Opencl 添加不相关的代码后，内核运行速度明显减慢

我正在使用OpenCL在Adreno GPU上实现GEMM。总体思路是将结果矩阵C划分为矩形块，每个工作项负责计算其中一个。我的原始代码通常如下所示：

__kernel void simple_gemm(const __global float4* A,
                          __read_only image2d_t B,
                          __global float4* C)
{
    // some code to calculate the corresponding piece of matrix C
}

最初的内核假设矩阵C可以被完美地分割成几个部分，在我的设备上，它的最大运行速度为50gflops。然后，我添加了代码，以支持当C的边界上有一些剩余部分被划分成若干部分时的情况，我的第二个内核如下所示：

__kernel void gemm(const __global float4* A,
                   __read_only image2d_t B,
                   __global float4* C)
{
    if (corresponding_piece_not_on_border)
    {
        // some code to calculate a whole piece of matrix C
    }
    else
    {
        // some code to calculate a partial piece of matrix C
    }
}

然而，当我回到测试原始用例时（也就是说，没有边界用例，因此永远不会执行else中的代码），我发现我的内核的性能已经下降到大约30gflops，这是不可预料的。我已经仔细检查了我的内核是否从未到达

else

块中的代码，这意味着当输入原始测试数据时，第二个内核在逻辑上与第一个内核相同

（我试图获取内核的“低级代码”，看看是否有问题，但高通公司似乎还没有发布他们的低级规范）

---

那么，我的情况会有什么问题呢？如果有任何帮助，我们将不胜感激。

编译器是否可以同时计算if和else部分，并仅将结果赋值为类似于cpu SIMD风格的三值？如果你把它设为3种情况，它是否会变得更慢（15gflops）？你如何计算“对应的\u块\u而不是\u边界上的\u”？它会引入额外的内存访问吗？您是否100%确定else代码永远不会执行？即使输入了0.1%的时间，也会导致所有工作人员输入代码。@huseyintugrulbuyukisik实际上，我省略的代码相当耗时，所以我不认为编译器会做这样愚蠢的事情。此外，我还尝试添加第三个块，但速度仍然与两个块相同。谢谢您的帮助。@DarkZeros这只是一个使用全局和局部id以及一些常量参数的简单公式。我一直在反复编辑我的代码，效率并没有像这样剧烈波动。我使用printf语句来确保第二个块没有被执行，因为我不知道更好的检查方法。谢谢。是不是您遇到了寄存器分配问题？所有可能执行路径上的所有

private

变量（即内核/函数中未标记为

local

的局部变量）通常在GPU的寄存器文件中静态分配。如果您的稀有执行路径使用了大量私有变量，那么即使代码从未运行，您也会为此付出代价。寄存器压力降低了线程占用率/并行性，可能会降低吞吐量。尽量减少稀有代码对寄存器文件的使用，看看这是否有帮助。（或者使用特定于实现的工具进行检查。）编译器是否可以同时计算if和else部分，并仅将结果分配给类似于cpu SIMD风格的三元结构？如果你把它设为3种情况，它是否会变得更慢（15gflops）？你如何计算“对应的\u块\u而不是\u边界上的\u”？它会引入额外的内存访问吗？您是否100%确定else代码永远不会执行？即使输入了0.1%的时间，也会导致所有工作人员输入代码。@huseyintugrulbuyukisik实际上，我省略的代码相当耗时，所以我不认为编译器会做这样愚蠢的事情。此外，我还尝试添加第三个块，但速度仍然与两个块相同。谢谢您的帮助。@DarkZeros这只是一个使用全局和局部id以及一些常量参数的简单公式。我一直在反复编辑我的代码，效率并没有像这样剧烈波动。我使用printf语句来确保第二个块没有被执行，因为我不知道更好的检查方法。谢谢。是不是您遇到了寄存器分配问题？所有可能执行路径上的所有

private

变量（即内核/函数中未标记为

local

的局部变量）通常在GPU的寄存器文件中静态分配。如果您的稀有执行路径使用了大量私有变量，那么即使代码从未运行，您也会为此付出代价。寄存器压力降低了线程占用率/并行性，可能会降低吞吐量。尽量减少稀有代码对寄存器文件的使用，看看这是否有帮助。（或使用特定于实施的工具进行检查。）