C++ OpenCL：CPU而非GPU上的正确结果：如何正确管理内存？

内核：好的，它编译成功了，我使用CPU作为设备获得了正确的结果，但那是在每次调用内核时，我都会释放程序并重新创建内存对象，这对于我的测试来说大约是16000次

我发布的代码就是我现在所在的位置，试图使用固定内存和映射

__kernel void CKmix(__global short* MCL, __global short* MPCL,__global short *C,  int S,  int B)
{       
    unsigned int i=get_global_id(0);
    unsigned int ii=get_global_id(1);
    MCL[i]+=MPCL[B*ii+i+C[ii]+S];
}

这也是成功的。我之所以有一个2d上下文数组，是因为我遍历了所有平台和设备，并允许用户选择要使用的平台和设备

OpenCLProgram = clCreateProgramWithSource(hContext[Plat-1][Dev-1],11, OpenCLSource, NULL ,NULL);
clBuildProgram(OpenCLProgram, 0,NULL,NULL, NULL,NULL);
ocKernel = clCreateKernel(OpenCLProgram, "CKmix", NULL);

我已经检查了错误，没有发现任何错误。内核使用新数据多次重复启动。我不知道我哪里做错了

NVIDIA 550 ti计算能力2.1， 最新的开发驱动程序，

---

Cuda SDK 4.0，

我不知道这是否是代码的唯一问题，但是：

clEnqueueWriteBuffer(hCmdQueue[Plat-1][Dev-1], DevMCL, CL_TRUE, 0, Z*NF*sizeof(short), MCL, 0, NULL, NULL);
clEnqueueWriteBuffer(hCmdQueue[Plat-1][Dev-1], DevCCL, CL_TRUE, 0, NF*sizeof(short), CCL, 0, NULL, NULL);
clEnqueueWriteBuffer(hCmdQueue[Plat-1][Dev-1], DevMO, CL_TRUE, 0, Z*sizeof(short), MTEMP, 0, NULL, NULL);

clEnqueueNDRangeKernel(hCmdQueue[Plat-1][Dev-1], ocKernel, 2, NULL, WorkSize, NULL, 0, NULL, NULL);
clEnqueueReadBuffer(hCmdQueue[Plat-1][Dev-1],DevMO, CL_TRUE, 0, Z * sizeof(short),(void*) MO , 0, NULL, NULL);

这绝对不是个好主意。通常会有多个线程在同一个

global\u id（0）

上工作，因此多个线程可能会尝试同时更新

MCL[i]

（请注意，

+=

不是原子的）。我认为，对于CPU来说，在大多数情况下，没有足够的线程来显示这种行为，而gpu上有数千个线程几乎肯定会导致问题

最合理的方法是只有一个一维工作集，并且每个螺纹累积到一个位置的所有值：

unsigned int i=get_global_id(0);
unsigned int ii=get_global_id(1);
MCL[i]+=MPCL[B*ii+i+C[ii]+S];

unsigned int i=get\u global\u id（0）；
短累计=MCL[i]//或者0，如果这是开始的话
用于（int ii=0；ii

---

当然，这可能可行，也可能不可行。如果不是这样，修复可能不会那么简单。

那么到底出了什么问题？@Grizzly我没有得到正确的结果（MO）。当我使用GPU和CPU时，我也会得到不同的结果。那么，你得到了什么结果？你期望得到什么？@Grizzly内核在嵌套循环中启动，外部循环迭代7次，内部循环大约15000次。innerloop派生特定数据集的结果，而outerloop则遍历数据集。所以我得到了7个结果，它们是MO中元素的加法。在没有openCL的情况下得到的正确结果是：391725892，616085276，635390637，682414482，700946018，749609786，772387246。使用openCL的GPU上的结果是：220257766、401009434、551268540、678976664、945593751、1241266605、1504909805。但是GPU的结果会有几千种不同。当我在CPU上运行时，我得到的第一组数据的结果是正确的，而接下来的6组数据的结果是不正确的。对于一维工作集来说，

global\u id（0）

是唯一的吗，但不适用于二维或三维工作集？@SteveBlackwell:对于一维工作集，您的ID为0..N，其中每个线程获得其中一个。为一个2暗。您有id[0..N，0..M]，其中每个组合发生一次，因此您得到M个线程共享相同的

global\u id（0）

（但具有不同的

global\u id（1）

）@Grizzly:您的解决方案有效。我现在在GPU上得到正确的结果！我仍然需要弄清楚如何优化它，因为它在CPU上的速度仅比串行方式快20%，比使用openMP的CPU慢3倍。我将尝试合并共享内存的使用，并致力于理解合并和对齐。谢谢@MVTCPLUSLUS：考虑到您最有可能的不是最佳的合并访问模式，这是意料之中的。也许我的这个答案有助于你理解合并：将工作大小设置为32的倍数会产生很大的不同<代码>while（工作大小%32！=0）--工作大小或

++WorkSize

，使该过程快了大约三倍。

unsigned int i=get_global_id(0);
unsigned int ii=get_global_id(1);
MCL[i]+=MPCL[B*ii+i+C[ii]+S];

unsigned int i=get_global_id(0);
short accum = MCL[i]; //or 0, if thats the start
for(int ii = 0; ii < size; ++ii)
  accum += MPCL[B*ii+i+C[ii]+S];
MCL[i] = accum;