用Intel 4000编程OpenCL GPU

Question

我一直试图使用OpenCL c++绑定(Version1.2)实现一个简单的并行算法。大致如下是c代码(没有OpenCL)：

typedef struct coord{
    double _x;
    double _y;
    double _z;
}__coord;

typedef struct node{
    __coord _coord;
     double _dist;
} __node;
double input[3] = {-1.0, -2, 3.5};
//nodeVector1D is a 1Dim random array of struct __node
//nodeVectorSize is the Size of the above array (>1,000)
double d = 0.0;
     for(int i=0; i < nodeVectorSize; i++){
         __node n = nodeVector1D[i];
         d += (input[0] - n._coord._x)*(input[0] - n._coord._x);
         d += (input[1] - n._coord._y)*(input[1] - n._coord._y);
         d += (input[2] - n._coord._z)*(input[2] - n._coord._z);
         n._dist = d;
     }

我使用MacBook Pro 13“，运行在MacBook上。OpenCL只检测CPU。CPU:英特尔常春藤i5 2.6GHz，集成GPU 1.6Ghz (英特尔高清图形4000)。最大检测到的组项大小为1024字节。当我运行上面的平面代码( 1024节点)时，它大约需要17微seconds.+。

当我使用OpenCL和C++库运行它的并行版本时，它花费的时间是它的10倍，大约87微秒(不包括程序创建、缓冲区分配和写入)。我在这里做错什么了？

注意:这个算法的OpenCL内核是显而易见的猜测，但是如果需要的话我可以发布它。提前谢谢。

编辑N#1:内核代码

__kernel void  _computeDist(
   __global void* nodeVector1D,
   const unsigned int nodeVectorSize,
   const unsigned int itemsize, 
   __global const double* input){
    double d = 0.;
    int i,c;
    double* n;
    i = get_global_id(0);
    if (i >= nodeVectorSize) return;
    n = (double*)(nodeVector1D + i*itemsize);
    for (c=0; c<3;c++){
        d += (input[c] - n[c])*(input[c] - n[c]);
    }
    n[3] = d;

}

对不起，空指针算法，但它有效(没有seg默认值)。我也可以发布OpenCL初始化例程，但我认为它在互联网上随处可见。不过，如果有人问起，我会发出去的。

@pmdj:正如我前面所说，OpenCL识别我的CPU，否则我就无法运行测试并获得上述性能结果。

@pmdj:据我所知，OpenCL内核代码总是用C编写的。然而，我标记C++是因为(正如我前面所说)，我使用的是OpenCL C++绑定。

Answer 1

我终于发现了这个问题。问题是Mac上的OpenCL返回错误的最大设备工作组大小为1024。我用不同的工作组大小进行了测试，当使用工作组大小为每组128个工作项时，性能提高了200%。这里有一个更清晰的基准图。IGPU代表集成GPU。(X轴:数组大小，Y轴:时间持续时间(以微秒为单位)

​