OpenCL内核使用率（操作与数据传输比率）

我打算实现一个OpenCL内核函数，根据该函数中要完成的计算（操作与数据传输的比率），我想确定是否值得继续这样做。因此，根据我的估计，我发现操作与数据传输的比率约为12-15，无论主机和设备之间要传输的数据输入/输出的维度如何，该比率都是恒定的

对于这种情况，您认为从主机还是从设备进行计算更好

---

谢谢

没有更多细节，你只能疯狂地猜测。。。取决于你所说的“操作”（OpenCL级别？GPU指令级别？）“数据传输”（字节/字节），是否可以使用本地内存，主机到底是什么硬件，设备是什么硬件……

没有更多细节，人们只能疯狂猜测。。。取决于您所说的“操作”（OpenCL级别？GPU指令级别？）“数据传输”（字节/字节），是否可以使用本地内存，主机到底是什么硬件，设备是什么硬件……

同意。此外，我们讨论的是什么数据类型？几乎所有的GPU都擅长32位浮点运算。当您进入不同大小的整数运算或16位（半）浮点时，它开始发散，对于双精度（64位）浮点值，它可能会有很大的不同。此外，某些类型的任务本质上比其他类型的任务更适合GPU风格的并行性。我使用基本上是浮点作为数据类型，操作基本上是和、除、乘、对数和atan公式。所以，我只需计算这些运算的数量，就可以知道运算与数据的比率transfer@Abdoulayendiongue事情并不是那么简单。我99%确定OpenCL的atan（）目前没有在任何通用GPU（或CPU）上的硬件中实现，并且将使用十几条（或几十条）指令进行计算。log（）存在于硬件中，至少在AMD上是这样，但它可能不是处处都兼容IEEE754，这意味着OpenCL也可以使用库实现。这意味着您的OpenCL程序将>=100条指令。因此，根据每个WItem从全局mem到全局mem的实际数据传输量，这可能值得在GPU上进行。顺便说一句，有一种方法可以通过在“native_”前面加上前缀来为某些操作使用本机硬件指令，但这同样取决于硬件，而且它的精度和域完全取决于硬件（通常非常糟糕）。顺便说一句，现代CPU没有atan（）或log（）或任何超越的指令，因此您的程序在CPU上的指令不会减少。谢谢@mogu。这意味着atan（）和log（）等函数需要如此多的基本运算，因此值得将其放在GPU上以并行方式执行。同意。此外，我们讨论的是什么数据类型？几乎所有GPU都擅长32位浮点运算。当您进入各种大小的整数运算或16位（一半）时，它开始发散浮动，并且对于双精度（64位）可能会有很大的不同浮点值。此外，某些类型的任务本质上比其他类型的任务更适合GPU风格的并行性。我基本上使用浮点作为数据类型，操作基本上是和、除、乘、对数和atan公式。因此，我只需计算这些操作的数量，就可以知道操作与数据传输的比率r@Abdoulayendiongue这并不是那么简单。我99%确定OpenCL的atan（）目前没有在任何通用GPU（或CPU）上的硬件中实现，并且将使用十几条（或几十条）指令进行计算。log（）存在于硬件中，至少在AMD上是这样，但它可能不是到处都兼容IEEE754，这意味着OpenCL也可以使用库实现。因此这意味着您的OpenCL程序将>=100条指令。因此，根据每个WItem从全局mem到全局mem的实际数据传输量，这可能值得在GPU上进行。顺便说一句，有在某些操作中使用本机硬件指令的一种方法，其前缀为“native_u”-但这同样取决于硬件，而且它的精度和域完全依赖于硬件（通常非常糟糕）。顺便说一句，现代CPU没有atan（）或log（）的指令或者任何超越性的东西，这样你的程序在CPU上的指令就不会减少。谢谢@mogu。这意味着像atan（）和log（）这样的函数需要很多基本操作，所以值得把它们放在GPU上，以便并行执行。