enqueueNDRangeKerne

在前面平台模型时，我们学过了，一个OpenCL平台由一个主机(host)和若干设备(device)构成。那么，在这样一个平台上，程序到底如何执行的呢？了解了这个，我们才能明白应该如何来编写OpenCL程序。今天学习“执行模型”，我们以“漫话”中的向量求和为例子，来了解一下OpenCL程序执行的问题，看看程序的执行与划分“主机”和“设备”这事儿有没有什么关系？当然，既然还是在讲“模型”，我们肯定还会顺便定义一些术语和概念，便于在以后学其它部分的时候理解。

 

一个平台被分为一个主机和设备是有用处的，至少它便于我们说明“执行模型”：一个OpenCL的程序分两部分，在不同的地方运行。一个部分，被称为"kernel"的，在“设备”上运行；另外一部分，我们就叫它主程序(host program)吧，它在“主机”上运行。简单的说，kernels完成真正的计算，比如向量的求和工作，而主程序呢，它定义了kernel的运行环境，并且管理这些kernel的执行。

 

以前面说的“向量求和”作为例子。一个传统的(比如说C)程序，它看起来是这个样子：

void host_vector_add(const float *A, const float *B, float *C) {

    for ( int i = 0; i < VECTOR_SIZE; i++ ) {

        C[i] = A[i] + B[i];

    }

}

 

一个向量求和的典型OpenCL程序，它的kernel是这个样子的：

__kernel void vector_add(__global const float *A, __global const float *B, __global float *C) {

    // Get the index of the current element to be processed

    int i = get_global_id(0);

    // Do the operation

    C[i] = A[i] + B[i];

}

这个？它也太神奇了吧！它只讲了求和，没有讲向量，是不是？在OpenCL环境中，设备(比如显卡GPU)最擅长的是什么？是计算，比如这里的“求和”。它可不擅长什么判断、循环什么的。它擅长的，是同时让许多(比如几百、上千个)处理单元来做相同的计算。Kernel就是写给这些处理单元的，所以它只讲“求和”，至于需要多少个处理单元来进行求和，通常是“主程序”来控制的。主程序最主要的一句代码，我们可以先看看它的样子：

        queue.enqueueNDRangeKernel(kernel, NullRange, NDRange(LIST_SIZE), NullRange);

就是其中的NDRange(LIST_SIZE)告诉OpenCL，我需要LIST_SIZE这么多个处理单元来进行计算。这么说，还是很神奇，对吧？的确很神奇。这个神奇，就在NDRange上。

 

NDRange是OpenCL的一个重要概念。OpenCL规范上说，"An NDRange is an N-dimensional index space". 这样说的话，又引入了如何解释"index space"的问题；这样又涉及到很多别的概念，比如kernel代码例子中出现的"global id"等等，这些概念性的东西，留着下次再说吧。这里先把NDRange说一说。NDRange，就暂时把它翻译为“N维区间”吧。“区间”是中学数学里学的概念，表示从某个数到另外一个数之间的一个范围，比如中学里常用[0,1)表示从0到1之间的所有实数，它包含0但是不包含1。[0,1)是一个一维区间的例子；而例子代码中的"NDRange(LIST_SIZE)"也是一个一维区间的例子，但是和[0,1)这个略有不同的是，NDRange既然表示的是"index space"，它就只包含整数，它表示的是从0开始的LIST_SIZE这么多个整数，也就是0、1、2、...一直到(LIST_SIZE - 1)这些个整数。另外，NDRange既然叫做N维，顾名思义，它是对我们中学里学的一维区间的一个扩展，它还可以表示二维、三维的区间，比如NDRange(2,2)，它表示一个平面(二维)区域内的整数点，共包括(0,0)、(0,1)、(1,0)、(1,1)四个点。同理NDRange(2,2,2)是三维的，它表示一个空间(立体)范围内的8个整数点。

 

回到向量求和的例子，回顾一下，OpenCL程序分为kernel和主程序两个部分来执行。kernel表明了计算单元应该进行的计算，而主程序使用NDRange来表明哪些计算单元需要参与计算，程序执行时，这些计算单元可以同时进行计算，所以我们马上就能得到向量求和结果。

分享：

4

喜欢

0

赠金笔