如何解决PyOpenCL - 多维减少内核
我是 OpenCL 的新手。
我正在尝试编写一个归约内核,该内核沿多维数组的一个轴求和。我偶然发现了来自这里的代码:https://tmramalho.github.io/blog/2014/06/16/parallel-programming-with-opencl-and-python-parallel-reduce/
__kernel void reduce(__global float *a,__global float *r,__local float *b) {
uint gid = get_global_id(0);
uint wid = get_group_id(0);
uint lid = get_local_id(0);
uint gs = get_local_size(0);
b[lid] = a[gid];
barrier(CLK_LOCAL_MEM_FENCE);
for(uint s = gs/2; s > 0; s >>= 1) {
if(lid < s) {
b[lid] += b[lid+s];
}
barrier(CLK_LOCAL_MEM_FENCE);
}
if(lid == 0) r[wid] = b[lid];
}
我不明白 for 循环部分。我知道 uint s = gs/2
意味着我们将数组分成两半,但这完全是个谜。不理解它,我无法真正实现另一个版本以获取数组的最大值,例如,对于多维数组更是如此。
此外,据我所知,如果“N 大于单个单元中的内核数”,则reduce 内核需要重新运行一次。
你能对整段代码做进一步的解释吗?或者甚至指导如何实现它以获取数组的最大值?
完整代码可以在这里找到:https://github.com/tmramalho/easy-pyopencl/blob/master/008_localreduce.py
解决方法
关于 for
循环含义的第一个问题:
for(uint s = gs/2; s > 0; s >>= 1)
意思是你把局部大小gs除以2,继续除以2(移位部分s >>= 1
等价于s = s/2
)而s>0,换句话说,直到s= 1. 这个算法取决于你的数组大小是 2 的幂,否则你必须处理超过 2 的幂直到你减少了整个数组,或者你必须用中性值填充你的数组减少直到完成2大小的幂。
当 N 大于 GPU 的容量时,您的第二个担忧是正确的:您必须减少适合的部分,然后合并结果。
最后,当您寻求有关如何实施减少以获得数组最大值的指导时,我会建议以下内容:
-
对于像 max 或 sum 这样的简单归约,请尝试使用
numpy
,尤其是当您正在处理按轴进行归约编程时。 -
如果您认为 GPU 会给您带来优势,请首先尝试使用 pyopencl 的多维数组功能,例如max。
-
如果减少的数学强度更高,请尝试使用 pyopencl 的并行算法,例如reduction
我认为使用 pyopencl
的全部意义在于避免处理底层 GPU 的架构。否则,直接处理 CUDA 或 HIP 比 OpenCL 更容易。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。