关于全球和本地工作规模的问题

Question

通过 NVIDIA 论坛搜索，我找到了 these questions，这也是我感兴趣的，但在过去四天左右没有人回复它们。你能帮忙吗？

论坛原帖

深入研究 OpenCL 阅读教程，有些事情对我来说还不清楚。以下是我关于本地和全球工作规模的问题集合。

1. global_work_size 必须小于CL_DEVICE_MAX_WORK_ITEM_SIZES？ 在我的机器上CL_DEVICE_MAX_WORK_ITEM_SIZES = 512, 512, 64。

2. 对于使用的内核，CL_KERNEL_WORK_GROUP_SIZE 是推荐的work_group_size 吗？

   1. 或者这是 GPU 允许的唯一work_group_size？ 在我的机器上CL_KERNEL_WORK_GROUP_SIZE = 512

3. 我需要分成工作组还是可以只有一个但不指定local_work_size？

   1. 当我只有一个工作组时，我需要注意什么？

4. CL_DEVICE_MAX_WORK_GROUP_SIZE 是什么意思？ 在我的机器上CL_DEVICE_MAX_WORK_GROUP_SIZE = 512, 512, 64

   1. 这是否意味着，我可以拥有一个与CL_DEVICE_MAX_WORK_ITEM_SIZES 一样大的工作组？

5. global_work_size 是 CL_DEVICE_MAX_WORK_ITEM_SIZES 的除数吗？ 在我的代码中global_work_size = 20.

Answer 1

一般而言，您可以根据需要选择任意大的 global_work_size，而 local_work_size 受底层设备/硬件的约束，因此所有查询结果都会告诉您 local_work_size 的可能尺寸，而不是 global_work_size。 global_work_size 的唯一约束是它必须是 local_work_size 的倍数（对于每个维度）。

工作组大小指定工作组的大小，因此如果CL_DEVICE_MAX_WORK_ITEM_SIZES 是512, 512, 64，这意味着您的local_work_size 不能大于x 和y 维度的512 和z 维度的64。

但是，根据内核的不同，本地组大小也受到限制。这通过CL_KERNEL_WORK_GROUP_SIZE 表达。您的累积 workgoupsize（如所有维度的乘积，例如 256，如果您的 localsize 为 16, 16, 1）不得大于该数字。这是由于要在线程之间分配的硬件资源有限（根据您的查询结果，我假设您正在 NVIDIA GPU 上编程，因此线程使用的本地内存和寄存器的数量将限制线程数并行执行）。

CL_DEVICE_MAX_WORK_GROUP_SIZE 以与CL_KERNEL_WORK_GROUP_SIZE 相同的方式定义工作组的最大大小，但特定于设备而不是内核（它应该是一个标量值，也就是512）。

您可以选择不指定 local_work_group_size，在这种情况下，OpenCL 实现将为您选择本地工作组大小（因此不能保证它只使用一个工作组）。但是，通常不建议这样做，因为您不知道您的工作是如何划分为工作组的，而且不能保证选择的工作组大小是最佳的。

但是，您应该注意，仅使用一个工作组在性能方面通常不是一个好主意（如果不考虑性能，为什么要使用 OpenCL）。一般来说，一个工作组必须在一个计算单元上执行，而大多数设备将有多个计算单元（现代 CPU 有 2 个或更多，每个内核一个，而现代 GPU 可以有 20 个或更多）。此外，即使您的工作组在其上执行的一个计算单元也可能没有被完全使用，因为多个工作组可以在一个 SMT 样式的计算单元上执行。要以最佳方式使用 NVIDIA GPU，您需要在一个计算单元上执行 768/1024/1536 个线程（取决于世代，即 G80/GT200/GF100），虽然我现在不知道 amd 的数字，但它们在量级相同，因此最好有一个以上的工作组。此外，对于 GPU，通常建议拥有至少 64 个线程的工作组（每个工作组的线程数可被 32/64 (nvidia/amd) 整除），否则您将再次降低性能（32/64 是在 gpus 上执行的最小粒度，因此如果工作组中的项目较少，它仍将作为 32/64 线程执行，但会丢弃未使用线程的结果。