打开CL在数据并行内核

Question

由于我的论文工作原因，我目前正在阅读OpenCL框架。到目前为止我遇到的是你可以在数据并行或并行任务中运行内核。现在我有了一个问题，我无法找到答案。

问：假设你有一个你要总结的向量。您可以通过为数据并行进程编写内核并运行它来在OpenCL中执行此操作。相当简单。

但是，现在说你有10多种不同的载体也需要总结。是否可以在任务并行中运行这10个以上的不同向量，同时仍然使用将其处理为＆＃34;数据并行＆＃34;？

的内核

所以你基本上将任务并行化，这在某种意义上是并行运行的？因为我所理解的是你可以并行运行任务，或者只是并行运行一个任务。

Answer 1

OpenCL中的整个任务并行/数据并行区别是一个错误。我们在OpenCL 2.0中弃用了clEnqueueTask，因为它没有意义。

OpenCL中所有已排队的实体都可以视为任务。这些任务可以同时运行，它们可以并行运行，也可以序列化。您可能需要多个队列来同时运行它们，或者单个无序队列，这是完全灵活的实现定义。

如果这些任务由处理同一任务中不同数据元素的多个工作项组成，则这些任务可能是数据并行的。它们可能不是，仅由一个工作项组成。最后一个定义是clEnqueueTask用来提供的 - 但是，因为它与全局大小为（1,1,1）的clEnqueueNDRangeKernel没有任何意义，并且没有检查内核代码中的任何内容，所以弃用它是更安全的选择。

所以是的，如果你排队多个NDRanges，你可以并行执行多个任务，每个任务都是数据并行的。

如果你仔细考虑传入它们的方式，你也可以在一个数据并行内核中一次复制所有这些向量。一个选项是启动一系列工作组，每个工作组遍历一个单向量复制它（这可能是CPU上用于缓存预取的最快方法）。您可以使用一些复杂的查找将每个工作项复制一个元素，以查看要从中复制的向量，但这可能会产生很高的开销。或者你可以只为一个内核启动多个并行内核，并让运行时决定它是否可以一起运行它们。

Answer 2

如果您的10个以上不同的向量接近相同的大小，则会成为数据并行问题。

OpenCL的任务并行特性更适合CPU实现。 GPU更适合数据并行工作。一些高端GPU可以同时运行少量内核，但它们的真正效率在于大数据并行作业。