Parallel processing OpenCL在Radeon图形卡之间的可移植性和优化

我正计划潜入OpenCL，并一直在阅读OpenCL能做什么（只有表面知识），但有几个问题

假设我有一台AMD Radeon 7750，我有另一台电脑有一台AMD Radeon 5870，没有计划使用带有Nvidia卡的电脑。我听说优化特定设备的代码会带来性能优势。优化到底意味着什么？从我所读到的和一点猜测来看，这听起来像是以GPU喜欢的方式（通常不担心它是AMD或Nvidia卡）编写代码，以及以与图形卡处理内存方式相匹配的方式编写代码（我猜这是特定于计算设备的？或者这只是特定于品牌的？）

---

因此，如果我为Radeon 7750编写代码并对其进行优化，我是否能够将该代码带到另一台装有Radeon 5870的计算机上，并且在不更改任何部分代码的情况下，仍然可以从优化中获得合理的性能好处？如果代码不起作用，更改部分代码是一个小问题，还是需要重写足够多的代码，以便首先为Radeon 5870编写优化的代码更好。

如果没有关于您打算编写的算法和应用程序的更多信息，这个问题有点模糊。但我想我可以给你一些高级策略，让你在为这两个不同的平台开发代码时牢记在心

Radeon 7750的设计采用新的体系结构，而HD5780则基于旧的体系结构

要使代码在HD5780硬件上运行良好，必须尽可能大量使用压缩的基本数据类型，尤其是

int4

，

float4

类型。这是因为OpenCL编译器很难自动发现并行性并将数据打包到宽向量中。如果您可以对代码进行结构化，以便已经考虑到这一点，那么您将能够填充更多的VLIW-5插槽，从而使用更多的流处理器

GCN更像NVidia的费米体系结构，其中代码到流处理器功能单元（ALU等）的路径不经过显式调度的VLIW指令。因此，在运行时可以自动检测到更多的并行性，并让您的功能单元忙于执行有用的工作，而无需费劲思考如何实现这一点

下面是一个过于简化的示例来说明我的观点：

// multiply four factors
// A[0] = B[0] * C[0]
// ...
// A[3] = B[3] * C[3];

float *A, *B, *C;

for (i = 0; i < 4; i ++) {
  A[i] = B[i] * C[i];
}

而且它在你的两张牌上都会运行得很好。此外，它还可以在CPU OpenCL上下文中发挥作用，并充分利用MMX/SSE范围的寄存器，这是一个额外的优势。这也是对内存系统更好的利用

简而言之，当您同时开始在这两个系统上部署代码时，我建议您记住一件事，即使用压缩原语

这里还有一个例子更清楚地说明了在HD5870上需要注意的事项。假设我们使用单独的工作单元实现了前面的示例：

// multiply four factors
// as separate work units
// A = B * C

float A, B, C;

A = B * C;

---

我们有四个独立的工作单位，而不是一个。这对VLIW设备来说绝对是一场灾难，而且在GCN设备上会表现出非常好的性能。这也是您在编写代码时需要寻找的东西——您可以使用

float4

类型来减少执行相同工作的工作单元的数量吗？如果是这样，那么您将在这两种平台上看到良好的性能。

谢谢您的回复。我应该澄清的是，它与天体物理学有关，因此是n体模拟和碰撞。这是否意味着OpenCL编译器不擅长为您矢量化代码，但可以在有意义的平台（例如nVidia）上轻松“取消”矢量代码？OpenCL编译器不一定会为您将代码矢量化，是的，如果有必要，编译器总是可以串行执行向量操作。我正在编辑答案，以添加一个更清楚地说明如何充分利用HD5870（VLIW）设备的案例。

// multiply four factors
// as separate work units
// A = B * C

float A, B, C;

A = B * C;