OpenCL中使用本地内存的奇怪行为

我目前正在一个项目上工作，该项目在NVIDIA Tesla C1060（驱动程序版本195.17）上起诉OpenCL。然而，我有一些奇怪的行为，我真的无法解释。下面是让我困惑的代码（为了清晰和测试目的而减少）：

我期望的结果是

index   0-127: 0
index 128-255: 640
index 256-511: 1280
...

奇怪的是：只有当我使用的工作项少于itemcount时，问题才会出现（因此，当globalsize>=itemcount时，它会像预期的那样工作，这意味着每个工作项只处理一个条目）。所以我猜这和循环有关。 有人知道我做错了什么以及如何修复吗

更新： 我发现，如果我改变，它似乎起作用

if(get_local_id(0) == 0)
     tmpData[0] = groupOffsets[groupid]; 

到

if（获取本地id（0）<32）
tmpData[0]=groupoffset[groupid]；

这让我更加惊讶，所以虽然它可能会解决问题，但我觉得用这种方式解决它并不舒服（因为它可能会在其他时间中断）。 此外，我更愿意避免在Geforce 8xxx类硬件上运行时由于额外（据我所知，该硬件未校准）内存访问而导致性能损失。

---

因此问题仍然存在。

首先，而且重要的是，您需要注意，

itemcount

是本地工作大小的倍数，以避免在执行屏障时出现分歧

在处理器上执行内核的工作组中的所有工作项都必须先执行此函数，然后才允许任何工作项继续执行超出该界限。执行内核的工作组中的所有工作项都必须遇到此函数

您可以按如下方式实现此功能：

unsigned int itemcountrounded = get_local_size(0) * ((itemcount + get_local_size(0) - 1) / get_local_size(0));
for(unsigned int id = get_global_id(0); id < itemcountrounded; id += globalsize, groupid += groupcount)
{
    // ...
    if (id < itemcount)
        result[id]   = (float) offset;
}

unsigned int itemcountrounded=get_local_size（0）*（itemcount+get_local_size（0）-1）/get_local_size（0））；
for（unsigned int id=get_global_id（0）；id

---

你说代码是为了简单而减少的，如果你运行你发布的东西会怎么样？只是想知道是否也需要在全局内存上设置障碍。

我所说的简化的意思是，我真正尝试的不是将groupid复制到每个vektor条目中。我发布的结果是运行psted内核的结果（至少在一次运行中，不正确的条目似乎因运行而异）。我已经确保itemcount是localworksize的倍数，但是从我的测试来看，这两种方式都无关紧要（因为无论itemcount是否可被本地工作大小整除，行为基本相同），您是否也尝试过在全局内存上设置障碍？i、 e.

barrier（CLK_LOCAL_MEM_FENCE | CLK_GLOBAL_MEM_FENCE）

if(get_local_id(0) == 0)
     tmpData[0] = groupOffsets[groupid]; 

if(get_local_id(0) < 32)
     tmpData[0] = groupOffsets[groupid]; 

unsigned int itemcountrounded = get_local_size(0) * ((itemcount + get_local_size(0) - 1) / get_local_size(0));
for(unsigned int id = get_global_id(0); id < itemcountrounded; id += globalsize, groupid += groupcount)
{
    // ...
    if (id < itemcount)
        result[id]   = (float) offset;
}