Intel核显+host多线程+OpenCL问题

之前Intel核显配置那篇时说过一个例子：

以前用AMD 560显卡时：CPU版本耗时约19s，OpenCL版本耗时约4.5s (单线程多线程均如此)；我将这个例子直接移到（并没有改动）现在用的Intel skylake核显上：CPU版本耗时约17.3s（单线程多线程均是如此），单线程的OpenCL版本耗时约5s，但多线程的OpenCL版本竟然要38s~40s（但每个线程的结果有时会有数据异常，也就是结果不完全正确），有时更是会崩溃报错“double free or corruption 段错误吐核”！！！

大神告诉我几个可能的错误和建议：

（A） Kernel：你没有使用锁构成一个临界区保护kernel参数设定和启动，这个是不应当的。必须上临界区的。否则你可能导致各种莫名的错误。这是较小可能。   因为：是有些设备可以快速的接纳命令, 这样不完全的小区域, 在极短的时间内, 等于原子操作, 这样巧合的情况下可以无视锁，可以不用锁保护kernel，但有的设备也许接受命令较慢（并不一定是执行慢），这时候就需要锁了！这点是OpenCL手册强调的唯一一处host多线程不安全的地方了！让所有的host多个线程共享一个mutex（放在单例里），然后在kernel传参和启动时加上锁保护！！记住记住。这样就不再报莫名其妙的段错误或者数据异常了！但耗时却依旧要21秒左右 ？！！！！？？我想要达到的效果是像以前AMD下一样单线程多线程OpenCL都是5秒。可是现在虽然不报错，但差得远？！

（B）Intel的核显，该显卡具有和其他普通显卡（A卡，N卡）不同的特性是， 它的一个EU，比A卡的一个CU能上的线程数量少的多的多。换句话说，小得多的kernel启动规模就能满载设备，不需要上12个host线程发布命令的。 建议改成2-3个线程足矣（这是为了能让你的一些操作步骤互相掩盖， 例如数据准备之类的）。请注意这不代表你的核显非常弱，反而说明了它更像CPU一点。

（C）如果代码不卡磁盘访问或者访存，请将CPU作为Device加入Context，Intel的平台这样用往往会有奇效（不一定）。 我的Intel核显有2个平台，其中平台Intel(R) OpenCL下 有2个devices：一个是GPU：Intel(R) HD Graphics  ；另一个是CPU：Intel(R) Core(TM) i7-6700 CPU @ 3.40GHz  我如果将这些设备都利用起来，应该可以提高性能？？多设备的例子我还没写过。

（D）最后。建议核显上不这样做（12个不同的buffers太多了），可以只上2-3个（刚才说过），或者还是12个， 但是将一个大buffer切分成多处（例如通过指定偏移量），这样你依然具有多个queues之间的数据操作和kernel计算的互相掩盖特性），同时还不至于在Intel的平台上造成失败之类的困难（相比A卡，N卡动辄GB级别的分配量，默认的Intel显卡只有MB级别的，稍微不注意就会失败。而切分公用，可以规避这一点）。

最终，我修改好后：

	Intel核显结果整理表（单位：秒）
	OpenCL-host单线程耗时			OpenCL-host多线程耗时(12个线程)	非OpenCL版本
Intel核显	单设备GPU:5	单设备CPU:1.7	多设备:4.2	无论怎么选设备，最低耗时都要：15.8	17.3
原AMD电脑	单设备AMD的gpu：4.5			单设备AMD的gpu：4.5	19

表示很郁闷.............................................................................................................

.

/**********************************************************************/

看到一个牛人写的傅里叶变换的文章：https://news.cnblogs.com/n/209823/   超厉害！！！！！！！很佩服！！！！！！！！！！

另外还有一个人的 https://blog.csdn.net/maweifei/article/category/6131949/2  用opencv做图像处理的 也还好 可以看看。