OpenCL clEnqueueNDRangeKernel 如何正确设置工作组大小

标签 opencl

在 OpenCL 中,如果我想添加两个 N 维向量,全局工作组大小 (globalSize) 应满足 globalSize = ceil(N/localSize) * localSize,其中 localSize 是本地工作组大小。它是否正确?如果N = 1000,并且localSize = 128globalSize应该是1024?我们是否可以始终将 globalSize 设置为 localSize 的倍数并且大于所需的值?

我尝试了很多次,它对于一维问题效果很好。

但是,当涉及到二维问题时,例如,将两个维度为 m*nn*p 的矩阵相乘,结果矩阵的阶数为 m*p,事情变得更加复杂。

我的设备上的最大工作组大小为 128,因此我设置 localSize [2] = {16,8}globalSize [2] = {ceil(m/16)*16,ceil(p/8)*8}

与一维情况类似,但结果是错误的!

如果我设置 localSize [2] = {1,128} 并相应地更改 globalSize,我可以获得正确的结果。那么问题出在哪里呢?谁能告诉我为什么?

此外,我还找出了矩阵元素错误的索引。

(i,j) 处的结果似乎是错误的,其中 i*p + j = n * 某个常量 (n = 1,2,3...)

为什么?

这是我的内核函数:

kernel void mmult(const int Mdim, const int Ndim, const int Pdim,
                  global float *A, global float *B, global float *C)
{

    int i = get_global_id(1);
    int j = get_global_id(0);
    if(i < 0 || j < 0 || i > Mdim || j > Pdim) return;
    else 
    {
        float tmp = 0;
        for(int k = 0; k < Ndim; k++)
            tmp += A[i*Ndim+k] * B[k*Pdim+j];

        C[i*Pdim + j] = tmp;
    }
}

然后是宿主程序:

#define __NO_STD_VECTOR // Use cl::vector instead of STL version
#define __CL_ENABLE_EXCEPTIONS
#include <CL/cl.hpp>
#include <utility>
#include <iostream>
#include <fstream>
#include <string>
#include <cmath>
using namespace cl;

int main()
{
    // Create the two input matrices
    int m = 1000;
    int n = 1000;
    int p = 1000;
    float *A = new float[m*n];
    float *B = new float[n*p];
    for(int i = 0; i < m*n; i++)
    {
        A[i] = i;

    }
    for(int i = 0; i < n*p; i++)
    {
        B[i] = i;
    }
    try
    {
        // Get available platforms
        vector<Platform> platforms;
        Platform::get(&platforms);

        // Select the default platform and create a context using this platform and the GPU
        cl_context_properties cps[3] =
        {
            CL_CONTEXT_PLATFORM,
            (cl_context_properties)(platforms[0])(),
            0
        };
        Context context( CL_DEVICE_TYPE_GPU, cps);

        // Get a list of devices on this platform
        vector<Device> devices = context.getInfo<CL_CONTEXT_DEVICES>();

        // Create a command queue and use the first device
        CommandQueue queue = CommandQueue(context, devices[0]);

        // Read source file
        std::ifstream sourceFile("mmul.cl");
        std::string sourceCode(
            std::istreambuf_iterator<char>(sourceFile),
            (std::istreambuf_iterator<char>()));
        Program::Sources source(1, std::make_pair(sourceCode.c_str(), sourceCode.length()+1));

        // Make program of the source code in the context
        Program program = Program(context, source);

        // Build program for these specific devices

        program.build(devices);

        // Make kernel
        Kernel kernel(program, "mmult");

        // Create memory buffers
        Buffer bufferA = Buffer(context, CL_MEM_READ_ONLY, m*n * sizeof(float));
        Buffer bufferB = Buffer(context, CL_MEM_READ_ONLY, p*n * sizeof(float));
        Buffer bufferC = Buffer(context, CL_MEM_WRITE_ONLY, m*p * sizeof(float));

        // Copy lists A and B to the memory buffers
        queue.enqueueWriteBuffer(bufferA, CL_TRUE, 0, m * n * sizeof(float), A);
        queue.enqueueWriteBuffer(bufferB, CL_TRUE, 0, p * n * sizeof(float), B);

        // Set arguments to kernel
        kernel.setArg(0, m);
        kernel.setArg(1, n);
        kernel.setArg(2, p);
        kernel.setArg(3, bufferA);
        kernel.setArg(4, bufferB);
        kernel.setArg(5, bufferC);

        // Run the kernel on specific ND range

        NDRange global((ceil((float)(p)/16))*16,(ceil((float)(m)/8))*8);

        NDRange local(16,8);
        queue.enqueueNDRangeKernel(kernel, NullRange, global, local);

        // Read buffer C into a local list
        float *C = new float[m*p];
        queue.enqueueReadBuffer(bufferC, CL_TRUE, 0, m*p * sizeof(float), C);


        // check the correctness of the result
        float *c = new float[m*p];
        for(int i = 0; i < m; i++)
            for(int j = 0; j < p; j++)
            {
                float z = 0.0;
                for(int k = 0; k < n; k++)
                {
                    z += A[i*n+k] * B[k*p+j];
                }
                c[i*p+j] = z;
            }

        for(int i = 0; i < m*p; i++)
        {
            if(fabs(c[i]-C[i])>0.001)
                std::cout<<i<<" "<<c[i]<<" "<<C[i]<<std::endl;
        }

        delete []A;
        delete []B;
        delete []C;
    }
    catch(Error error)
    {
        std::cout << error.what() << "(" << error.err() << ")" << std::endl;
    }

    return 0;
}

最佳答案

您的 OpenCL 内核中的边界检查代码不正确。而不是这个:

if(i < 0 || j < 0 || i > Mdim || j > Pdim) return;

你应该有这个:

if(i < 0 || j < 0 || i >= Mdim || j >= Pdim) return;

关于OpenCL clEnqueueNDRangeKernel 如何正确设置工作组大小,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25237145/

相关文章:

c++ - 将 OpenCL 代码嵌入到可执行文件中

opencl - OpenCL 中的最大内存分配大小仅为可用主内存的四分之一——为什么?

java - 如何将 BufferedImage 数据直接传递给 OpenCL?

double - 使用 double、OpenCL 进行原子操作

c++ - 在OpenCL中以编程方式选择最佳GPU的最佳方法是什么?

c++ - SYCL 异常捕获 : Error: [ComputeCpp:RT0101] Failed to create kernel ((Kernel Name: SYCL_class_multiply))

video - 在没有 hwdownload 的情况下将 ffpmeg OpenCL 过滤器输出传递给 NVenc?

global-variables - 为什么程序(全局)范围变量必须是 __constant?

opengl - 使用 CUDA/OPENCL 直接绘制到屏幕

opencl - OpenCL 中目标平台的示例是什么?