Performance OpenCL-性能

我正在使用OpenCL，我使用一个矩阵来增加它的值，我需要尽可能少的应用时间。使用OpenCL提高性能的最佳方法是什么？我读过一些关于数据并行和任务并行的书，但我对它们不是很了解

---

我正在使用64x56矩阵。使用任务并行性，我创建了64个内核函数。每列一个内核，但我认为我可以做得更好。

如果在GPU上执行内核，最好让一个线程处理一个项目。但是，这取决于您对矩阵元素的具体操作，例如，您对每个元素执行了多少操作。 如果只是将元素增加一些数字，则可能没有好处

一般来说，有3种选择：

一个线程处理整个矩阵。这样就没有并行性，这对GPU不利

一个线程处理一行/一列。->使用64/56个线程，全局工作大小等于64或56

一个线程与单个元素一起工作。->使用3584个线程，全局工作大小为{64,56}

---

您是否尝试过只使用一个内核来处理一个元素，并在全局工作大小等于{64，56}的情况下为其调用ClenqueueEndRangeKernel？它是如何影响执行时间的？

64x56矩阵即使是矩阵乘法也太少了。仅为56个元素生成新内核的开销太大了。但如果它们在不同的队列上运行，可能比单个队列完成的更快。你使用单队列吗？我现在使用两个队列，每个队列中有32个内核。但是使用两个队列而不是只使用一个队列的时间稍微差一点。其思想是在CPU中创建一个矩阵，将其发送到GPU，将矩阵的每个值增加1个单位，然后将新矩阵返回给CPU。在这种情况下，我不知道如何做更少的内核函数。