OpenCL 2.x-减少总和功能

Question

从上一篇文章： 最终的减少战略中 ，我想知道OpenCL 2.x （不是以上上一篇文章的主题1.x） 提供的最后功能 ，尤其是关于原子功能允许执行数组的约简（在我的情况下为总和）。

有人告诉我，OpenCL 1.x原子函数（ atom_add ）的性能很差，我可以对其进行检查，因此，我正在寻找一种方法来获得final reduction function的最佳性能（即，对应于每个工作组）。

我回想起了我目前使用的典型的内核代码：

__kernel void sumGPU ( __global const double *input, 
                       __global double *partialSums,
               __local double *localSums)
 {
  uint local_id = get_local_id(0);
  uint group_size = get_local_size(0);

  // Copy from global memory to local memory
  localSums[local_id] = input[get_global_id(0)];

  // Loop for computing localSums
  for (uint stride = group_size/2; stride>0; stride /=2)
     {
      // Waiting for each 2x2 addition into given workgroup
      barrier(CLK_LOCAL_MEM_FENCE);

      // Divide WorkGroup into 2 parts and add elements 2 by 2
      // between local_id and local_id + stride
      if (local_id < stride)
        localSums[local_id] += localSums[local_id + stride];
     }

  // Write result into partialSums[nWorkGroups]
  if (local_id == 0)
    partialSums[get_group_id(0)] = localSums[0];
 }             

如您所见，在内核代码执行结束时，我得到了包含所有部分和的数组partialSums[number_of_workgroups] 。

您能告诉我如何执行此数组的第二次也是最后一次还原，以最大可能的性能使用OpenCL 2.x所提供的功能。 一个经典的解决方案是使用CPU执行最后的还原，但理想情况下，我想直接使用内核代码来完成 。

欢迎提供代码段的建议。

最后一点，我正在使用以下模型在MacOS High Sierra 10.13.5上工作：

可以在我的硬件MacOS型号上安装OpenCL 2.x吗？

问候

Answer 1

应避免使用原子功能，因为与并行归约内核相比，原子功能会损害性能。 您的内核看起来处于正确的轨道上，但是您需要记住，您必须多次调用它。 不要在主机上执行最终的总和（除非您之前还原的数据量很小）。 也就是说，您需要继续调用它，直到您的本地大小等于全局大小为止。 由于无法在工作组之间进行同步，因此无法对大量数据进行一次调用。

另外，您要小心设置适当的工作组大小（即本地大小），这取决于本地和全局内存的吞吐量和延迟。 不幸的是，据我所知，没有办法通过OpenCL在自我分析代码之外确定这一点，尽管OCL为您提供JIT编译功能，但编写起来并不难。 通过经验测试，我发现您应该在遭受太多银行冲突（本地大小太大）与全局内存延迟惩罚（本地大小太小）之间找到一个甜蜜点。 最好先做一个基准测试，以确定您的缩小的最佳本地大小，然后再使用该本地大小进行将来的缩小。

编辑：还应注意，将内核调用链接在一起的最佳方法是通过OpenCL事件。