OpenCL基准-关于参数变化的建议

我想在radeon HD 7970 Tahiti XT上执行有关OpenCL的两阶段求和减少的运行时基准测试（从此开始）

最初，我使用了第一个版本的代码，其中我没有使用第一个循环，该循环执行从大小为

N

的输入数组到大小为

NworkItems

的输出数组的缩减。下面是内核代码的第一个循环：

  int global_index = get_global_id(0);
  float accumulator = 0;
  // Loop sequentially over chunks of input vector
  while (global_index < length) {
    float element = buffer[global_index];
    accumulator += element;
    global_index += get_global_size(0);
  }

int global\u index=get\u global\u id（0）；
浮动累加器=0；
//在输入向量块上按顺序循环
while（全局_指数<长度）{
浮动元素=缓冲区[全局索引]；
累加器+=元件；
全局索引+=获取全局大小（0）；
}

因此，在第一个版本中，我将运行时作为输入数组大小（等于线程总数）和不同大小的工作组的函数进行了测量。结果如下：

现在，我想做一个基准测试，使用上面的初始循环。但我不知道我必须改变哪些参数

从一开始，有人说AMD建议工作组大小为64的倍数（NVIDIA为32）

此外，从上一条评论开始，建议将工作组大小设置为：

工作组大小=（总线程数）/（计算单位）

。 在我的GPU卡上，我有32个计算单元

因此，我想得到一些建议，了解哪些参数会有兴趣改变，以便比较第二个版本（与第一个简化循环）中的运行时。例如，我可以为比率

（输入数组的N个大小）/（总N个工作项）

取不同的值，为

工作组大小

取固定值（参见上面的表达式）

或者相反，也就是说，我应该改变

工作组大小的值，并固定比率
（输入数组的N个大小）/（总NworkItems）

任何想法都是受欢迎的，谢谢
您应该对本地数据求和，而不是分散数据，以帮助内存传输（合并数据访问）。所以用这个来代替：

  int chunk_size = length/get_global_size(0)+(length%get_global_size(0) > 0); //Will give how many items each work item needs to process
  int global_index = get_group_id(0)*get_local_size(0)*chunk_size + get_local_id(0); //Start at this address for this work item
  float accumulator = 0;

  for(int i=0; i<chunk_size; i++)
    // Loop sequentially over chunks of input vector
    if (global_index < length) {
      float element = buffer[global_index];
      accumulator += element;
      global_index += get_local_size(0);
    }
  }

int chunk\u size=length/get\u global\u size（0）+（length%get\u global\u size（0）>0）//将给出每个工作项需要处理的项数
int global_index=get_group_id（0）*get_local_size（0）*chunk_size+get_local_id（0）//从此工作项的地址开始
浮动累加器=0；
对于（inti=0；iThanks）。如果我理解得很好，我只需要改变两个参数：首先是输入数组的“长度”，然后是“获取本地大小（0）”=“每个工作组的大小”。因此，我可以更改用于生成第一个基准的上图的相同参数。您的代码的问题是，工作项0正在从
缓冲区[]
读取分散的数据，这些数据由
全局大小（）分隔
。根据工作项的大小，这可能会导致非常糟糕的内存模式。如果每个工作组在一小块缓冲区上工作，那么缓存效果会更好，甚至组中的所有工作项都可以共享缓存。对于给定的“工作组大小”，您是否建议我采用“总线程数=（工作组大小）*（计算单位）”用于我的基准测试（GPU卡上的计算单位=32，CPU上的计算单位=8）？