OpenCL可以在CPU上使用了吗？
在实验室中，我们有一个异构群集设置，有许多Intel CPU、一些AMD CPU和一些Nvidia GPU 对于HPC开发，我知道我可以在这个设置中编写一次并在任何地方运行的东西是OpenCL（甚至不是Java；）。但在实验室里，我们非常习惯于使用C或Fortran+MPI来开发完全在CPU上运行的程序，而且可能很少有人需要使用Nvidia的节点来运行CUDA中的某些程序OpenCL可以在CPU上使用了吗？,opencl,mpi,cluster-computing,hpc,Opencl,Mpi,Cluster Computing,Hpc,在实验室中，我们有一个异构群集设置，有许多Intel CPU、一些AMD CPU和一些Nvidia GPU 对于HPC开发，我知道我可以在这个设置中编写一次并在任何地方运行的东西是OpenCL（甚至不是Java；）。但在实验室里，我们非常习惯于使用C或Fortran+MPI来开发完全在CPU上运行的程序，而且可能很少有人需要使用Nvidia的节点来运行CUDA中的某些程序 现在，在一个新项目的开始，我认为能够在MPI+OpenCL中编写代码，并且能够在分布式处理中包括GPU和CPU，运行相同的O
现在，在一个新项目的开始，我认为能够在MPI+OpenCL中编写代码，并且能够在分布式处理中包括GPU和CPU，运行相同的OpenCL代码，这将是非常好的。那么，OpenCL实现是否准备好执行这样的任务呢？如果OpenCL代码在使用英特尔SDK的CPU上运行，我是否可以像使用英特尔编译器编译的多线程C程序那样计算性能？你能指出比较和基准吗？OpenCL是可移植的，但它不是性能可移植的。您不应该期望OpenCL在任何地方快速运行后都可以编写。为GPU编写的OpenCL代码可能在CPU上运行得很差，我不希望GPU之间有统一的性能，特别是来自不同供应商的GPU 为了回答您的具体问题，基于大量第三方评估，不，我不希望OpenCL在英特尔CPU上击败编写良好的C+OpenMP。原因有很多
请注意，由于问题的广泛性，我的答案上的错误栏非常大。如果能更详细地了解您打算计算什么，那将是非常有帮助的。我很幸运地在CPU和GPU之间移植了我的OpenCL代码。我的项目是Levenberg Marquardt，我先用C编写调试它，然后将它移植到Intel CPU上的OpenCL以检查结果并进行更多的调试，然后在AMD GPU上进行OpenCL 我发现，要真正跨设备编写好OpenCL代码，最好的技巧是将全局内存缓冲到本地内存，即使您使用的是CPU，因为这通常是GPU上的瓶颈。我在GPU和CPU上发现的第二个瓶颈是内核大小，CPU可以处理比GPU更大的内核，所以请注意用于常量的内存类型，分配了多少本地内存，等等
它已经6个月了，所以可能是固定的，但AMD FFT在Intel CPU、GPU和AMD GPU上工作得很好，但在NVIDIA GPU上却不工作。AMD论坛有一个帖子，认为NVIDIA不支持一些矢量功能 除了其他答案之外，再次强调一个重要的问题：问题非常广泛，绩效将取决于许多您在问题中未提及的因素。您可能已经意识到这些因素，但在中可能会找到一个摘要（乍一看，这个问题似乎与CUDA无关，但许多概念也适用于OpenCL） OpenCL背后的主要驱动思想之一是（值得注意的是，该页面甚至没有提到OpenCL…）。也就是说，OpenCL旨在为开发人员提供利用所有可用处理资源的可能性，从单个ARM内核到具有数千个内核的多个高端GPU 这种多功能性是有代价的。某些概念是为许多核心架构隐式定制的（或者至少，到目前为止，这似乎是主要的应用领域）。在任何情况下，“优化”OpenCL程序通常只意味着“调整它以便在某个特定架构上运行得特别快”。像矢量化或共享内存这样的东西在一个平台上可能是有利的，或者在另一个平台上根本不可用 有一些可能绕过这一点，或者至少尝试使一个OpenCL程序对其将运行的硬件更加“不可知”。一个明显的选择是查询目标平台属性（例如，首选向量大小或共享内存是否可用），并根据结果启动不同的内核。由于OpenCL中的内置编译器，甚至可以在内核源代码中包含特定于平台的优化，例如通过
#define