基于cuda配置opencl环境

最新推荐文章于 2023-12-08 15:05:24 发布
最新推荐文章于 2023-12-08 15:05:24 发布
阅读量552 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46164684/article/details/114840294
版权

基于cuda配置opencl环境

1、根据自己的PC的NVIDA版本选择安装对应版本的CUDA。
2、在VS2013中新建一个空的项目。
3、进入项目属性中配置属性，具体如下：
（1）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
在这里插入图片描述
（2）
_CRT_SECURE_NO_WARNINGS
在这里插入图片描述

（3）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\Win32
在这里插入图片描述
（4）
OpenCL.lib
在这里插入图片描述
4、测试
在所创建的项目中目录中创建main.cpp和HelloWorld_Kernel.cl两个文件，并添加到VS2013的项目源文件中。在main.cpp文件中添加附录1，在HelloWorld_Kernel.cl文件中添加附录2中的代码。
在这里插入图片描述
在这里插入图片描述
附录1


```cpp
// OpenCl-1.cpp : Defines the entry point for the console application.
//
//#include "stdafx.h" 项目属性c/c++预编译头里本来就有
#include <tchar.h>
#include <CL/cl.h>
#include <iostream>
#include <fstream>
#include <stdio.h>
#include <stdlib.h>
#include <string>

using namespace std;

cl_int ConvertToString(const char *pFileName, std::string &str);

int _tmain(int argc, _TCHAR* argv[])
{
	cl_int			iStatus = 0;				// 函数返回状态
	cl_uint			uiNumPlatforms = 0;				// 平台个数
	cl_platform_id	Platform = NULL;				// 选择的平台
	size_t			uiSize = 0;				// 平台版本名字字节数	
	cl_int			iErr = 0;				// 返回参数
	char			*pName = NULL;				// 平台版本名
	cl_uint			uiNumDevices = 0;				// 设备数量
	cl_device_id	*pDevices = NULL;				// 设备
	cl_context		Context = NULL;				// 设备环境
	cl_command_queue	CommandQueue = NULL;			// 命令队列
	const char		*pFileName = "HelloWorld_Kernel.cl";	// cl文件名
	string			strSource = "";				// 用于存储cl文件中的代码
	const char		*pSource;							// 代码字符串指针
	size_t			uiArrSourceSize[] = { 0 };			// 代码字符串长度
	cl_program		Program = NULL;				// 程序对象
	const char		*pInput = "gdkknvnqkc";		// 输入字符串
	size_t			uiStrlength = strlen(pInput);	// 输入字符串长度
	char			*pOutput = NULL;				// 输出字符串
	cl_mem			memInutBuffer = NULL;				// 输入内存对象
	cl_mem			memOutputBuffer = NULL;				// 输出内存对象
	cl_kernel		Kernel = NULL;				// 内核对象
	size_t			uiGlobal_Work_Size[1] = { 0 };		// 用于设定内核分布	


	//-------------------1. 获得并选择可用平台-----------------------------
	// 查询可用的平台个数，并返回状态
	iStatus = clGetPlatformIDs(0, NULL, &uiNumPlatforms);
	if (CL_SUCCESS != iStatus)
	{
		cout << "Error: Getting platforms error" << endl;
		return 0;
	}


	// 获得平台地址
	if (uiNumPlatforms > 0)  // 如果有可用平台
	{
		// 根据平台数为平台分配内存空间
		cl_platform_id *pPlatforms = (cl_platform_id *)malloc(uiNumPlatforms * sizeof(cl_platform_id));

		// 获得可用的平台
		iStatus = clGetPlatformIDs(uiNumPlatforms, pPlatforms, NULL);
		Platform = pPlatforms[0];	// 获得第一个平台的地址
		free(pPlatforms);			// 释放平台占用的内存空间
	}

	// 获得平台版本名
	// 获得平台版本名的字节数
	iErr = clGetPlatformInfo(Platform, CL_PLATFORM_VERSION, 0, NULL, &uiSize);

	// 根据字节数为平台版本名分配内存空间
	pName = (char *)alloca(uiSize * sizeof(char));

	// 获得平台版本名字
	iErr = clGetPlatformInfo(Platform, CL_PLATFORM_VERSION, uiSize, pName, NULL);
	cout << pName << endl;



	//--------------2. 查询GPU设备，并选择可用设备------------------------
	// 获得GPU设备数量
	iStatus = clGetDeviceIDs(Platform, CL_DEVICE_TYPE_GPU, 0, NULL, &uiNumDevices);
	if (0 == uiNumDevices)	// 如果没有GPU设备
	{
		cout << "No GPU device available." << endl;
		cout << "Choose CPU as default device." << endl;

		// 选择CPU作为设备，获得设备数
		iStatus = clGetDeviceIDs(Platform, CL_DEVICE_TYPE_CPU, 0, NULL, &uiNumDevices);

		// 为设备分配空间
		pDevices = (cl_device_id *)malloc(uiNumDevices * sizeof(cl_device_id));

		// 获得平台
		iStatus = clGetDeviceIDs(Platform, CL_DEVICE_TYPE_CPU, uiNumDevices, pDevices, NULL);
	}
	else
	{
		pDevices = (cl_device_id *)malloc(uiNumDevices * sizeof(cl_device_id));

		iStatus = clGetDeviceIDs(Platform, CL_DEVICE_TYPE_GPU, uiNumDevices, pDevices, NULL);
	}


	// -------------------3.创建设备环境---------------------------------
	// 创建设备环境
	Context = clCreateContext(NULL, 1, pDevices, NULL, NULL, NULL);
	if (NULL == Context)
	{
		cout << "Error: Can not create context" << endl;
		return 0;
	}

	// -------------------4.创建命令队列--------------------------------------
	// 创建第1个设备的命令队列
	CommandQueue = clCreateCommandQueue(Context, pDevices[0], 0, NULL);
	if (NULL == CommandQueue)
	{
		cout << "Error: Can not create CommandQueue" << endl;
		return 0;
	}


	// ----------------------5. 创建程序对象------------------------------
	// 将cl文件中的代码转为字符串
	iStatus = ConvertToString(pFileName, strSource);

	pSource = strSource.c_str();			// 获得strSource指针
	uiArrSourceSize[0] = strlen(pSource);	// 字符串大小

	// 创建程序对象
	Program = clCreateProgramWithSource(Context, 1, &pSource, uiArrSourceSize, NULL);
	if (NULL == Program)
	{
		cout << "Error: Can not create program" << endl;
		return 0;
	}


	// -----------------------------6. 编译程序--------------------------------
	// 编译程序
	iStatus = clBuildProgram(Program, 1, pDevices, NULL, NULL, NULL);
	if (CL_SUCCESS != iStatus)	// 编译错误
	{
		cout << "Error: Can not build program" << endl;
		char szBuildLog[16384];
		clGetProgramBuildInfo(Program, *pDevices, CL_PROGRAM_BUILD_LOG, sizeof(szBuildLog), szBuildLog, NULL);

		cout << "Error in Kernel: " << endl << szBuildLog;
		clReleaseProgram(Program);

		return 0;
	}

	//-------------------------7. 并创建输入输出内核内存对象--------------------------------

	// 创建输入内存对象
	memInutBuffer = clCreateBuffer(
		Context,
		CL_MEM_READ_ONLY | CL_MEM_COPY_HOST_PTR,  // 输入内存为只读，并可以从宿主机内存复制到设备内存
		(uiStrlength + 1) * sizeof(char),		  // 输入内存空间大小
		(void *)pInput,
		NULL);

	// 创建输出内存对象
	memOutputBuffer = clCreateBuffer(
		Context,
		CL_MEM_WRITE_ONLY,					// 输出内存只能写
		(uiStrlength + 1) * sizeof(char),	// 输出内存空间大小
		NULL,
		NULL);

	if ((NULL == memInutBuffer) || (NULL == memOutputBuffer))
	{
		cout << "Error creating memory objects" << endl;
		return 0;
	}

	//--------------------------8. 创建内核对象-------------------------------------
	Kernel = clCreateKernel(Program,
		"helloworld",  // cl文件中的入口函数
		NULL);
	if (NULL == Kernel)
	{
		cout << "Error: Can not create kernel" << endl;
		return 0;
	}



	//----------------------------9. 设置内核参数----------------------------------
	iStatus = clSetKernelArg(Kernel,
		0,		// 参数索引
		sizeof(cl_mem),
		(void *)&memInutBuffer);

	iStatus |= clSetKernelArg(Kernel, 1, sizeof(cl_mem), (void *)&memOutputBuffer);

	if (CL_SUCCESS != iStatus)
	{
		cout << "Error setting kernel arguments" << endl;
	}



	// --------------------------10.运行内核---------------------------------
	uiGlobal_Work_Size[0] = uiStrlength;  // 输入字符串大小

	// 利用命令队列使将再设备上执行的内核排队
	iStatus = clEnqueueNDRangeKernel(
		CommandQueue,
		Kernel,
		1,
		NULL,
		uiGlobal_Work_Size,  // 确定内核在设备上的多个处理单元间的分布
		NULL,				 // 确定内核在设备上的多个处理单元间的分布
		0,
		NULL,
		NULL);


	if (CL_SUCCESS != iStatus)
	{
		cout << "Error: Can not run kernel" << endl;
		return 0;
	}

	// ----------------------------11. 将输出读取到主机内存
	pOutput = (char *)malloc(uiStrlength + 1);  // uiStrlength 为 输入字符串长度

	iStatus = clEnqueueReadBuffer(
		CommandQueue,		// 命令队列
		memOutputBuffer,	// 输出内存对象
		CL_TRUE,			// 内核读取结束之前该函数不会返回
		0,
		uiStrlength * sizeof(char),
		pOutput,
		0,
		NULL,
		NULL);

	if (CL_SUCCESS != iStatus)
	{
		cout << "Error: Can not reading result buffer" << endl;
		return 0;
	}


	// ---------------------12--输出计算结果---------------
	pOutput[uiStrlength] = '\0';
	cout << "Input String:" << endl;
	cout << pInput << endl;
	cout << "Output String:" << endl;
	cout << pOutput << endl;


	// -------------------------------13. 释放资源--------------------------------
	iStatus = clReleaseKernel(Kernel);
	iStatus = clReleaseProgram(Program);
	iStatus = clReleaseMemObject(memInutBuffer);
	iStatus = clReleaseMemObject(memOutputBuffer);
	iStatus = clReleaseCommandQueue(CommandQueue);
	iStatus = clReleaseContext(Context);

	if (NULL != pOutput)
	{
		free(pOutput);
		pOutput = NULL;
	}

	if (NULL != pDevices)
	{
		free(pDevices);
		pDevices = NULL;
	}

	system("pause");//避免执行完闪退
	return 0;
}

// 将cl文件代码转为字符串
cl_int ConvertToString(const char *pFileName, std::string &Str)
{
	size_t		uiSize = 0;
	size_t		uiFileSize = 0;
	char		*pStr = NULL;
	std::fstream fFile(pFileName, (std::fstream::in | std::fstream::binary));


	if (fFile.is_open())
	{
		fFile.seekg(0, std::fstream::end);
		uiSize = uiFileSize = (size_t)fFile.tellg();  // 获得文件大小
		fFile.seekg(0, std::fstream::beg);
		pStr = new char[uiSize + 1];

		if (NULL == pStr)
		{
			fFile.close();
			return 0;
		}

		fFile.read(pStr, uiFileSize);				// 读取uiFileSize字节
		fFile.close();
		pStr[uiSize] = '\0';
		Str = pStr;

		delete[] pStr;

		return 0;
	}

	cout << "Error: Failed to open cl file\n:" << pFileName << endl;

	return -1;
}


附录2

```cpp
__kernel void helloworld(__global char *pIn, __global char *pOut)
{
	int iNum = get_global_id(0);
	pOut[iNum] = pIn[iNum] + 1;
}

5、运行结果->配置成功
在这里插入图片描述

lgz Kunming
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
机器学习笔记 - CUDA与OpenCL有什么不同？
学以致用 知行合一
03-15 2922
对于 GPU 加速的应用程序，工作负载的顺序部分在计算机的 CPU 上单线程运行，计算密集型部分在数千个 GPU 内核上并行运行。這麼廣泛的 NVIDIA 硬體可以與 CUDA 和 OpenCL 一起使用，但 CUDA 在 NVIDIA 上的效能更高，因為它在設計時考慮了 NVIDIA 硬件。此外，OpenCL是由多家公司开发的，而不像CUDA是由NVIDIA一家开发的。一项直接比较 CUDA 程序与 NVIDIA GPU 上的 OpenCL 的研究表明，CUDA 比 OpenCL 快 30%。
An Introduction to CUDA-OpenCL and Graphics Processors
08-19
An Introduction to CUDA-OpenCL and Graphics Processors
CUDA-programming.zip_GPGPU_OpencL_cuda_opencl cuda_opencl+cuda
09-24
cuda程序设计，GPGPU及CUDA介绍，CUDA编程模型，OpenCL编程介绍
GPGPU编程技术 从GLSL、CUDA到OpenCL-code
11-09
GPGPU编程技术 从GLSL、CUDA到OpenCL一书代码
VS2010+AMD+OPENCL开发环境配置详细教程
10-26
VS2010+AMD+OPENCL开发环境配置详细教程
opencl环境配置
01-04
opencl环境配置、配置OpenCL工程、64位配置、32位配置等
OpenCL专题01：开发配置
吴智深的博客
06-15 2217
GPU编程 OpenCL开发
OpenCL环境配置及测试程序
纸上谈芯的专栏
04-05 6270
OpenCL环境配置及测试程序 ==============================================================目录结构1、OpenCL环境配置2、测试程序3、参考 ==============================================================关键词：OpenCL 环境配置 测试程序OpenCL（Open C...
OpenCL 环境搭建
qq_45472315的博客
08-14 2217
这是一个不靠谱的 OpenCL 环境搭建指南~
GPU并行加速编程 opencl CUDA 核函数
万有文的博客
07-07 4290
GPU并行加速编程 opencl CUDA 核函数 OpenCL(全称为Open Computing Langugae，开放运算语言)是第一个面向异构系统(此系统中可由CPU，GPU或其它类型的处理器架构组成)的并行编程的开放式标准。 它是跨平台的。 OpenCL由两部分组成，一是用于编写kernels（在OpenCL设备上运行的函数）的语言，二是用于定义并控制平台的API(函数)。 OpenCL...
OpenCL学习笔记（一）开发环境搭建（win10+vs2019）
最新发布
aggs1990的专栏
12-08 1140
异构编程开发，在高性能编程中有重要的，笔者本次只简单介绍下，如何搭建简单的开发环境，可以供有需要的小伙伴们开发测试使用。
CUDA和Opencl
01-07
这是一个介绍CUDA和Opencl的异同的文档
两种GPU计算平台:CUDA 与 OpenCL
源代码杀手的博客
09-26 8133
虽然OpenCL因其通用性听起来很有吸引力，但它在 NVIDIA GPU 上的性能不如 CUDA，而且许多深度学习框架要么不支持OpenCL，要么仅在其 CUDA 支持发布后才支持它。这种广泛的 NVIDIA 硬件可以与 CUDA 和 OpenCL 一起使用，但 CUDA 在 NVIDIA 上的性能更高，因为它是在设计时考虑到了 NVIDIA 硬件。英特尔提供集成到其 CPU 中的 GPU。OpenCL应用程序几乎可以在任何操作系统上运行，并且可以在大多数类型的硬件上运行，包括 FPGA 和 ASIC。
高性能计算—— CUDA和OPENCL
zyw2002的博客
12-29 5957
文章目录OpenCL&Cuda1. 环境配置1.1 cuda的安装和配置1.1.1 安装CUDA1.1.2 配置环境变量1.1.3 检查cuda是否安装成功1.2 VS中配置cuda1.3 VS中配置opencl2. OpenCL&Cuda编程2.1 编程基础2.2 编程案例2.2.1 查看配置信息2.2.2. 向量运算实验目的实验步骤opencl 代码分析cuda 代码分析实验结果结果分析2.2.3 Pi计算实验目的实验步骤opencl代码分析cuda 代码分析实验结果结果分析3. 总结4
OpenCL配置及测试，使用visual studio
吹吹自然风
10-10 2365
基于Visual Studio的OpenCL配置及测试
Windows10+OpenCL环境配置
爱哭鬼
08-10 1768
在 Windows 开始菜单中 键入 英特尔显卡。方法1：我的电脑用的是intel的显卡，具体查看方式：桌面右键 → 英特尔显卡设置 → 选项与支持打开英特尔® 显卡控制中心。下载地址：英特尔https://software.intel.com/en-us/intel-opencl/download。如果安装了，它应该 会在 选项中显示英特尔® 显卡控制中心。注意 由于名称中包含的版权字符，键入 英特尔 词将不起作用。方法 3：从 Windows 开始菜单中， 搜索 “添加并删除程序”，然后 单击 它。
CLION openCL C/C++环境配置(两个坑)
zmh657628320的博客
11-05 904
CLION 配置 OpenCL环境 基于书籍opencl in action代码
基于CUDA的OpenCL开发环境搭建与入门程序示例
Johnson的技术博客
02-12 5810
参考资料：《详细程序注解学OpenCL一 环境配置和入门程序》、《VS2010 NVIDIA OpenCL 开发环境配置》 一、搭建开发环境 1. 下载和安装CUDA SDK 　　下载路径： https://developer.nvidia.com/cuda-downloads ； 　　如果默认安装路径的话，是在：C:\Program Files\NVIDIA GPU
OpenCL教程 第二章 平台模型
dh653667765的博客
05-10 582
第二章 平台模型 由于同一个平台可能有多个设备，那么我们需要对这些设备进行统一的管理，这时需要使用上下文这样一个结构来完成对多个设备的管理工作，上下文不能跨平台管理设备。 以下三个接口是关于上下文的： cl_context clCreateContext (const cl_context_properties *properties, ...
cuda和opencl
09-01
CUDA和OpenCL都是用于并行计算的编程框架，用于利用GPU进行高性能计算。它们的主要区别在于以下几个方面： 1. 归属和支持： - CUDA是由NVIDIA开发和拥有的并行计算平台和编程模型。它主要用于支持NVIDIA GPU。 - OpenCL是由Khronos Group开发和维护的开放标准。它是跨平台的，并且可以支持多种类型的加速器，包括GPU、CPU等。 2. 语言和编程模型： - CUDA使用C/C++语言编写，并提供了额外的CUDA扩展指令集。编程者可以直接在CUDA C/C++中调用GPU的功能。 - OpenCL使用C语言作为主要编程语言，同时还支持其他语言如C++和Python。它提供了一套API，允许编程者定义并行计算任务和数据传输。 3. 生态系统和工具支持： - CUDA拥有丰富的生态系统和成熟的工具链，包括CUDA Toolkit、CUDA编译器、调试器等。NVIDIA还提供了各种优化库和深度学习框架，如cuBLAS、cuDNN和TensorRT。 - OpenCL具有广泛的厂商支持，并且有许多不同的实现。Khronos Group提供了OpenCL SDK和运行时库，同时也有第三方工具和库。 总的来说，CUDA更适合在NVIDIA GPU上进行并行计算，并且有更完善的工具和生态系统。而OpenCL则是一个跨平台的开放标准，可以在多种加速器上进行并行计算。选择CUDA还是OpenCL取决于所使用的硬件平台和开发需求。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值