Compiler construction 有没有办法在AMD OpenCL内核中使用编译器展开循环？

我试图评估OpenCL for AMD和Nvidia GPU之间的性能差异。我有一个执行矩阵向量乘法的内核。目前我正在两个不同的系统上运行内核，我的笔记本电脑有一个NVidia GT525m和Ubuntu 12.04以及CUDA 4.0（其中包含OpenCL库和头文件），另一个是一个台式机，同样有AMD Radeon HD7970和Ubuntu 12.04以及最新的Catalyst驱动程序

在内核中，我有两个代码> > PraceMun-OrLoo/<代码>语句，这些语句为英伟达OpenCL实现（~6x）产生了很大的加速。但是AMD OpenCL版本不会产生任何加速。使用AMD应用程序内核分析器查看内核时，会出现一个错误，即未使用展开，因为行程计数未知。 所以我的问题是，

#pragma unroll

是否与AMD OpenCL一起工作，或者是否有其他选择（可能是我不知道的编译器标志）。我已经在下面介绍了内核

__kernel void mvKernel(__global float* a, const __global float* x, __global float* y, int m, int n)
{
    float sum = 0.0f;
    __global float* A;
    int i;
    int j = 0;
    int indx = get_global_id(0);
    __local float xs[12000];
#pragma unroll 
    for(i = get_local_id(0); i < n; i+= get_local_size(0)) {
        xs[i] = x[i];
    } 
    barrier(CLK_LOCAL_MEM_FENCE);
    A = &a[indx];
#pragma unroll 256
    for(i = 0; i < n; i++) {
        sum += xs[i] * A[j];
        j += m;
    }
    y[indx] = sum;
}

\uuuu内核void mvKernel（\uuuu全局浮点*a，const\uuu全局浮点*x，\uuu全局浮点*y，int m，int n）
{
浮动总和=0.0f；
__全球浮动*A；
int i；
int j=0；
int indx=获取全局id（0）；
__本地浮动xs[12000]；
#布拉格展开
对于（i=get_local_id（0）；i

---

同一个内核在两种实现中都会产生正确的结果，但是#pragma unroll命令对AMD没有任何作用（通过注释它们来检查）。

没有文档记录，但它实际上应该与

#pragma unroll

一起工作。您可以检查编译器日志以查看是否应用了展开吗？我不确定内核分析器是否使用与OpenCL运行时相同的编译器，您可能需要检查

否则，如果您知道

n

以256块的形式出现，您可以手动展开，方法是在256个元素的块上有一个循环，在其中有一个固定大小为256的循环，这可能更容易展开。这肯定会解决静态不知道跳闸计数的问题

---

但是，请记住，展开循环通常不会带来太大的成功，因为您没有太多的寄存器来缓存您的计算。回路展开导致的寄存器压力增加可能会导致寄存器溢出，甚至更慢。您应该检查AMD卡上内核的实际速度。一个更新的英伟达OpenCL编译器可能也不会从unLoad Prima.< /P>中获益。我目前还没有访问AMD机器，但从我可以记得的是，内核在AMD卡上使用3.0MS，有或没有ORD，而NVIDIA用unRoad占用0.7Ms，不展开时大约1.17ms，如果我使用标志“-cl opt disable”编译内核时2.88ms，这将关闭所有编译器优化，因此看起来很多速度的提高实际上并不是来自展开。明天我将查看编译器日志，看看它给出了什么。正在应用展开，我想我只需要为AMD架构优化我的代码。展开会导致代码大小扩大，从而导致I-cache未命中。但它如何导致寄存器压力增加？我没听懂。我的意思是寄存器的活动范围不会因为循环被展开而改变。我猜想，如果稍后的编译器优化过程执行一些与活动区域重叠的代码运动，那么活动的同时寄存器的数量可能会增加。这就是你的意思吗？但您可能认为编译器在执行代码运动时会跟踪这一点，以避免溢出填充。它可以展开，然后尝试向前移动加载，这会增加寄存器压力。