在CUDA中查找连续索引的OpenCl等价物

在CUDA中，为了覆盖多个块，从而增加阵列的索引范围，我们执行以下操作：

主机端代码：

 dim3 dimgrid(9,1)// total 9 blocks will be launched    
 dim3 dimBlock(16,1)// each block is having 16 threads  // total no. of threads in  
                   //   the grid is thus 16 x9= 144.        

设备端代码

 ...
 ...     
 idx=blockIdx.x*blockDim.x+threadIdx.x;// idx will range from 0 to 143 
 a[idx]=a[idx]*a[idx];
 ...
 ...    

---

在OpenCL中实现上述情况的等价物是什么？

CUDA和OpenCL之间的等价物是：

blockIdx.x*blockDim.x+threadIdx.x = get_global_id(0)

LocalSize = blockDim.x

GlobalSize = blockDim.x * gridDim.x

---

在主机上，当您使用

clEnqueueNDRangeKernel

将内核排队时，必须指定全局和本地工作大小。例如：

size_t global_work_size[1] = { 144 }; // 16 * 9 == 144
size_t local_work_size[1] = { 16 };
clEnqueueNDRangeKernel(cmd_queue, kernel, 1, NULL,
                       global_work_size, local_work_size,
                       0, NULL, NULL);

在内核中，使用：

size_t get_global_size(uint dim);
size_t get_global_id(uint dim);
size_t get_local_size(uint dim);
size_t get_local_id(uint dim);

分别检索全局和本地工作规模和指数，其中

dim

对于

x

为

0

，

1

对于

y

和

2

对于

z

因此，您的

idx

的等价物将只是

size\t idx=get\u global\u id（0）

请参阅。
您可能需要更改设备端代码。您启动的配置的idx范围为0到11。您可能需要执行idx=（blockIdx.y*gridDim.x+blockIdx.x）*（blockDim.x*blockDim.y）+threadIdx.y*blockDim.x+threadIdx.x；它的范围在0到143之间。哦，这是由mnistake。。。编辑的块dim为一个dim，因此我这样做：主机端：localWorkSize[0]=16；globalWorkSize[0]=9*16；设备端：int i=get_global_id（0）a[idx]=a[idx]*a[idx]。。。