本實驗主要進行opencl一維訊號的濾波；主要思路是以離散訊號的序列點作為目標，乙個工作項負責乙個訊號點的計算；這樣做的好處是方便，相對於序列實現獲得相當大的效能提公升；但是每個工作項負載不均衡。
host.c#include
#include
#include
#include
#pragma warning( disable : 4996 )
#define mixsize 8192*65
int main()
error = clgetdeviceids(platforms, cl_device_type_gpu, 1, &devices, null);
if (error != 0)
//建立上下文
context = clcreatecontext(null,1,&devices,null,null,&error);
if (error != 0)
//建立程式
program_handle = fopen("kernel.cl","rb");
if (program_handle == null)
fseek(program_handle,0,seek_end);
program_size = ftell(program_handle);
rewind(program_handle);
program_buffer = (char *)malloc(program_size+1);
program_buffer[program_size] = '\0';
error=fread(program_buffer,sizeof(char),program_size,program_handle);
if (error == 0)
fclose(program_handle);
program = clcreateprogramwithsource(context,1,(const
char **)&program_buffer,&program_size,&error);
if (error < 0)
//編譯程式
error = clbuildprogram(program,1,&devices,null,null,null);
if (error < 0)
//建立命令佇列
queue = clcreatecommandqueue(context, devices, cl_queue_profiling_enable, &error);
if (error < 0)
//建立核心
kernel = clcreatekernel(program,kernel_name,&error);
if (kernel==null)
//建立快取物件
cl_mem memobject1 = clcreatebuffer(context,cl_mem_read_only ,
sizeof(float) * 256,null,&error);
if (error < 0)
cl_mem memobject2 = clcreatebuffer(context, cl_mem_read_only ,
sizeof(float) * mixsize / 65, null, &error);
if (error < 0)
cl_mem memobject3 = clcreatebuffer(context, cl_mem_write_only ,
sizeof(float) * mixsize/65, null, &error);
if (error < 0)
//設定核心引數
error = clsetkernelarg(kernel,0,sizeof(cl_mem),&memobject1);
error |= clsetkernelarg(kernel, 1, sizeof(cl_mem), &memobject2);
error |= clsetkernelarg(kernel, 2, sizeof(cl_mem), &memobject3);
if (error != cl_success)
//初始化引數
float* input1 = (float *)malloc(sizeof(float)* 256);
float* input2 = (float *)malloc(sizeof(float)* mixsize / 65);
float* result = (float *)malloc(sizeof(float)* mixsize / 65);
float *check = (float *)malloc(sizeof(float) * mixsize / 65);
memset(check, 0, sizeof(float) * mixsize / 65);
memset(input1, 1, sizeof(float) * 256);
memset(input2, 0, sizeof(float) * mixsize / 65);
memset(result, 0, sizeof(float) * mixsize / 65);
cl_event evt1;
cl_event evt2;
cl_event evt3;
float* tmp1 = (float *)malloc(sizeof(float)* mixsize);
float *tmp2 = (float *)malloc(sizeof(float) * mixsize / 65);
memset(tmp2, 0, sizeof(float) * mixsize / 65);
//資料讀入
//採用隨機數函式產生輸入
//input2是65*8192
srand(1);
for (int j = 0; j < 8192; j++)
for (int j = 0; j < 256; j++)
//檢查運算結果
for (int j = 0; j < 8192; j++)
}else
}
}//資料寫入記憶體
error = clenqueuewritebuffer(queue, memobject1, cl_false, 0,
256 * sizeof(float), input1, 0, null, &evt1);
if (error != cl_success)
error = clenqueuewritebuffer(queue, memobject2, cl_false, 0,
mixsize * sizeof(float) / 65, input2, 1, &evt1, &evt2);
if (error != cl_success)
//配置工作項
size_t maxworkgroupsize = 0;
clgetdeviceinfo(devices, cl_device_max_work_group_size,
sizeof(maxworkgroupsize), &maxworkgroupsize, null);
size_t globalworksize = 8192;
size_t localworksize = maxworkgroupsize;
//執行核心
error = clenqueuendrangekernel(queue, kernel, 1, null, &globalworksize,
&localworksize, 1, &evt2, &evt3);
if (error != cl_success)
//讀取執行結果
error = clenqueuereadbuffer(queue,memobject3,cl_true,0,
mixsize*sizeof(float)/65,result,1,&evt3,null);
if (error != cl_success)
//顯示結果
for (int i = 0; i < mixsize/65; i++)
}printf("successed!\n");
clreleaseevent(evt1);
clreleaseevent(evt2);
clreleaseevent(evt3);
clreleaseprogram(program);
clreleasecontext(context);
clreleasecommandqueue(queue);
clreleasedevice(devices);
clreleasekernel(kernel);
getchar();
return
0;}
kernel.cl//卷積
//假設有8192個資料
//全域性工作項8192
//卷積係數256
//輸入1為卷積係數
//輸入2為資料
__kernel void createbuffer(__global float *input1,
__global float *input2,
__global float *result)
}else
}}
並行程式設計OpenCL 矩陣相加
並行程式設計opencl 矩陣相加 1 host端 include include include include const int array size 1000 一 選擇opencl平台並建立乙個上下文 cl context createcontext 建立乙個opencl上下文環境 cl c...
OpenCL與異構平行計算
異構平行計算包含兩個子概念 異構和並行。1 異構是指異構平行計算需要同時處理多個不同架構的計算平台的問 題，比如目前主流的異構平行計算平台x86 gpu x86 fpga，以及目前正在研發中的arm power gpu。2 並行是指異構平行計算主要採用並行的程式設計方式，無論是x86處理器，還是ar...
OpenCL與異構平行計算
原文 異構平行計算包含兩個子概念 異構和並行。1 異構是指異構平行計算需要同時處理多個不同架構的計算平台的問 題，比如目前主流的異構平行計算平台x86 gpu x86 fpga，以及目前正在研發中的arm power gpu。2 並行是指異構平行計算主要採用並行的程式設計方式，無論是x86處理器，還...