【发布时间】：2018-06-14 13:30:19
【问题描述】：
如果我有多个工作项来执行某些内核代码，是否需要更多事件来跟踪每个工作项的执行时间？
我有一些奇怪的结果，1 个工作项大约需要 4 秒来执行，100 个工作项也需要大约 4 秒来执行。我看不出这怎么可能，因为我的 Nvidia GeForce GT 525M 只有 2 个计算单元，每个单元有 48 个处理元件。这使我相信我在 clEnqueueNDRangeKernel 中作为参数列出的事件仅跟踪一个工作项。这是真的吗？如果是这样，我怎样才能让它跟踪所有工作项？
这是 Khronos 用户指南中关于 clEnqueueNDRangeKernel 中的事件参数的说明：
event 返回一个标识这个特定内核执行实例的事件对象
“这个特定的内核执行实例”是什么意思？那不是一个单独的工作项吗？
编辑： 相关主机代码：
static const size_t numberOfWorkItems = 48;
const size_t globalWorkSize[] = { numberOfWorkItems, 0, 0 };
cl_event events;
ret = clEnqueueNDRangeKernel(command_queue, kernel, 1, NULL, globalWorkSize, NULL, 0, NULL, &events);
ret = clEnqueueReadBuffer(command_queue, memobj, CL_TRUE, 0, sizeof(cl_mem), val, 0, NULL, NULL);
clWaitForEvents(1, &events);
cl_ulong time_start;
cl_ulong time_end;
clGetEventProfilingInfo(events, CL_PROFILING_COMMAND_QUEUED, sizeof(cl_ulong), &time_start, NULL);
clGetEventProfilingInfo(events, CL_PROFILING_COMMAND_END, sizeof(cl_ulong), &time_end, NULL);
double nanoSeconds = (double) (time_end - time_start);
printf("OpenCl Execution time is: %f milliseconds \n",nanoSeconds / 1000000.0);
printf("Result: %lu\n", val[0]);
内核代码：
kernel void parallel_operation(__global ulong *val) {
size_t i = get_global_id(0);
int n = 48;
local unsigned int result[48];
for (int z = 0; z < n; z++) {
result[z] = 0;
}
// here comes the long operation
for (ulong k = 0; k < 2000; k++) {
for (ulong j = 0; j < 10000; j++) {
result[i] += (j * 3) % 5;
}
}
barrier(CLK_LOCAL_MEM_FENCE);
if (i == 0) {
for (int z = 1; z < n; z++) {
result[0] += result[z];
}
*val = result[0];
}
}
【问题讨论】：
-
如果使用 CL_PROFILING_COMMAND_START，结果会改变吗？
-
@Conradin 不，在这两种情况下仍然大约 4 秒。
-
有趣。据我了解，执行时间不应该相同。您是否尝试过将工作项的数量增加到 100 个以上，以查看执行时间是否增加？另外，当您更改工作项的数量时，您是否更改了内核中的
n？ -
@Conradin 是的，我总是更改 n 以匹配工作项的数量。当我增加到 900 个工作项时，大约需要 5.5 秒。
-
我猜这些时间来自于工作项在 GPU 上的调度方式。不幸的是，我不知道这是如何详细工作的。如果您想了解更多信息，我建议您使用不同的工作规模进行广泛的测试，也许您可以在某个时候找到一个模式。