我在 OpenCL 中编写了一段代码来查找前 5000 个素数。这是代码:
__kernel void dataParallel(__global int* A)
{
A[0]=2;
A[1]=3;
A[2]=5;
int pnp;//pnp=probable next prime
int pprime;//previous prime
int i,j;
for(i=3;i<5000;i++)
{
j=0;
pprime=A[i-1];
pnp=pprime+2;
while((j<i) && A[j]<=sqrt((float)pnp))
{
if(pnp%A[j]==0)
{
pnp+=2;
j=0;
}
j++;
}
A[i]=pnp;
}
}
然后我使用 OpenCL 分析找出了这个内核代码的执行时间。这是代码:
cl_event event;//link an event when launch a kernel
ret=clEnqueueTask(cmdqueue,kernel,0, NULL, &event);
clWaitForEvents(1, &event);//make sure kernel has finished
clFinish(cmdqueue);//make sure all enqueued tasks finished
//get the profiling data and calculate the kernel execution time
cl_ulong time_start, time_end;
double total_time;
clGetEventProfilingInfo(event, CL_PROFILING_COMMAND_START, sizeof(time_start), &time_start, NULL);
clGetEventProfilingInfo(event, CL_PROFILING_COMMAND_END, sizeof(time_end), &time_end, NULL);
//total_time = (cl_double)(time_end - time_start)*(cl_double)(1e-06);
printf("OpenCl Execution time is: %10.5f[ms] \n",(time_end - time_start)/1000000.0);
我在各种设备上运行这些代码，这就是我得到的结果:
Platform:Intel(R) OpenCL
Device:Intel(R) Xeon(R) CPU X5660 @ 2.80GHz
OpenCl Execution time is: 3.54796[ms]
Platform:AMD Accelerated Parallel Processing
Device:Pitcairn (AMD FirePro W7000 GPU)
OpenCl Execution time is: 194.18133[ms]
Platform:AMD Accelerated Parallel Processing
Device:Intel(R) Xeon(R) CPU X5660 @ 2.80GHz
OpenCl Execution time is: 3.58488[ms]
Platform:NVIDIA CUDA
Device:Tesla C2075
OpenCl Execution time is: 125.26886[ms]
但是 GPU 不是应该比 CPU 更快吗？或者，我的代码/实现有什么问题吗？ 请解释此行为。
最佳答案
clEnqueueTask() 所以基本上，您在 GPU 中运行 1 个“线程”(工作项)。 GPU 永远不会在单线程性能上击败 CPU。
您需要转换您的代码，这样您就可以将每个素数计算分配到一个线程，然后运行 5000 多个工作项(最好是数百万)。然后，GPU 将击败 CPU，因为它可以并行运行所有任务，而 CPU 不能。
为了使用多个工作项，请使用 clEnqueueNDRangeKernel() 调用您的内核
关于CPU 运行速度比 GPU 快(OpenCL 代码)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31242023/