Python Pyopencl:to_设备和缓冲区之间的差异

让

两者的区别是什么

import pyopencl as cl
import pyopencl.array as cl_array
import numpy
a = numpy.random.rand(50000).astype(numpy.float32)
mf = cl.mem_flags

a_gpu = cl_array.to_device(self.ctx, self.queue, a)

及

?

两者的区别是什么

import pyopencl as cl
import pyopencl.array as cl_array
import numpy
a = numpy.random.rand(50000).astype(numpy.float32)
mf = cl.mem_flags

a_gpu = cl_array.to_device(self.ctx, self.queue, a)

及

---

？

要回答第一个问题，

缓冲区（hostbuf=…）

可以用实现（）的任何东西调用<必须使用

ndarray

（）调用code>pyopencl.array.to_设备（…）

ndarray

实现缓冲区接口并在任意位置工作。但是，只有

hostbuf=…

可以使用例如

bytearray

（它也实现了缓冲区接口）。我还没有证实这一点，但这似乎是医生们的建议

---

关于第二个问题，我不确定当你在上面调用

get（）

时，

result\u gpu

应该是什么类型（你是说

Buffer.get\u host\u array（）

？）在任何情况下，

enqueue\u copy（）

在

Buffer

、

Image

和

host

的组合之间工作，可以有偏移量和区域，并且可以是异步的（使用

is_blocking=False

），我认为这些功能只能通过这种方式使用（而

get（）

将阻塞并返回整个缓冲区）。（）

缓冲区是CL版本的

malloc

，而

pyopencl.array.array

是计算设备上numpy数组的一种类似物

因此，对于问题第一部分的第二个版本，您可以编写

a_gpu+2

以获得一个新数组，该数组中的每个数字都添加了2，而在

缓冲区的情况下，PyOpenCL只能看到一包字节，无法执行任何此类操作

问题的第二部分与之相反：如果您有一个PyOpenCL数组，
.get（）
将数据复制回来并将其转换为（基于主机的）numpy数组。由于numpy数组是Python中获取连续内存的更方便的方法之一，因此使用
enqueue\u copy
的第二个变体也会以numpy数组结束——但请注意，您可以将此数据复制到任何大小（只要足够大）和任何类型的数组中——复制是以字节包的形式执行的，而
.get（）
确保主机上的大小和类型相同

额外的事实：每个PyOpenCL数组下面当然有一个缓冲区。您可以从
.data
属性中获取它。
我刚刚意识到您是PyOpenCL的作者。非常感谢PyOpenCL和您的回答！
result = result_gpu.get()