书籍 opencl异构计算

本书将介绍在复杂环境下的OpenCL和并行编程。这里的复杂环境包含多种设备架构，比如：多芯
CPU，GPU，以及完全集成的加速处理单元(APU)。

OpenCL 2.0最新的改进：
共享虚拟内存(Shared virtual memory)可增强编程的灵活性，从而能大幅度减少在数据转换
上所消耗的资源和精力
动态并行(Dynamic parallelism)将减少处理器上的负载，并避免瓶颈出现
对图像的支持有很大改善，并且集成OpenGL

内存模型：在一般情况下，计算平台之间的内存子系统差异巨大。例如现代CPU都支持自动缓存，不过很多GOU并不支持。为了支持代码的可移植性，Opencl采用的方法是定义一个抽象的内存模型，编程人员可以根据给模型编写代码，厂商可以映射到他们自己实际的内存硬件。

 一旦work-item执行完成，其状态信息和使用的本地内存都是临时的，如果需要保存计算结果，必须将结果回传到全局内部。