OpenCL (aparapi)在Radeon上的简单还原慢

Question

我试图在OpenCL中的一个大的双数组上编写一个简单的缩减(在本例中是和)。我看过在线教程，发现这基本上就是解决问题的方法：

#pragma OPENCL EXTENSION cl_khr_fp64 : enable

typedef struct This_s{
   __global double *nums;
   int nums__javaArrayLength;
   __local double *buffer;
   __global double *res;
   int passid;
}This;
int get_pass_id(This *this){
   return this->passid;
}
__kernel void run(
   __global double *nums, 
   int nums__javaArrayLength, 
   __local double *buffer, 
   __global double *res, 
   int passid
){
   This thisStruct;
   This* this=&thisStruct;
   this->nums = nums;
   this->nums__javaArrayLength = nums__javaArrayLength;
   this->buffer = buffer;
   this->res = res;
   this->passid = passid;
   {
      int tid = get_local_id(0);
      int i = (get_group_id(0) * get_local_size(0)) + get_local_id(0);
      int gridSize = get_local_size(0) * get_num_groups(0);
      int n = this->nums__javaArrayLength;
      double cur = 0.0;
      for (; i<n; i = i + gridSize){
         cur = cur + this->nums[i];
      }
      this->buffer[tid]  = cur;
      barrier(CLK_LOCAL_MEM_FENCE);
      barrier(CLK_LOCAL_MEM_FENCE);
      if (tid<32){
         this->buffer[tid]  = this->buffer[tid] + this->buffer[(tid + 32)];
      }
      barrier(CLK_LOCAL_MEM_FENCE);
      if (tid<16){
         this->buffer[tid]  = this->buffer[tid] + this->buffer[(tid + 16)];
      }
      barrier(CLK_LOCAL_MEM_FENCE);
      if (tid<8){
         this->buffer[tid]  = this->buffer[tid] + this->buffer[(tid + 8)];
      }
      barrier(CLK_LOCAL_MEM_FENCE);
      if (tid<4){
         this->buffer[tid]  = this->buffer[tid] + this->buffer[(tid + 4)];
      }
      barrier(CLK_LOCAL_MEM_FENCE);
      if (tid<2){
         this->buffer[tid]  = this->buffer[tid] + this->buffer[(tid + 2)];
      }
      barrier(CLK_LOCAL_MEM_FENCE);
      if (tid<1){
         this->buffer[tid]  = this->buffer[tid] + this->buffer[(tid + 1)];
      }
      barrier(CLK_LOCAL_MEM_FENCE);
      if (tid==0){
         this->res[get_group_id(0)]  = this->buffer[0];
      }
      return;
   }
}

如果您想知道奇怪的this，那是一个(不幸的是必要的) aparapi的工件，我用它将OpenCL转换成OpenCL。

我的内核产生了正确的结果，并且在相当强大的Nvidia硬件上，它比Java中的顺序和快大约10倍。然而，在Radeon 280上，它的性能与简单的R9代码相当。

我已经用CodeXL对内核进行了剖析。它告诉我，MemUnitBusy仅占6%。为什么这么低？

Answer 1

事实证明，OpenCL并不是(直接的)错误，但是aparapis缓冲区管理是错误的。

我在没有aparapi的情况下尝试了完全相同的内核，而且性能很好。一旦我使用CL_MEM_USE_HOST_PTR，它就会变得很糟糕，遗憾的是，这是使用aparapi时唯一的选择。即使在几次“热身”运行之后，AMD似乎也没有将主机内存复制到设备上。

Answer 2

您可能想要考虑迁移到aparapi.com中更活跃的项目。它包括对bug的几个修复，以及与前面链接的旧库相比的许多额外特性和性能增强。它还位于maven中心，大约有十几个版本。因此，它更容易使用。新的Github存储库在这里。