Memory 使用1GB VRAM的200万个浮动的CLU资源？

看起来200万个浮动应该没什么大不了的，只有8MB的1GB GPU内存。我有时能够分配那么多，有时甚至更多，而没有任何麻烦。当我做一个clenqueueradbuffer时，我从资源中获取CL，这看起来很奇怪。我能嗅出真正的麻烦是从哪里开始的吗？OpenCL不应该在Clenqueueredbuffer这样失败，对吗？应该是我分配数据的时候吧？除了错误代码，还有什么方法可以获得更多的细节吗？如果我能看到OpenCL宣布CLOUT OUT OUT OUT OUT OUT OUT OUT OUT OUT OU资源时分配了多少VRAM，那就太酷了。

并非所有可用内存都可以提供给单个采集请求。阅读堆碎片，了解为什么能够成功的最大分配是针对最大的连续内存块，以及块如何由于使用内存而被分割成更小的块

并不是资源耗尽了。。。它只是找不到一件足够大的东西来满足您的要求…

来自： -调用clFinish（）可获取计算的错误状态（而不是在尝试读取数据时获取该状态）。
-如果（NVidia）卡也被用作显示器，则“资源不足”错误也可能由5s超时引起
-当内核中存在指针错误时，它也会出现。

---

后续建议首先在CPU上运行内核，以确保不会进行越界内存访问。

我刚刚遇到了与您相同的问题（我花了一整天的时间来修复）。 我相信有同样问题的人会偶然发现这一点，这就是为什么我要发布这个老问题

您可能没有检查内核的最大工作组大小

这就是你如何做到的：

size_t kernel_work_group_size;
clGetKernelWorkGroupInfo(kernel, device, CL_KERNEL_WORK_GROUP_SIZE, sizeof(size_t), &kernel_work_group_size, NULL);

我的设备（2x NVIDIA GTX 460和Intel i7 CPU）支持1024的最大工作组大小，但是当我通过路径跟踪内核时，上面的代码返回大约500的值。 当我使用1024大小的工作组时，它显然失败了，并给了我CL_OUT_of_RESOURCES错误

内核越复杂，它的最大工作组大小就越小（或者至少是我所经历的）

编辑：
我刚意识到你说的是“clEnqueueReadBuffer”而不是“ClenqueueEndRangeKernel”…
我的答案与克伦奎恩德兰格内尔有关。
抱歉弄错了。

---

我希望这对其他人仍然有用。

内核中的越界访问通常是静默的（因为内核排队调用仍然没有错误）

但是，如果稍后尝试使用clenqueueredbuffer（）读取内核结果。这个错误将会出现。它表示在内核执行期间出现了错误

---

检查您的内核代码是否存在越界读/写。

这很有意义，感谢您指出这一点。有没有一种方法可以分析发生故障时GPU上堆内存的碎片是什么样子的？不知何故，我怀疑这是否真的是问题所在，因为GPU内存的碎片通常不应该足够多。毕竟8MB在1GB卡上并没有那么多（特别是因为驱动程序应该能够将当前未使用的内存拉到主内存），gpu内存的分配通常相对较粗。因此，如果您看到由于碎片而导致的此类问题，并且如果是基于普通图形卡的系统（与特斯拉相反），那么您可能已经接近内存限制。我怀疑驾驶员不会在这一点上进行干预（通过消除一些上下文）。我仍然无法确定如何解决此问题。即使我在OpenCL调用之间插入了clFinish（）调用，我也会得到CLU OUT OF_RESOURCES异常。为什么在我执行clEnqueueReadBuffer（）时会触发它？@user464095:随机猜测：您是否为ClenqueueEndRangeKernel（）指定了本地工作大小？@user464095:clEnqueueReadBuffer（）只有两种错误模式，即CL_MEM_对象分配失败和CL_主机内存溢出，这两种模式可以映射到CL_资源溢出。在clenqueueredbuffer（）返回之前是否会出现异常？（如果是这样的话，这个异常可能是由于之前的电话。）嘿，谢谢。你是对的！我使用的是设备最大工作组大小，而不是内核最大工作组大小。改了，修好了：）。没问题。我很高兴能帮上忙D