7

所以我现在一直在使用 OpenCL 并测试主机和设备之间的内存传输速度。我正在使用英特尔 OpenCL SDK 并在集成显卡的英特尔 i5 处理器上运行。然后我发现，当clEnqueueMapBuffer使用clEnqueueWriteBuffer固定内存时，它的速度提高了近 10 倍，如下所示：

int amt = 16*1024*1024;
...
k_a = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, a, NULL);
k_b = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, b, NULL);
k_c = clCreateBuffer(context,CL_MEM_WRITE_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, ret, NULL);

int* map_a = (int*) clEnqueueMapBuffer(c_q, k_a, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
int* map_b = (int*) clEnqueueMapBuffer(c_q, k_b, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
int* map_c = (int*) clEnqueueMapBuffer(c_q, k_c, CL_TRUE, CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
clFinish(c_q);

wherea b和ret是 128 位对齐的 int 数组。时间约为22.026186 ms，而使用198.604528 msclEnqueueWriteBuffer 但是，当我将代码更改为

k_a = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL);
k_b = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL);
k_c = clCreateBuffer(context,CL_MEM_WRITE_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL);

int* map_a = (int*)clEnqueueMapBuffer(c_q, k_a, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
int* map_b = (int*)clEnqueueMapBuffer(c_q, k_b, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error);
int* map_c = (int*)clEnqueueMapBuffer(c_q, k_c, CL_TRUE, CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &error);

/** initiate map_a and map_b **/

时间增加到91.350065 毫秒

可能是什么问题呢？还是根本就没有问题？

编辑：这就是我在第二个代码中初始化数组的方式：

for (int i = 0; i < amt; i++)
{
    map_a[i] = i;
    map_b[i] = i;
}

现在我检查了，map_a 和 map_b在程序末尾确实包含正确的元素，但 map_c 包含全 0。我这样做了：

clEnqueueUnmapMemObject(c_q, k_a, map_a, 0, NULL, NULL);
clEnqueueUnmapMemObject(c_q, k_b, map_b, 0, NULL, NULL);
clEnqueueUnmapMemObject(c_q, k_c, map_c, 0, NULL, NULL);

我的内核只是

__kernel void test(__global int* a, __global int* b, __global int* c)
{
    int i = get_global_id(0);
    c[i] = a[i] + b[i];
}
4

2 回答 2

1

我的理解是 CL_MEM_ALLOC_HOST_PTR 分配但不复制。第二个代码块实际上是否将任何数据发送到设备上？

此外，当与 CL_MEM_USE_HOST_PTR 和 CL_MEM_COPY_HOST_PTR 一起使用时，clCreateBuffer 不需要 clEnqueueWrite，因为缓冲区是使用 void *host_ptr 指向的内存创建的。

在 OpenCL 中使用“固定”内存应该是这样的过程：

   int amt = 16*1024*1024;
   int Array[] = new int[amt];
   int Error = 0;

    //Note, since we are using NULL for the data pointer, we HAVE to use CL_MEM_ALLOC_HOST_PTR
    //This allocates memory on the devices
    cl_mem B1 = clCreateBuffer(context, CL_MEM_READ_WRITE | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, &Error); 

    //Map the Device memory to host memory, aka pinning it
    int *host_ptr = clEnqueueMapBuffer(queue, B1, CL_TRUE, CL_MAP_READ | CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &Error); 

    //Copy from host memory to pinned host memory which copies to the card automatically`
    memcpy(host_ptr, Array, sizeof(int)*amt); 

    //Call your kernel and everything else and memcpy back the pinned back to host when
    //you are done

编辑：您可以做的最后一件事是加快程序速度，即不要使用 CL_FALSE 而不是 CL_TRUE 使内存读/写阻塞。只需确保在将数据复制回主机之前调用 clFinish()，以便清空命令队列并处理所有命令。

资料来源：OpenCL 在行动

于 2013-07-21T19:40:55.227 回答
0

使用正确的标志组合，您应该能够在英特尔集成显卡上实现“零复制”（即非常快）映射/取消映射，因为不需要“CPU 到 GPU”复制，因为它们都使用相同的内存（这就是“集成”的意思）。阅读有关内存的英特尔 OpenCL 优化指南部分。

于 2013-08-07T02:33:16.207 回答