全网最贴心的 NVIDIA的显卡+opencl+vs2022 安装和配置

    身为一个算法工程师的程序员，最近工作上遇到了需要优化时间的一个棘手算法，算法上没有什么进步的空间，那咱们就把算法搬到GPU上去跑跑吧。

可以用GPU的有两个方法，一个是用CUDA，一个是opencl两者对比如下：

简单来说，就是opencl可以跨平台，果断选择可以更通用的opencl。

1.网上教程搜不到去问问chatgpt

要安装OpenCL运行时环境和开发工具，您可以按照以下一般步骤进行：
1. 检查硬件支持：
   首先，请确保您的计算设备支持OpenCL。大多数现代的GPU（包括NVIDIA、AMD和英特尔集成显卡）以及多核CPU都支持OpenCL。您可以查看您的硬件制造商的官方网站以获取有关OpenCL支持的信息。
2. 安装GPU驱动程序：
   如果您的计算设备是GPU，安装相应的GPU驱动程序。这些驱动程序通常包含OpenCL运行时环境。您可以从GPU制造商的官方网站下载并安装最新的GPU驱动程序。
3. 安装OpenCL运行时环境：
   大多数GPU驱动程序会包含OpenCL运行时环境。如果没有，请从GPU制造商的官方网站下载并安装OpenCL运行时环境。英特尔也提供了用于CPU的OpenCL运行时环境。
4. 安装OpenCL开发工具：
   如果您计划开发OpenCL应用程序，您需要安装OpenCL开发工具，如OpenCL SDK。AMD、NVIDIA和英特尔等制造商都提供相应的SDK，可以从它们的官方网站下载。
5. 编写和编译OpenCL代码：
   使用OpenCL开发工具，您可以编写OpenCL代码，描述要在OpenCL设备上执行的并行计算任务。OpenCL提供了C-like编程语言，您可以使用该语言编写OpenCL内核。
6. 编译和优化：
   使用OpenCL编译器，将您的OpenCL代码编译为可在OpenCL设备上执行的内核。您还可以在编译时对内核进行优化。
7. 运行OpenCL应用程序：
   一旦编译了OpenCL内核，您可以将其嵌入到您的应用程序中，并运行该应用程序以在OpenCL设备上执行计算任务。
8. 调试和性能优化：
   在OpenCL设备上运行OpenCL应用程序后，您可能需要进行调试和性能优化，以确保程序在OpenCL设备上高效运行。各种OpenCL工具和分析器可用于帮助您进行性能分析和调试。
请注意，OpenCL的使用需要一定的并行计算和编程知识。如果您不熟悉这些领域，建议您学习相关知识或寻求专业支持。此外，OpenCL是一种底层编程模型，可能需要更多的编程工作和优化来充分利用硬件性能。

总结一下就是需要gpu驱动和opencl开发环境和开发工具，都是需要去官网找的。其中还要确定你的电脑的显卡型号

2.确定自己电脑的显卡型号

这是我的显卡型号，是NVIDIN,只要是NVIDIN的宝子们可以继续看下去啦

3.各种找资料的迷茫期,然后豁然开朗,其实就是一步到位

网上写的都很迷，直到我看到了这句话

问： nvidia的显卡可以去英特尔的官网上下载opencl   sdk吗
答：
    NVIDIA的显卡通常不需要从英特尔的官方网站下载OpenCL SDK。这是因为NVIDIA的显卡使用的是NVIDIA自家的GPU架构，而不是英特尔的集成显卡。因此，您应该从NVIDIA的官方网站或开发者资源中获取与NVIDIA GPU兼容的OpenCL SDK。
​
NVIDIA提供了名为NVIDIA CUDA Toolkit的开发工具套件，其中包括支持OpenCL的组件。您可以从NVIDIA的官方网站（https://developer.nvidia.com/cuda-toolkit）下载CUDA Toolkit。CUDA Toolkit包括NVIDIA GPU的驱动程序、NVIDIA提供的OpenCL运行时环境以及与CUDA开发相关的工具和库。这将为您提供所需的OpenCL开发环境，以在NVIDIA GPU上运行OpenCL应用程序。
​
总之，对于NVIDIA的显卡，您应该从NVIDIA官方网站获取OpenCL支持的工具和SDK，而不是从英特尔官方网站下载OpenCL SDK。请确保您下载和安装与您的NVIDIA GPU兼容的OpenCL SDK 版本，以确保顺利进行OpenCL开发。

那么也就是说去提供的网址CUDA Toolkit - Free Tools and Training | NVIDIA Developer 下载然后安装一个CUDA Toolkit就全都有了，一步到位不需要别的。

记得开启梯子

local和network不知道选什么去问问chatgpt

 

 

4.在vs上跑一个示例项目

1.新建一个项目

2.添加opencl.h所在路径,我的是D:\software\develop\opencl\cuda\cuda_tookit\include

3.添加.lib所在路径，我的是D:\software\develop\opencl\cuda\cuda_tookit\lib\x64\OpenCL.lib

4.随便写一个示例代码运行一下

#include <CL/cl.h>
#include <iostream>
​
const int N = 1024; // 矩阵大小
const size_t size = N * N * sizeof(float);
​
int main() {
    // 初始化输入矩阵
    float* A = new float[N * N];
    float* B = new float[N * N];
    for (int i = 0; i < N * N; i++) {
        A[i] = 1.0f;
        B[i] = 2.0f;
    }
​
    // 初始化OpenCL环境
    cl_platform_id platform;
    clGetPlatformIDs(1, &platform, NULL);
    cl_device_id device;
    clGetDeviceIDs(platform, CL_DEVICE_TYPE_GPU, 1, &device, NULL);
    cl_context context = clCreateContext(NULL, 1, &device, NULL, NULL, NULL);
    cl_command_queue queue = clCreateCommandQueueWithProperties(context, device, 0, NULL);
​
    // 创建OpenCL内存缓冲区
    cl_mem bufferA = clCreateBuffer(context, CL_MEM_READ_ONLY, size, NULL, NULL);
    cl_mem bufferB = clCreateBuffer(context, CL_MEM_READ_ONLY, size, NULL, NULL);
    cl_mem bufferC = clCreateBuffer(context, CL_MEM_WRITE_ONLY, size, NULL, NULL);
​
    // 将输入数据传输到OpenCL缓冲区
    clEnqueueWriteBuffer(queue, bufferA, CL_TRUE, 0, size, A, 0, NULL, NULL);
    clEnqueueWriteBuffer(queue, bufferB, CL_TRUE, 0, size, B, 0, NULL, NULL);
​
    // 创建OpenCL程序对象
    const char* source = "__kernel void add_matrices(__global const float* A, __global const float* B, __global float* C) { int id = get_global_id(0); C[id] = A[id] + B[id]; }";
    cl_program program = clCreateProgramWithSource(context, 1, &source, NULL, NULL);
    clBuildProgram(program, 1, &device, NULL, NULL, NULL);
    cl_kernel kernel = clCreateKernel(program, "add_matrices", NULL);
​
    // 设置OpenCL内核参数
    clSetKernelArg(kernel, 0, sizeof(cl_mem), &bufferA);
    clSetKernelArg(kernel, 1, sizeof(cl_mem), &bufferB);
    clSetKernelArg(kernel, 2, sizeof(cl_mem), &bufferC);
​
    // 启动内核
    size_t globalWorkSize[2] = { N, N };
    clEnqueueNDRangeKernel(queue, kernel, 2, NULL, globalWorkSize, NULL, 0, NULL, NULL);
​
    // 读取结果数据
    clEnqueueReadBuffer(queue, bufferC, CL_TRUE, 0, size, A, 0, NULL, NULL);
​
    // 清理OpenCL资源
    clReleaseMemObject(bufferA);
    clReleaseMemObject(bufferB);
    clReleaseMemObject(bufferC);
    clReleaseProgram(program);
    clReleaseKernel(kernel);
    clReleaseCommandQueue(queue);
    clReleaseContext(context);
​
    // 打印结果
    std::cout << "Result: " << A[0] << std::endl;
​
    delete[] A;
    delete[] B;
    int a;
    std::cin >> a;
​
    return 0;
}

5.运行结果是