Opencl 在主存和GPU内存之间传输数据需要多长时间？

GPU对我来说是新的。这个OpenCL代码片段说它在7毫秒内将7mb传输到GPU。这听起来是对的还是我遗漏了什么

const int dim1Size = 960000;
int* dim1 = new int[dim1Size];
int* dim2 = new int[dim1Size];
long size = sizeof(int)*dim1Size*2;
size = size / 1024 / 1024;
cout << size << "mb to transfer" << endl;

cl_mem mem_d1 = clCreateBuffer(*context, 0, sizeof(int)*dim1Size, NULL, NULL);
cl_mem mem_d2 = clCreateBuffer(*context, 0, sizeof(int)*dim1Size, NULL, NULL);

GetSystemTime(&time);
WORD start = (time.wSecond * 1000) + time.wMilliseconds;
clEnqueueWriteBuffer(*queue, mem_d1, CL_TRUE, 0, sizeof(int)*dim1Size, dim1, 0, NULL, NULL);
clEnqueueWriteBuffer(*queue, mem_d2, CL_TRUE, 0, sizeof(int)*dim1Size, dim2, 0, NULL, NULL);
GetSystemTime(&time);
WORD end = (time.wSecond * 1000) + time.wMilliseconds;
cout << (end - start) << "ms to transfer";

const int dim1Size=960000；
int*dim1=新int[dim1Size]；
int*dim2=新int[dim1Size]；
长尺寸=尺寸（整数）*dim1Size*2；
大小=大小/1024/1024；
cout1MBps对于任何可以运行OpenCL的GPU来说都是非常慢的。然而，如果我们仔细观察这些数字，我们可能会得到一些不同的结果

首先，您的示例并没有推动7MB，而是推动了两个缓冲区，每个缓冲区3.66MB。它们加在一起是7.32MB，这并不是一个很大的区别，但仍然是一个区别

然而，该代码中存在更大的不确定性。您正在使用GetSystemTime（）。它以毫秒精度报告时间，但不能保证粒度。事实上，如果没有要求更高粒度的进程，您将获得高达55毫秒的精度。这很可能是您的代码发生的情况。下面是一个快速示例，可用于计算当前GetSystemTime（）粒度：

SYSTEMTIME t1, t2;
GetSystemTime(&t1);
do {
    GetSystemTime(&t2);
} while (0 == memcmp(&t1, &t2, sizeof(SYSTEMTIME)));
std::cout << "timer granularity is " << t2.wMilliseconds - t1.wMilliseconds << " milliseconds" << std::endl;

SYSTEMTIME t1，t2；
GetSystemTime（&t1）；
做{
GetSystemTime（&t2）；
}而（0==memcmp（&t1，&t2，sizeof（SYSTEMTIME））；
哇！我觉得听起来很快。这是一台较旧的工作计算机，所以也许这就是为什么它听起来很慢的原因。实际上，opencl运行时不处理是否使用主内存吗？因此，在这种情况下，它可能永远不会真正传输到gpu内存？PCI-E3.0带宽超过5GB/s，超过5MB/ms，超过35MB/7ms，但你的是旧的，所以PCI-E2.0几乎是17MB/7ms的一半，你说它是7mb/7ms，所以它可能更旧，所以你可能是对的。如果您的卡支持cl/gl互操作，则您可以在卡中进行计算，这样就不会复制。