OpenCL 2.x-減少總和功能

Question

從上一篇文章： 最終的減少戰略中 ，我想知道OpenCL 2.x （不是以上上一篇文章的主題1.x） 提供的最后功能 ，尤其是關於原子功能允許執行數組的約簡（在我的情況下為總和）。

有人告訴我，OpenCL 1.x原子函數（ atom_add ）的性能很差，我可以對其進行檢查，因此，我正在尋找一種方法來獲得final reduction function的最佳性能（即，對應於每個工作組）。

我回想起了我目前使用的典型的內核代碼：

__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];
 }             

如您所見，在內核代碼執行結束時，我得到了包含所有部分和的數組partialSums[number_of_workgroups] 。

您能告訴我如何執行此數組的第二次也是最后一次還原，以最大可能的性能使用OpenCL 2.x所提供的功能。 一個經典的解決方案是使用CPU執行最后的還原，但理想情況下，我想直接使用內核代碼來完成 。

歡迎提供代碼段的建議。

最后一點，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型號上安裝OpenCL 2.x嗎？

問候

Answer 1

應避免使用原子功能，因為與並行歸約內核相比，原子功能會損害性能。 您的內核看起來處於正確的軌道上，但是您需要記住，您必須多次調用它。 不要在主機上執行最終的總和（除非您之前還原的數據量很小）。 也就是說，您需要繼續調用它，直到您的本地大小等於全局大小為止。 由於無法在工作組之間進行同步，因此無法對大量數據進行一次調用。

另外，您要小心設置適當的工作組大小（即本地大小），這取決於本地和全局內存的吞吐量和延遲。 不幸的是，據我所知，沒有辦法通過OpenCL在自我分析代碼之外確定這一點，盡管OCL為您提供JIT編譯功能，但編寫起來並不難。 通過經驗測試，我發現您應該在遭受太多銀行沖突（本地大小太大）與全局內存延遲懲罰（本地大小太小）之間找到一個甜蜜點。 最好先做一個基准測試，以確定您的縮小的最佳本地大小，然后再使用該本地大小進行將來的縮小。

編輯：還應注意，將內核調用鏈接在一起的最佳方法是通過OpenCL事件。