我正在寻找 Python 包装器到 OpenCL 和 Pure C OpenCL 之间的性能测量。性能测量会随时间、内存等而变化。 - 是否有可用的基准？- 对时间性能差异的期望是什么？- 什么样的任务（当然是并行的......）应该有所作为？
问问题
1667 次
3 回答
4
PyOpenCL 很可能是您的最佳选择。我会选择仅在非常特定的情况下使用 C（对主机速度/低延迟的超级关键需求）。对于大多数随意的并行程序，主机端有足够的松弛是可以的，因为所有真正的工作都在设备上完成。
您可以认为 PyOpenCL 和 OpenCL 在设备上具有相同的性能。
如果你愿意，也许可以使用 C，比如……设计一辆自动驾驶汽车，每毫秒/安培都很重要。但即使在那种情况下，Python 也很可能被有效地使用。
确定您的特定程序是否变慢的最佳方法是为您的代码计时。对于 PyOpenCL，这意味着：
import time
和
cl.command_queue_properties.PROFILING_ENABLE
许多聪明的公司和个人选择首先使用 Python 进行编码，因为他们可以快速构建灵活、可工作的原型。如果他们最终需要更多的主机性能，那么将 Python 移植到 C 相对容易。
希望有帮助！
于 2014-04-29T21:49:45.847 回答
3
OpenCL 使用预编译的程序，然后将其发送到设备执行。它们是所谓的“内核”。这些内核被部署为在终端设备上执行。这意味着必须衡量的主要成本是 OpenCL 实现 API I/O。因此，您不能依赖内存/CPU 测量，因为真正的 OpenCL 部分将使用它们中的相同。
AFAIK，没有可用的基准，但如果你需要它并不难做一个（矩阵乘法是你好世界的例子，总体而言）。
OpenCL 不是那种，它在每个 CPU 周期都使用 I/O。使用领域——真正的大数据处理，即使用一个大输入、大量处理操作和一个输出（无论大小）。没有人说 OpenCL 不能用于许多 I/O 和最小的计算变化，但实现 API 开销不值得。
预期必须是 I/O 与整体应用程序性能近似相同。
于 2014-04-29T19:01:22.667 回答
3
这里有一个基准：https ://github.com/bennylp/saxpy-benchmark ，将 PyOpenCL 与 OpenCL 以及其他框架/方法进行比较，例如 CUDA、纯 C++、Numpy、R、Octave，甚至 TensorFlow（免责声明：我是作者）
根据基准测试结果，OpenCL 和 PyOpenCL 之间的性能差异变化太大。PyOpenCL GPU 目标几乎比 OpenCL 慢 7 倍，但对于 CPU 目标，PyOpenCL 实际上比 OpenCL 快 2 倍以上！
于 2017-11-14T08:03:28.583 回答