问题标签 [pyopencl]

我有这个代码用于使用 pyopenCL 进行矩阵乘法。我的问题是某些矩阵的结果是错误的，我不明白为什么。经过一些研究，我认为它与类似的全球规模有关，但我不明白如何设置这些值。

例如：

使用 numpy dtype = float32 的矩阵

矩阵 1：

矩阵2：

预期结果：

脚本结果：

脚本：

谢谢！

让我们的列表大小为 500，我们有 4 个内核，我们希望将列表的 1/4 分配给每个内核。我们如何在 OpenCL 或 pyOpenCl 中做到这一点？

我知道某处可能应该存在障碍，但是我们如何将数据发送到其他内核？OpenCL 中是否有 Scatter 的示例？

我正在尝试让 PyOpenCL 在我的 iMac 上运行，该 iMac 运行带有 NumPy 1.5.1 和 Python 2.6.0 的 Mac OS X Lion。我首先使用easy_install安装了PyOpenCL，然后我尝试了这里的解释：http ://wiki.tiker.net/PyOpenCL/Installation/Mac

当我运行演示脚本（http://documen.tician.de/pyopencl/#）时，它显示了 OpenCL 设备（英特尔酷睿 i3 和 ATI Radeon HD5670），但是当我选择两者之一时，都打印 0.0

这里出了什么问题？提前致谢！

出于对调用 OpenCL 内核时可以传递的最大参数大小的好奇，我发现我可以传递一个大小大于最大大小的数组。这是正在发生的事情：（顺便说一句，我正在使用 pyopencl ）

在谷歌搜索中，我了解到 1024 以字节为单位。（我忘了它是在哪里声明的，我认为是一个 Nvidia 论坛。）

现在，我运行了这个脚本：

在调用内核之前，我做了以下事情：

然后我调用内核并检查 B 中的非零元素：

所以，很明显，我可以发送和读回大小大于cl.max_parameter_size. 这怎么可能？或者我哪里错了？

更新了不同的问题描述。我之前的问题建议的双向路径跟踪不是一种选择。

我有一个使用 OpenCL 进行一些计算（物理模拟）的 Monte Carlo 代码。主机代码是用 Python 和 PyOpenCL 编写的。OpenCL 内核的最终结果是图像（检测器数据）的坐标元组（x,y 位置 + 强度/灰度值）。我有 3 个向量/一维数组（x 位置、y 位置和灰度值各一个）。每个一维数组大约有 1e6 到 1e8 个整数，其中 x,y 是整数，灰度值浮动。要创建的图像是几个 1000x1000 像素（1e6 到 1e7 像素）。
最终，我需要在每次运行时创建多个图像（每个图像具有不同的坐标元组），因此效率和低内存使用变得很重要。

从这些数据生成二维数组或图像的最快方法是什么？对同一位置 (x,y) 的多次写入确实发生了，我找不到一个好的解决方案来并行或在模拟期间执行此操作（因为可能同时写入图像中的同一位置）。

我目前所做的是将 3 个向量/一维数组复制回主机，并使用内联 C 函数在主机上串行生成图像。

代码中最耗时的部分是为 3 个一维数组创建输出缓冲区数组，然后在内核完成后从设备复制到主机。如果我可以：
i）将数据保存在设备上并使用第二个内核（经过测试，但如果串行完成会非常慢）
生成图像，或者我可以在内核中生成图像正在运行，因此总体上摆脱了 1D 数组。

ii) 是首选，但我不知道该怎么做。write_image 是否识别多个工作项是否要写入同一个数组索引？
我已经测试并行化 i) 通过为两个工作组生成 2 个独立的 2D 图像数组，每个工作组有 1 个工作项，每个项迭代超过 1D 向量的一半（工作），但是对于更多工作项和独立图像，创建额外的开销2D 数组耗时太长并且消耗太多内存。

任何想法表示赞赏。

以下 python 代码使用 PyOpenCL 用数组 b 中的元素之和填充数组a_plus_b（这不是我的实际目标，但它是我能找到的最简单的代码，但仍然显示了问题）。

给出输出：

但是，如果我将宽度从 32 更改为 33，则数组不再是同一个元素。

事实上，每次运行代码时，都会产生不同的结果。

造成差异的原因是什么？什么不是

我正在尝试在 Python 中实现 RSA，但我想在 GPU 上运行密集计算。我已经成功地实现了我自己在 PyOpenCL 中运行的模幂运算，但是对于基数和指数，我都使用了六位整数。比这更大的数字和 GPU 崩溃。

我需要在 numpy 中创建一个非常大的整数值数组并将它们发送到 PyOpenCL 代码，并在 GPU 上对大整数进行乘法和模运算。

有没有人做过类似的事情？谷歌搜索 cuda 和 bigint 并没有给出任何好的结果。:(

在开发一个应该计算图像上某些特征的 OpenCL 内核时，我遇到了一个我无法解决的错误。为了解决这个问题，我构建了一个愚蠢的、微小的内核，它仍然返回错误的值。这里是：

如您所见，该内核仅适用于一个工作组，其中每个线程将图像的红色通道复制到全局缓冲区中。
我在 6 x 6 像素的图像上使用 1 个大小为 (2, 2) 的工作组调用此内核。此外，只有红色通道包含不同于 0 的值。这些值从 0 到 35，左上角像素的红色值设置为 0，其右邻像素为 1，依此类推，直到右下角像素的红色值值设置为 35。以下是一些 Python 代码片段：

检测器是处理 OCL 调用的类的一个实例，这里是 *read_img* 函数：

最后是如何实例化变量 *cl_image_format* ：

因此，如果一切正常，结果应该是 [0. 1. 6. 7.] 而不是我得到 [0. 24. 4. 28.]。
我在三个不同的设备上测试了这段代码：2 个 ATI 和 1 个 NVIDIA。全部返回相同的错误结果。我还制作了一个小型 C 程序，它执行与 python 相同的操作并调用相同的内核，这一次返回了正确的结果。所以我的错误出在python代码中，但我真的看不到它，尽管它一定就在我的眼皮底下。有人知道可能出了什么问题吗？
谢谢
PS 我使用的是 Win7 x64，免费的 EPD 7.3-2 分发版，python 2.7.3，我使用了这个网站上的 pyopencl 安装程序。

I'm trying to learn how to make GPU optimalized OpenCL kernells, I took example of matrix multiplication using square tiles in local memory. However I got at best case just ~10-times speedup ( ~50 Gflops ) in comparison to numpy.dot() ( 5 Gflops , it is using BLAS).

I found studies where they got speedup >200x ( >1000 Gflops ). ftp://ftp.u-aizu.ac.jp/u-aizu/doc/Tech-Report/2012/2012-002.pdf I don't know what I'm doing wrong, or if it is just because of my GPU ( nvidia GTX 275 ). Or if it is because of some pyOpenCl overhead. But I meassured also how long does take just to copy result from GPU to RAM and it is just ~10% of the matrix multiplication time.

}

NOTE - the strange BLOCK_SIZE=22 is the maximum BLOCK_SIZE which does fit to max work_group_size which is 512 on my GPU. In this code must hold condition BLOCK_SIZE^2 < max work_group_size. 22=int(sqrt(512)). I tried also BLOCK_SIZE=16 or 8 but it was slower tan with 22.

I also tried simple matrixMul (without using local memory) but it was even 10-times slower than numpy.dot(). I copied the code here http://gpgpu-computing4.blogspot.cz/2009/10/matrix-multiplication-3-opencl.html they say that even the simple version (without local memory) should run 200x faster than CPU? I don't undrestand that.

the dependecne of performance in my case is:

NOTE - the "Gflops" number is obtained as N^3/time and it does include time required to copy results from GPU to main memory, but this time is just few percent of total time especially for N>1000

maybe more pictorial is time in secons:

I was thinking that maybe some speed improvement can be obtained using async_work_group_copy or even read_imageui to copy blocks to local memory. But I don't understand why I have so big difference when I'm using basically the same code as people who say they have 200x speedup?????

我正在尝试开始使用 pyOpenCL，但在运行示例时遇到了问题。我简化了代码，试图弄清楚我下面的内容是怎么回事。当我运行代码时，它只会打印 1。它不会产生任何错误。如果我只调用 cl.create_some_context()，也会发生同样的情况。

我正在运行带有 AMD CPU 和 ATI GPU 的 windows 7、python 2.7。我已经更新了我的驱动程序。据我所知，我的 GPU 不支持 OpenCL，但我的 CPU 支持。

CPU：AMD速龙II X2 250

显卡：ATI Radeon HD 4600

输出：

谢谢！