Matrix 优化矩阵乘法OpenCL-目的：学习如何管理内存

我是OpenCL新手，试图了解如何优化矩阵乘法以熟悉各种范式。这是当前的代码。 如果我将矩阵A和B相乘，我在私有内存中分配一行A（因为每个工作项都使用它），在本地内存中分配一列B（因为每个工作组都使用它）

1） 代码目前是不正确的，不幸的是，我正在努力学习如何使用本地工作ID来获得正确的代码，但是我找不到我的错误？我是基于自己，但（幻灯片27）这似乎是错误的，因为他们没有在内部循环中使用loc_大小）

2） 您是否建议对该代码进行其他优化

 __kernel void mmul(
  __global int* C,
 __global int* A, 
 __global int* B,
   const int rA, 
   const int rB,
   const int cC, 
   __local char* local_mem) 
{ 
   int k,ty; 
   int tx = get_global_id(0); 
   int loctx = get_local_id(0); 
   int loc_size = get_local_size(0);
   int value = 0 ;
   int tmp_array[1000]; 
   for(k=0;k<rB;k++) { 
     tmp_array[k] = A[tx * cA + k] ;
   } 
   for (ty=0 ; ty < cC ; ty++) { \n" \
     for (k = loctx ; k < rB ; k+=loc_size) { 
         local_mem[k] = B[ty + k * cC] ;
     }
      barrier(CLK_LOCAL_MEM_FENCE); 
       value = 0 ; 
       for(k=0;k<rB;k+=1) {
           int i = loctx + k*loc_size;
           value += tmp_array[k] * local_mem[i]; 
     } 
   C[ty + (tx * cC)] = value; 
 } 
} 

---

local_wi_size是结果行/计算单元数（这样结果行%compute units==0）

您的代码非常接近，但对本地内存数组的索引实际上比您想象的简单。在私有内存中有一行，在本地内存中有一列，需要计算这两个向量的点积。您只需对

行[k]*col[k]

求和，对于

k=0

到

N-1

：

for(k=0;k<rB;k+=1) {
    value += tmp_array[k] * local_mem[k]; 
}

---

您可以在屏幕上找到与幻灯片配套的全套练习和解决方案。同一教程中还提供了一套更完整的幻灯片，接下来展示了一个更优化的矩阵乘法示例，该示例使用块方法更好地利用时间和空间位置。前面提到的缺少屏障的错误已在示例解决方案代码中修复，但尚未在幻灯片上修复。

您的代码示例是否得到正确的结果？你试过更小的矩阵吗？全球和本地工作维度是什么？

for(k=0;k<rB;k+=1) {
    value += tmp_array[k] * local_mem[k]; 
}

__kernel void mmul(
  __global int* C,
  __global int* A,
  __global int* B,
     const int rA,
     const int rB,
     const int cC,
  __local char* local_mem)
{
  int k,ty;
  int tx = get_global_id(0);
  int loctx = get_local_id(0);
  int loc_size = get_local_size(0);
  int value = 0;
  int tmp_array[1000];
  for(k=0;k<rB;k++) {
    tmp_array[k] = A[tx * cA + k] ;
  }
  for (ty=0 ; ty < cC ; ty++) {

    for (k = loctx ; k < rB ; k+=loc_size) {
      local_mem[k] = B[ty + k * cC];
    }
    barrier(CLK_LOCAL_MEM_FENCE); // First barrier to ensure writes have finished

    value = 0;
    for(k=0;k<rB;k+=1) {
      value += tmp_array[k] * local_mem[k];
    }
    C[ty + (tx * cC)] = value;

    barrier(CLK_LOCAL_MEM_FENCE); // Second barrier to ensure reads have finished
  }
}