AMD提出的OpenCL两阶段约简示例中的内核属性

我在理解所描述的两阶段简化算法时遇到一些问题

\u内核
void reduce（uu全局浮点*缓冲区，
__局部浮动*刮伤，
__常量int长度，
__全局浮点*结果）{
int global_index=get_global_id（0）；
浮动累加器=无穷大；
//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=（累加器<元件）？累加器：元件；
全局索引+=获取全局大小（0）；
}
//执行并行还原
int local_index=get_local_id（0）；
划痕[局部指数]=累加器；
屏障（CLK_本地_MEM_围栏）；
对于（int offset=get_local_size（0）/2；
偏移量>0；
偏移量=偏移量/2）{
if（局部指数<偏移量）{
浮动其他=划痕[局部索引+偏移]；
浮动矿=划痕[局部指数]；
划痕[局部指数]=（矿山<其他）？矿山：其他；
}
屏障（CLK_本地_MEM_围栏）；
}
如果（本地_索引==0）{
结果[get_group_id（0）]=划痕[0]；
}
}

我理解基本思想，但我不确定while循环。就我所知，属性长度指定缓冲区中元素的数量，即我到底要处理多少个元素。但是get_global_size返回工作项的全局数量。那么，长度和get_全局大小不是相等吗？这意味着while循环条件将只满足一次。我们是否应该使用get_local_size而不是get_global_size？

全局大小可能大于长度，因为在OpenCL 1.x中，全局大小必须是工作组大小的整数倍。因此，全局大小可能已从数据大小（长度）向上舍入。例如，如果长度为1000，但工作组大小为128，则全局大小为1024

那么

length

和

get\u global\u size

是否相等

不一定。通常启动的工作项少于数据元素，并且每个工作项处理多个元素。通过这种方式，您可以将输入数据大小与工作项的数量解耦

在这种情况下，应满足以下条件：

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

当

while

循环完成时，每个工作项都将计算输入数组子集上的最小值。例如，

a0

将计算

min（x0，x8，x16）

，

b0

将计算

min（x4，x12）

然后，工作项将计算出的最小值写入本地内存，工作组继续在本地内存中进行最小约简（使用约简树）。它们的结果被写回全局内存，并且可能会使用

result

再次调用内核，作为要减少的新数组，直到最终结果是单个元素。

[完整描述]

概述：

这是一种两阶段缩减，通过减少同步/障碍和开销，并使所有计算单元尽可能繁忙，其性能优于递归多级缩减。在理解内核之前，了解主机程序设置的工作项和工作组配置以及内核的参数非常重要。在本例中，任务是找到N个浮点数的最小值。配置如下所示

设置：

工作组配置为，主机设置K个工作项（K 内核的参数和维度是：1）第一个参数是一个N大小的数组，包含N个数据元素（用于查找min的候选数据）；2） 第二个参数是大小为Q的空数组；3） 长度的值等于N；结果是一个大小为P的数组

工作流：第1阶段

工作流程如下所示： 如果N%K==0，则每个工作项最初会在N/K个数据元素中找到最小值，其中数据元素之间相隔K个项目。while循环完成这个任务。如果N%K！=0，一些工作项计算ceil（N/K）元素的最小值，其余工作项计算floor（N/K）元素的最小值。（如Kretab Chabawenizc在上面的回答中所解释）

每个工作项的结果最初存储在局部变量累加器中，然后最终保存到局部数组中。一旦完成了这部分工作的所有工作项（由屏障（CLK_LOCAL_MEM_FENCE）保证），内核就开始充当递归并行简化内核。来自特定工作组的工作项将SabrPad视为数据项数组，并且每个工作项通过迭代来减少它（for循环执行此操作。读取实际AMD文档以获得更多解释）。 最后，结果的前p个元素将包含每个p工作组找到的最小值

工作流：第2阶段

现在第二阶段开始；在此阶段，可以为P个工作项和1个工作组调用相同的内核。结果数组将是这次内核的第一个参数，一个元素数组将是内核接收最终结果的最后一个参数

---

在这次运行中，while循环不会做任何有意义的事情，只会将值从缓冲区复制到scratch。因此，您可以提出一个更优化的内核，并将其用于第二阶段。

在缩减情况下，全局大小往往小于实际数据大小，因为参与每个过程缩减的工作项数量为N/2、N/4、N/8、N/16等。。因此，他们宁愿从（即：N/8）开始，然后从那里继续。在最后的循环中不要有太多的空闲工作项。我上传了用C编写的这个2阶段缩减的示例代码

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

length: 20
get_global_size(): 8
get_local_size(): 4

x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16 x17 x18 x19 Input array
--------------------------------------------------------------------- Iterations
a0 a1 a2 a3 b0 b1 b2 b3                                               0
                        a0 a1 a2  a3  b0  b1  b2  b3                  1
                                                      a0  a1  a2  a3  2