OPEN CL，Python和并行化

Question

作为Open CL的入门者，我有一个简单的理解问题来优化GPU计算。

据我了解，我可以制作一个1000 X 1000的矩阵，并使用GPU同时在每个像素上放置一个代码。 那么以下选项呢？

• 我有100乘以100 x 100的矩阵，需要以不同的方式计算它们。 所以我需要
  做串行操作还是我可以启动100个实例，即我启动100个Python多进程，每个进程都向GPU进行矩阵计算（假设这是足够的资源）。

• 反过来说，我有一个1000 X 1000的矩阵和100个不同的实例来计算，我可以同时进行还是进行串行处理？

任何建议或概念，如何最快地解决这一问题，不胜感激

谢谢阿德里安

Answer 1

OpenCL执行模型围绕内核展开，内核只是针对问题域中每个点执行的函数。 当您启动要在OpenCL设备上执行的内核时，请为此域定义一个1、2或3维索引空间（也称为NDRange或全局工作量）。 如何将NDRange映射到实际问题完全取决于您。

例如，您可以启动一个100x100x100的NDRange，以处理100组100x100矩阵（假设它们都是独立的）。 然后，您的内核将为这些矩阵之一的单个元素定义计算。 或者，您可以启动100个内核，每个内核具有100x100 NDRange来实现相同的目的。 前者可能会更快，因为它避免了启动多个内核的开销。

我强烈建议您查看OpenCL规范 ，以获取有关OpenCL执行模型的更多信息。 具体而言，第3.2节对围绕内核执行的核心概念进行了很好的描述。