问题标签 [boost-compute]

通过对这些库的粗略了解，它们看起来非常相似。我知道 VexCL 和 Boost.Compute 使用 OpenCl 作为后端（尽管 v1.0 版本的 VexCL 也支持 CUDA 作为后端），而 Thrust 使用 CUDA。除了不同的后端，它们之间有什么区别。

具体来说，他们解决了哪些问题空间以及我为什么要使用其中一个。

此外，在推力常见问题解答中指出

支持 OpenCL 的主要障碍是缺乏支持 C++ 模板的 OpenCL 编译器和运行时

如果是这样，VexCL 和 Boost.Compute 怎么可能存在。

以下代码分别使用 boost.compute 和 opencl c++ 包装器添加两个向量。结果显示 boost.compute 几乎比 opencl c++ 包装器慢 20 倍。我想知道我是否错过了使用 boost.compute 或者它确实很慢。平台：win7、vs2013、boost 1.55、boost.compute 0.2、ATI Radeon HD 4600

代码使用 c++ 包装器：

代码使用 boost.compute：

我刚开始玩 Boost.Compute，想看看它能给我们带来多大的速度，我写了一个简单的程序：

这是我机器上的示例输出（win7 64 位）：

我的问题是：为什么普通（非opencl）版本更快？

我正在关注此链接并尝试在 Mac OS 上安装 Boost Compute。它说它可以安装，make install但我找不到 Makefile。

我将 boost-compute 文件夹的路径添加到 Xcode 项目中的标头搜索路径中。但是现在 boost-compute 依赖于我计算机中的 boost，并且无法链接到已经安装的 boost。

提前致谢。

我编写了一个简单的内核，它对树执行递归，例如：

所以我想将这些指向自己的树项数组传递给opencl内核，而SVM似乎是最好的方法（我对opencl 2.0没有问题）。

我的问题是如何使用 boost::compute 来做到这一点，以便内核将接收整数的三倍或类似的东西。

谢谢！

我想知道是否有一个模拟来提升计算功能（http://www.boost.org/doc/libs/1_61_0/libs/compute/doc/html/boost_compute/advanced_topics.html#boost_compute.advanced_topics.custom_functions）到内核​​中并且可以创建为变成内核的嵌入式内联代码？

一直在尝试编译此示例代码：https ://github.com/boostorg/compute/blob/master/README.md

我使用 mingw530 安装了 QT Creator 5.7

我使用编译了boost库

我安装了 AMD SDK 3.0、2.9.1 和 2.9

我什至下载了 opencl 1.1、1.2 和 2.1 cl.hpp 并尝试将其包含在内。

编译开始，但我得到了很多错误

C:\Dev\Boost\compute-master\include\boost\compute\device.hpp:80：错误：未定义对 `clRetainDevice@4' 的引用

C:\Users\User\Documents\Projects\build-console-test-Desktop_Qt_5_7_0_MinGW_32bit-Debug\debug\main.o:-1：在函数“ZN5boost7compute6deviceaSERKS1_”中：

我尝试了一个简单的 qt 控制台应用程序，使用 boost compute 提供的代码

注意：这不是特定于 qt，我也尝试过使用

对 main.cpp 中的每个包含执行 -I（见下文）

理想情况下，我想知道如何编译他们页面上给出的示例，包括包含和所有（以及相关的 amd sdk 和/或 opencl 版本）以及必要的包含库。

我的qt项目文件库

我的 main.cpp

如果我取消注释包含 cl.hpp，我会走得更远

是否可以设置哪些函数参数具有“全局”或“常量”修饰符？或者如何至少在每个函数的基础上检查生成函数的代码（手动插入）？

我看到的最接近的事情是BOOST_COMPUTE_STRINGIZE_SOURCE您手动编写所有内核代码，将其保存为字符串，手动编译，调用 using set_arg(argId, wrapedItems)，queue.enqueue_nd_range_kernel这看起来比：

人们希望。

如何使用 boost::compute 进行流压缩？

例如，如果您只想对数组中的某些元素执行繁重的操作。首先，您生成掩码数组，其中包含与您要执行操作的元素相对应的掩码数组：

然后对掩码数组进行排他扫描（前缀和）得到：

然后压缩这个数组：

要获得压缩索引（inds）的最终数组：

最终数组的大小是scan.last() + mask.last()

我正在寻找编写信号处理代码，该代码将需要通常的并行原语（例如scan()，、、reduce()和）以及用于 FFT 和密集向量/矩阵运算的有效例程，以支持诸如主成分分析之类的东西map()，其中包括寻找特征向量和特征值。还有大量的矩阵求逆和乘法。主机代码将是 C++11。sort()

我想使用 OpenCL 来保持与平台无关，但是几天的实验并没有让我对工具的成熟度充满信心。在编程模型和原语方面我喜欢Boost.Compute，但我不确定像clMAGMA和 FFT 库FFTcl这样的 LAPACK 库在数据类型、共享上下文和异步操作方面是否能很好地使用它。我还看到 clMAGMA 的最后一次更新是在两年前。

ViennaCL涵盖了 FFT 和一些矩阵运算，但对 LAPACK 没有帮助。VEXcl仅适用于稀疏向量/矩阵。

对于 CUDA，这一切似乎都不是什么难事——安装 Nvidia 的开发工具就可以了。所有最新的库都在那里，还有像NPP这样的东西来涵盖我可能需要的其他东西。我没有看到库之间不兼容的风险。

我很好奇是否有其他人使用 OpenCL 走这条路。我想这样做，但我觉得它比使用 CUDA 的风险更高，CUDA 似乎提供了更少的机会遇到不可预见的障碍。