Parallel processing openCL还原，并传递2d数组

下面是我想转换为openCL的循环

for(n=0; n < LargeNumber; ++n) {    
    for (n2=0; n2< SmallNumber; ++n2) {
        A[n]+=B[n2][n];
    }                                                         
    Re+=A[n];       
}

---

我对这类事情完全是个新手。首先，我知道我不能向openCL内核传递全局双指针。如果可以，请在发布解决方案之前等待几天左右，我想自己解决这个问题，但如果您能帮我指出正确的方向，我将不胜感激。

关于传递双指针的问题：这种问题通常通过复制整个矩阵（或您正在处理的任何内容）来解决进入一个连续的内存块，如果这些块有不同的长度通过另一个数组，该数组包含各个行的偏移量（因此您的访问看起来像

B[index[ii]+i]

）

现在让我们把你的问题简化为

Re

：既然你没有提到你正在使用的是哪种设备，我就假设它是GPU。在这种情况下，我将避免在同一个内核中进行缩减，因为它会像你发布它的方式一样慢（你必须通过数千个线程序列化对

Re

的访问（以及对

A[I]

的访问）。 相反，我将编写want内核，它将所有

B[*][I]

相加为

A[I]

，并将

A

的缩减放在另一个内核中的

Re

中，分几个步骤完成，也就是说，您使用一个对

n

元素进行操作的缩减内核，并将它们缩减为类似

n/16

（或任何其他数字）。然后您迭代调用该内核，直到只剩下一个元素，这就是您的结果（我故意让这个描述含糊不清，因为您说您想弄清楚自己的想法）

作为旁注：您意识到原始代码并没有很好的内存访问模式？假设

B

相对较大（由于第二维度的原因，比

a

大得多）让内部循环在外部索引上迭代将产生大量缓存未命中。当移植到gpu时，情况更糟，因为gpu对一致性内存访问非常敏感

因此，这样重新排序可能会大大提高性能：

for (n2=0; n2< SmallNumber; ++n2)
  for(n=0; n < LargeNumber; ++n)    
    A[n]+=B[n2][n];
for(n=0; n < LargeNumber; ++n)                                                 
  Re+=A[n];       

for（n2=0；n2

---

如果你有一个擅长自动矢量化的编译器，这一点尤其正确，因为它可能能够对该构造进行矢量化，但它不太可能对原始代码进行矢量化（如果它不能证明

a

和

B[n2]

不能引用相同的内存，那么它就不能将原始代码转换成这个）

“我不能将全局双指针传递给openCL内核”您的用词让我感到困惑。您可以传递双指针（例如“u global double*a”）。您不能传递2D指针（例如“u global int**B”）。您考虑过将程序拆分为两个单独的内核（按顺序执行）吗，一个是内环，一个是外环？谢谢！这让我想了很多。

for (n2=0; n2< SmallNumber; ++n2)
  for(n=0; n < LargeNumber; ++n)    
    A[n]+=B[n2][n];
for(n=0; n < LargeNumber; ++n)                                                 
  Re+=A[n];