我正在开发一个项目，但此OpenCL内核存在一些问题:-(
__kernel void gemm_fast_5(
__global double *ar, __global double *br, __global double *cr,
__global double *pr, __global double *ur,
unsigned long c, unsigned long c2,
unsigned long c3, unsigned long c4,
unsigned long c5, unsigned long m,
unsigned char com
){
unsigned long i = get_global_id(0);
unsigned long j = get_global_id(1);
unsigned long x = get_local_id(0);
unsigned long y = get_local_id(1);
unsigned long cur = i*c3 + j, rl, rl2, rl3;
#if ks == 1 || ks == 2 || ks == 3 || ks == 4
unsigned long rl4;
#endif
#if ks == 2
rl = (i << 1)*c;
#elif ks == 3
rl = ((i << 1) + 1)*c;
#else
rl = i*c;
#endif
__local double ut, pt;
if (x == 0) pt = pr[i*c4 + ks];
if (y == 0) ut = ur[j*c5 + ks];
double aa = 0.0;
double bb, cc;
double dd, ee;
for (unsigned long k=0; k<m; k++){
#if ks == 1 || ks == 4
rl3 = (k << 1) + 1; rl4 = (k << 2) + 3;
bb = ar[rl + rl3 - 1]; cc = ar[rl + rl3];
dd = br[rl2 + rl4 - 1]; ee = br[rl2 + rl4 - 3];
#elif ks == 2 || ks == 3
rl3 = (k << 2) + 3; rl4 = (k << 1) + 1;
bb = ar[rl + rl3 - 3]; cc = ar[rl + rl3 - 2];
dd = br[rl2 + rl4]; ee = br[rl2 + rl4 - 1];
#else
rl3 = (k << 1) + 1;
bb = ar[rl + rl3 - 1]; cc = ar[rl + rl3];
dd = br[rl2 + rl3]; ee = br[rl2 + rl3 - 1];
#endif
aa += (bb + dd)*(cc + ee);
}
cr[cur] = aa - pt - ut;
}
在工作时，我注意到，如果删除最后一行，即使cr[cur] = 5.0 - pt - ut;例如更改最后一行，内核运行的时间也减少了6倍。
它不应该一样吗，或者至少类似吗？即使利用我拥有CPU和GPU的事实寻找答案，我也在多个运行时（PoCL和opencl-amd）中进行了尝试，并且发生了相同的事情：-/
如果有人能帮助我理解为什么会发生，我将不胜感激。我不明白：“ v
循环内的所有操作都没有副作用，您只能从那些__global指针中读取内容，并计算一些临时值，这些临时值最终将aa通过该final累积到aa += ...。换句话说，该循环的唯一目的是计算的值aa。
因此，如果您aa从最后一行（循环之外）删除，循环内的所有操作都是完全无用的，最后您将得到一个循环，该循环除了读取某些值并更新将在函数返回时丢弃的局部变量外，什么也不做。在启用优化的情况下编译以上代码（我假设您正在这样做，否则您的问题就没有多大意义了），编译器很可能会摆脱整个循环。因此，没有最终代码的代码aa运行得更快。
这是一个GCC示例（适应于删除CUDA注释），您可以看到，即使是最低级别的优化（-O1）也会删除整个循环，仅留下比较和的增量i。使用-O2，整个循环将被删除。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句