OpenCL - 维基百科，自由的百科全书

  提示：此条目页的主题不是OpenGL。
OpenCL
原作者苹果公司
開發者科纳斯组织
首次发布2009年8月28日，​14年前​（2009-08-28）
当前版本3.0.12 (2022年9月15日，​21個月前​（2022-09-15）)
操作系统跨平台
类型API
许可协议免版税
网站www.khronos.org/opencl
www.khronos.org/webcl

OpenCL（Open Computing Language，开放计算语言）是一个为异构平台编写程序的框架，此异构平台可由CPU、GPU、DSP、FPGA或其他类型的处理器與硬體加速器所组成。OpenCL由一门用于编写kernels（在OpenCL设备上运行的函数）的语言（基于C99）和一组用于定义并控制平台的API组成。OpenCL提供了基于任务分割和数据分割的并行计算机制。

OpenCL类似于另外两个开放的工业标准OpenGL和OpenAL，这两个标准分别用于三维图形和计算机音频方面。OpenCL擴充了GPU圖形生成之外的能力。OpenCL由非盈利性技术组织Khronos Group掌管。

历史

[编辑]

OpenCL最初由苹果公司开发，拥有其商标权，并在与AMD，IBM，Intel和NVIDIA技术团队的合作之下初步完善。随后，苹果将这一草案提交至Khronos Group。

2008年6月16日，Khronos的通用计算工作小组成立[2]。5个月后的2008年11月18日，该工作组完成了OpenCL 1.0规范的技术细节[3]。该技术规范在由Khronos成员进行审查之后，于2008年12月8日公开发表[4]。2010年6月14日，OpenCL 1.1发布[5]。

範例

[编辑]

快速傅立葉變換

[编辑]

一個快速傅立葉變換的式子： [6] 

  // create a compute context with GPU device   context = clCreateContextFromType(NULL, CL_DEVICE_TYPE_GPU, NULL, NULL, NULL);    // create a command queue   queue = clCreateCommandQueue(context, NULL, 0, NULL);    // allocate the buffer memory objects   memobjs[0] = clCreateBuffer(context, CL_MEM_READ_ONLY | CL_MEM_COPY_HOST_PTR, sizeof(float)*2*num_entries, srcA, NULL);   memobjs[1] = clCreateBuffer(context, CL_MEM_READ_WRITE, sizeof(float)*2*num_entries, NULL, NULL);    // create the compute program   program = clCreateProgramWithSource(context, 1, &fft1D_1024_kernel_src, NULL, NULL);    // build the compute program executable   clBuildProgram(program, 0, NULL, NULL, NULL, NULL);    // create the compute kernel   kernel = clCreateKernel(program, "fft1D_1024", NULL);    // set the args values   clSetKernelArg(kernel, 0, sizeof(cl_mem),(void *)&memobjs[0]);   clSetKernelArg(kernel, 1, sizeof(cl_mem),(void *)&memobjs[1]);   clSetKernelArg(kernel, 2, sizeof(float)*(local_work_size[0]+1)*16, NULL);   clSetKernelArg(kernel, 3, sizeof(float)*(local_work_size[0]+1)*16, NULL);    // create N-D range object with work-item dimensions and execute kernel   global_work_size[0] = num_entries;   local_work_size[0] = 64;   clEnqueueNDRangeKernel(queue, kernel, 1, NULL, global_work_size, local_work_size, 0, NULL, NULL);

真正的運算：（基於Fitting FFT onto the G80 Architecture（页面存档备份，存于互联网档案馆））[7] 

  // This kernel computes FFT of length 1024. The 1024 length FFT is decomposed into   // calls to a radix 16 function, another radix 16 function and then a radix 4 function    __kernel void fft1D_1024(__global float2 *in, __global float2 *out,                           __local float *sMemx, __local float *sMemy){     int tid = get_local_id(0);     int blockIdx = get_group_id(0) * 1024 + tid;     float2 data[16];      // starting index of data to/from global memory     in = in + blockIdx;  out = out + blockIdx;      globalLoads(data, in, 64); // coalesced global reads     fftRadix16Pass(data);      // in-place radix-16 pass     twiddleFactorMul(data, tid, 1024, 0);      // local shuffle using local memory     localShuffle(data, sMemx, sMemy, tid, (((tid & 15)* 65) +(tid >> 4)));     fftRadix16Pass(data);               // in-place radix-16 pass     twiddleFactorMul(data, tid, 64, 4); // twiddle factor multiplication      localShuffle(data, sMemx, sMemy, tid, (((tid >> 4)* 64) +(tid & 15)));      // four radix-4 function calls     fftRadix4Pass(data);      // radix-4 function number 1     fftRadix4Pass(data + 4);  // radix-4 function number 2     fftRadix4Pass(data + 8);  // radix-4 function number 3     fftRadix4Pass(data + 12); // radix-4 function number 4      // coalesced global writes     globalStores(data, out, 64);   }

Apple的網站上可以發現傅立葉變換的例子[8]

平行合併排序法

[编辑]

使用 Python 3.x 搭配 PyOpenCL 與 NumPy 

import io import random import numpy as np import pyopencl as cl  def dump_step(data, chunk_size):     """顯示排序過程"""     msg = io.StringIO('')     div = io.StringIO('')     for idx, item in enumerate(data):         if idx % chunk_size == 0:             if idx > 0:                 msg.write(' ||')                 div.write('   ')             div.write(' --')         else:             msg.write('   ')             div.write('------')         msg.write(' {:2d}'.format(item))      out = msg.getvalue()     if chunk_size == 1: print(' ' + '-' * (len(out) - 1))     print(out)     print(div.getvalue())     msg.close()     div.close()  def cl_merge_sort_sbs(data_in):     """平行合併排序"""     # OpenCL kernel 函數程式碼     CL_CODE = '''     kernel void merge(int chunk_size, int size, global long* data, global long* buff) {         // 取得分組編號         const int gid = get_global_id(0);          // 根據分組編號計算責任範圍         const int offset = gid * chunk_size;         const int real_size = min(offset + chunk_size, size) - offset;         global long* data_part = data + offset;         global long* buff_part = buff + offset;          // 設定合併前的初始狀態         int r_beg = chunk_size >> 1;         int b_ptr = 0;         int l_ptr = 0;         int r_ptr = r_beg;          // 進行合併         while (b_ptr < real_size) {             if (r_ptr >= real_size) {                 // 若右側沒有資料，取左側資料堆入緩衝區                 buff_part[b_ptr] = data_part[l_ptr++];             } else if (l_ptr == r_beg) {                 // 若左側沒有資料，取右側資料堆入緩衝區                 buff_part[b_ptr] = data_part[r_ptr++];             } else {                 // 若兩側都有資料，取較小資料堆入緩衝區                 if (data_part[l_ptr] < data_part[r_ptr]) {                     buff_part[b_ptr] = data_part[l_ptr++];                 } else {                     buff_part[b_ptr] = data_part[r_ptr++];                 }             }             b_ptr++;         }     }     '''      # 配置計算資源，編譯 OpenCL 程式     ctx = cl.Context(dev_type=cl.device_type.GPU)     prg = cl.Program(ctx, CL_CODE).build()     queue = cl.CommandQueue(ctx)     mf = cl.mem_flags      # 資料轉換成 numpy 形式以利轉換為 OpenCL Buffer     data_np = np.int64(data_in)     buff_np = np.empty_like(data_np)      # 建立緩衝區，並且複製數值到緩衝區     data = cl.Buffer(ctx, mf.READ_WRITE | mf.COPY_HOST_PTR, hostbuf=data_np)     buff = cl.Buffer(ctx, mf.READ_WRITE | mf.COPY_HOST_PTR, hostbuf=buff_np)      # 設定合併前初始狀態     data_len = np.int32(len(data_np))     chunk_size = np.int32(1)      dump_step(data_np, chunk_size)     while chunk_size < data_len:         # 更新分組大小，每一回合變兩倍         chunk_size <<= 1         # 換算平行作業組數          group_size = ((data_len - 1) // chunk_size) + 1         # 進行分組合併作業         prg.merge(queue, (group_size,), (1,), chunk_size, data_len, data, buff)         # 將合併結果作為下一回合的原始資料         temp = data         data = buff         buff = temp         # 顯示此回合狀態         cl.enqueue_copy(queue, data_np, data)         dump_step(data_np, chunk_size)      queue.finish()     data.release()     buff.release()  def main():     n = random.randint(5, 16)     data = []     for i in range(n):         data.append(random.randint(1, 99))     cl_merge_sort_sbs(data)  if __name__ == '__main__':     main()

執行結果： 

 --------------------------------------------------------------------------------------  85 || 41 || 64 || 40 || 90 || 29 || 38 || 41 || 64 || 17 || 20 || 41 || 16 || 65 || 83  --    --    --    --    --    --    --    --    --    --    --    --    --    --    --  41    85 || 40    64 || 29    90 || 38    41 || 17    64 || 20    41 || 16    65 || 83  --------    --------    --------    --------    --------    --------    --------    --  40    41    64    85 || 29    38    41    90 || 17    20    41    64 || 16    65    83  --------------------    --------------------    --------------------    --------------  29    38    40    41    41    64    85    90 || 16    17    20    41    64    65    83  --------------------------------------------    --------------------------------------  16    17    20    29    38    40    41    41    41    64    64    65    83    85    90  --------------------------------------------------------------------------------------

參考文獻

[编辑]
  1. ^ Khronos OpenCL Registry. Khronos Group. 2022-09-15 [2022-09-15]. （原始内容存档于2019-09-14） （英语）. 
  2. ^ Khronos Launches Heterogeneous Computing Initiative (新闻稿). Khronos Group. 2008-06-16 [2008-06-18]. （原始内容存档于2008-06-20）. 
  3. ^ OpenCL gets touted in Texas. MacWorld. 2008-11-20 [2009-06-12]. （原始内容存档于2009-02-18）. 
  4. ^ The Khronos Group Releases OpenCL 1.0 Specification (新闻稿). Khronos Group. 2008-12-08 [2009-06-12]. （原始内容存档于2010-07-13）. 
  5. ^ Khronos Drives Momentum of Parallel Computing Standard with Release of OpenCL 1.1 Specification (新闻稿). Khronos Group. 2010-06-14 [2010-10-13]. （原始内容存档于2010-09-23）. 
  6. ^ OpenCL (PDF). SIGGRAPH2008. 2008-08-14 [2008-08-14]. （原始内容 (PDF)存档于2012-03-19）. 
  7. ^ Fitting FFT onto G80 Architecture (PDF). Vasily Volkov and Brian Kazian, UC Berkeley CS258 project report. May 2008 [2008-11-14]. （原始内容存档 (PDF)于2012-03-19）. 
  8. ^ . OpenCL on FFT. Apple. 16 Nov 2009 [2009-12-07]. （原始内容存档于2009-11-30）. 

外部連結

[编辑]

参见

[编辑]
科納斯組織制定標準
活跃
不活跃
检索自“https://zh.wikipedia.org/w/index.php?title=OpenCL&oldid=75632629”