#include
#include //包含CL的头文件
using namespace std;
//根据参数，判断设备类别。是CPU、GPU、ACCELERATOR或其他设备
const char* GetDeviceType(cl_device_type it)
{
if(it == CL_DEVICE_TYPE_CPU)
return "CPU";
else if(it== CL_DEVICE_TYPE_GPU)
return "GPU";
else if(it==CL_DEVICE_TYPE_ACCELERATOR)
return "ACCELERATOR";
else
return "DEFAULT";
}
int main()
{
char dname[512];
cl_device_id devices[20];
cl_platform_id* platform_id = NULL;
cl_uint num_devices;
cl_device_type int_type;
cl_ulong long_entries;
cl_uint num_platform;
cl_int err;
//查询系统上可用的计算平台，可以理解为初始化
err = clGetPlatformIDs(0,NULL,&num_platform);
if(err!=CL_SUCCESS)
{
cout<<"clGetPlatformIDs error"<<endl;
return 0;
}
cout<<"PlatForm num:"<<num_platform<<endl;
unsigned int st=0;
platform_id = new cl_platform_id[num_platform];
err = clGetPlatformIDs(num_platform,platform_id,NULL);
if(err!=CL_SUCCESS)
{
cout<<"clGetPlatformIDs error"<<endl;
return 0;
}
for(st=0;st
{
cout<<endl<<"----------------------------------"<<endl;
cout<<"Platform "<<st+1<<endl;
//获取可用计算平台的名称
clGetPlatformInfo(platform_id[st],CL_PLATFORM_NAME,512,dname,NULL);
cout<<"CL_PLATFORM_NAME:"<<dname<<endl;
//获取可用计算平台的版本号,即OpenCL的版本号
clGetPlatformInfo(platform_id[st],CL_PLATFORM_VENDOR,512,dname,NULL);
cout<<"CL_PLATFORM_VERSION:"<<dname<<endl;
//获取可用计算平台的设备数目
clGetDeviceIDs(platform_id[st],CL_DEVICE_TYPE_ALL,20,devices,&num_devices);
cout<<"Device num:"<<num_devices<<endl<<endl;
unsigned int n=0;
//循环两次，检测两个设备的属性
for(n=0;n
{
cout<<endl<<"Device "<<n+1<<endl;
//获取设备名称
clGetDeviceInfo(devices[n],CL_DEVICE_NAME,512,dname,NULL);
cout<<"Device :"<<dname<<endl;
//获取设备类别
clGetDeviceInfo(devices[n],CL_DEVICE_TYPE,sizeof(cl_device_type),&int_type,NULL);
cout<<"Device Type:"<<GetDeviceType(int_type)<<endl;
//获取设备版本号
clGetDeviceInfo(devices[n],CL_DRIVER_VERSION,512,dname,NULL);
cout<<"Device version:"<<dname<<endl;
//获取设备全局内存大小
clGetDeviceInfo(devices[n],CL_DEVICE_GLOBAL_MEM_SIZE,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device global mem(MB):"<<long_entries/1024/1024<<endl;
//获取设备CACHE内存大小
clGetDeviceInfo(devices[n],CL_DEVICE_GLOBAL_MEM_CACHE_SIZE,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device global mem cache(KB):"<<long_entries/1024<<endl;
//获取本地内存大小
clGetDeviceInfo(devices[n],CL_DEVICE_LOCAL_MEM_SIZE,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device Locale mem(KB) :"<<long_entries/1024<<endl;
//获取设备频率
clGetDeviceInfo(devices[n],CL_DEVICE_MAX_CLOCK_FREQUENCY,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device Max clock(MHz) :"<<long_entries<<endl;
//获取最大工作组数
clGetDeviceInfo(devices[n],CL_DEVICE_MAX_WORK_GROUP_SIZE,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device Max Group size :"<<long_entries<<endl;
//获取最大计算核心数
clGetDeviceInfo(devices[n],CL_DEVICE_MAX_COMPUTE_UNITS,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device Max parallel cores:"<<long_entries<<endl;
}
}
return 0;
}
opencl编码流程
摘自opencl异构计算：
（1）初始化opencl 平台(调用两次clGetPlatformIDs函数）
第一次获取可用的平台数量，第二次获取一个可用的平台。
（2） 选择设备(调用两次clGetDeviceIDs函数）
第一次获取可用的设备数量，第二次获取一个可用的设备。
（3）创建上下文(调用clCreateContext函数）
Context：环境上下文，一个Context包含几个device（单个Cpu或GPU），一个Context就是这些device的一个联系纽带，只有在一个Context上的那些Device才能彼此交流工作，你的机器上可以同时存在很多Context。你可以用一个CPu创建context，也可以用一个CPU和一个GPU创建一个。
（4）创建命令队列(调用clCreateCommandQueue函数）
（5）创建数据缓冲区(调用clCreateBuffer函数）
（6）将 host数据写进设备缓冲区(调用clEnqueueWriteBuffer函数）
（7）创建程序对象(调用clCreateProgramWithSource函数）并编译内核源码（调用clBuildProgram函数,如果编译成功，则把编译代码存储在程序对象中）
（8）创建kernel(调用clCreateKernel函数）
（9）设置内核参数(调用clSetKernelArg函数）
（10）Configure the work-item structure(设置worksize）//只在分组的时候用到，只调用全局id的时候不要设置
（11）内核入队执行(调用clEnqueueNDRangeKernel函数）
（12）取回计算结果。Read the output buffer back to the host(调用clEnqueueReadBuffer函数）
（13）Release OpenCL resources（至此结束整个运行过程）
中间有很多地方需要结合实际情况进行设定。
//step 1:初始化OpenCL
err = clGetPlatformIDs(1,&platform_id,NULL);
if(err!=CL_SUCCESS)
{
cout<<"clGetPlatformIDs error"<<endl;
return 0;
}
////step 2:创建上下文。这次我们只用CPU来进行并行运算，当然你也可以该成GPU
clGetDeviceIDs(platform_id,CL_DEVICE_TYPE_CPU,1,&device,NULL);
//step 3:创建上下文
context = clCreateContext(NULL,1,&device,NULL,NULL,NULL);
//step 4:创建命令队列
cmdQueue = clCreateCommandQueue(context,device,0,NULL);
//step 5:创建数据缓冲区,即创建内存对象，内存对象分配在设备内存中，可以有内核函数直接调用
bufferA = clCreateBuffer(context,
CL_MEM_READ_ONLY,
datasize,NULL,NULL);
bufferB = clCreateBuffer(context,
CL_MEM_READ_ONLY,
datasize,NULL,NULL);
//step 6:将数据上传到缓冲区,注意这里只传A，相当于赋值，B 是结果，不需要初始化了
clEnqueueWriteBuffer(cmdQueue,
bufferA,CL_FALSE,
0,datasize,
buf_A,0,
NULL,NULL);
//step 7:由内核源代码创建程序对象.
program = clCreateProgramWithSource(context,1,
(const char**)&buf_code,
NULL,NULL);
//调用clBuildProgram函数,编译内核源代码。如果编译成功，则把编译代码存储在程序对象中
clBuildProgram(program,1,&device,NULL,NULL,NULL);
//step 8：创建内核对象
kernel = clCreateKernel(program,"transposition",NULL);
//step 9:设置参数，执行内核
clSetKernelArg(kernel,0,sizeof(cl_mem),&bufferA);
clSetKernelArg(kernel,1,sizeof(cl_mem),&bufferB);
//step 10:内核入队执行。注意这里第三个参数已经改成2，表示二维数据。
clEnqueueNDRangeKernel(cmdQueue,kernel,
2,NULL,
globalWorkSize,
NULL,0,NULL,NULL);
//step 11:取回计算结果
clEnqueueReadBuffer(cmdQueue,bufferB,CL_TRUE,0,
datasize,buf_B,0,NULL,NULL);
//输出计算结果
for(n=0;n
{
for(m=0;m
{
cout<< buf_A[m][n] <<",";
}
cout<<endl;
}
cout<<endl<<"====transposition===="<<endl<<endl;
for(n=0;n
{
for(m=0;m
{
cout<< buf_B[m][n] <<",";
}
cout<<endl;
}
//step 12:释放所有调用和内存
clReleaseKernel(kernel);
clReleaseProgram(program);
clReleaseCommandQueue(cmdQueue);
clReleaseMemObject(bufferA);
clReleaseMemObject(bufferB);
clReleaseContext(context);
delete buf_code;
return 0;