>#pragma</span> <span>comment</span> (lib,<span>"OpenCL.lib"</span>)
<span> 7:</span> 
<span> 8:</span> <span>int</span> main(<span>int</span> argc, <span>char</span>* argv[])
<span> 9:</span> {
<span> 10:</span> cl_uint status;
<span> 11:</span> cl_platform_id platform;
<span> 12:</span> 
<span> 13:</span> status = clGetPlatformIDs( 1, &platform, NULL );
<span> 14:</span> 
<span> 15:</span> cl_device_id device;
<span> 16:</span> 
<span> 17:</span> clGetDeviceIDs( platform, CL_DEVICE_TYPE_GPU,
<span> 18:</span> 1,
<span> 19:</span> &device,
<span> 20:</span> NULL);
<span> 21:</span> cl_context context = clCreateContext( NULL,
<span> 22:</span> 1,
<span> 23:</span> &device,
<span> 24:</span> NULL, NULL, NULL);
<span> 25:</span> 
<span> 26:</span> cl_command_queue queue = clCreateCommandQueue( context,
<span> 27:</span> device,
<span> 28:</span> CL_QUEUE_PROFILING_ENABLE, NULL );
<span> 29:</span> 
<span> 30:</span> <span>return</span> 0;
<span> 31:</span> }

?原文作者：邁克老狼

? 版權聲明
THE END
數據庫
# 處理器
喜歡就支持一下吧
點贊5 分享