【发布时间】：2014-06-15 20:49:11
【问题描述】：
我正在寻找 Python 包装器到 OpenCL 和纯 C OpenCL 之间的性能测量。性能测量会随时间、内存等而变化。 - 有没有可用的基准？ - 对时间性能差异的期望是什么？ - 什么样的任务（当然是并行的......）应该有所作为？
【问题讨论】：
标签： c performance opencl performance-testing pyopencl
【发布时间】：2014-06-15 20:49:11
【问题描述】：
PyOpenCL 很可能是您的最佳选择。我会选择仅在非常特定的情况下使用 C（对 主机 上的速度/低延迟的超级关键需求）。对于大多数随意的并行程序，主机端有足够的空闲时间是可以的，因为所有真正的工作都是在设备上完成的。
您可以认为 PyOpenCL 和 OpenCL 在设备上具有相同的性能。
如果你是这样的话，也许可以使用 C，比如... 设计一辆自动驾驶汽车，每毫秒/安培都很重要。但即使在那种情况下，Python 也很有可能被有效地使用。
确定您的特定程序是否变慢的最佳方法是对您的代码进行计时。对于 PyOpenCL，这意味着：
import time
和
cl.command_queue_properties.PROFILING_ENABLE
许多聪明的公司和个人选择首先使用 Python 进行编码，因为他们可以快速构建灵活、可工作的原型。如果他们以后最终需要更多 host 性能，则将 Python 移植到 C 相对容易。
希望有帮助！
【讨论】：
-
确实有帮助，而且是合理的。然而，实际测量是支持这一假设的必要条件。如果是这样，那么结论是，就价值成本而言，python 是 GPGPU 编程的平台
OpenCL 使用预编译的程序，然后将其发送到设备执行。它们是所谓的“内核”。这些内核被部署为在终端设备上执行。这意味着必须衡量的主要成本是 OpenCL 实现 API I/O。因此，您不能依赖内存/CPU 测量，因为真正的 OpenCL 部分会使用它们。
AFAIK，没有可用的基准，但如果你需要它并不难做到（矩阵乘法是你好世界的例子，总体而言）。
OpenCL 不是那种，它在每个 CPU 周期都使用 I/O。使用领域——真正的大数据处理，即使用一个大输入、大量处理操作和一个输出（无论大小）。没有人说 OpenCL 不能用于大量 I/O 和最小计算变化，但实现 API 开销不值得。
期望 I/O 的速度与整体应用程序性能相当。
【讨论】：
-
当我有多个输出和大量计算时是什么情况，以及处理轻量级的另一种情况，例如中值滤波器？
-
@hellfire769 PyOpenCL 实现并不缺乏性能，AFAIK，因为它是 OpenCL API 的简单包装。而且非常好。对于您的情况，它会做正确的工作。它只是必须。
这里有一个基准：https://github.com/bennylp/saxpy-benchmark，比较 PyOpenCL 与 OpenCL 以及其他框架/方法，例如 CUDA、纯 C++、Numpy、R、Octave 甚至 TensorFlow（免责声明：我是作者）
根据基准测试结果，OpenCL 和 PyOpenCL 之间的性能差异变化太大。 PyOpenCL GPU 目标几乎比 OpenCL 慢 7 倍，但对于 CPU 目标，PyOpenCL 实际上比 OpenCL 快 2 倍以上！
【讨论】：
-
优秀的基准测试！语言和操作系统之间的信息非常丰富。感谢您的辛勤工作。