我有一个要复制的图像的源指针和目标指针。当我在 CPU 上运行复制代码时，需要 2 毫秒。 现在，我在 open cl 上运行代码：
clCreateBuffer(context,CL_MEM_USE_HOST_PTR|CL_MEM_READ_WRITE,size,src_ptr,errcode_ret)
clCreateBuffer(context,CL_MEM_USE_HOST_PTR|CL_MEM_READ_WRITE,size,dst_ptr,errcode_ret)
并使用全局工作组大小（w，H）编写内核。所以，每个内核都在复制一个像素。大约是 20 毫秒。
有人可以帮我，当我们有指向全局内存的图像指针时，如何在打开的 cl 上有效地进行内存复制。此过程使用的适当工作组大小是多少？
【问题讨论】：
标签： performance opencl
您能帮助澄清您要完成的工作吗？您是否尝试将memcpy 主机缓冲区所需的时间与使用 GPU 内核复制设备缓冲区所需的时间进行比较？
如果是这样，请尝试分配不带CL_MEM_USE_HOST_PTR 标志的缓冲区。从第一个响应here 看来，某些实现将该缓冲区映射到系统内存而不是设备内存，这可能会减慢复制内核的速度。
【讨论】：
clEnqueueCopyBuffer
当我们有图像时，如何在打开的 cl 上有效地进行内存复制 指向全局内存的指针
有效的方法是在主机指针上使用memcpy()。 IOW 使用 CPU。
当我们使用 CL_MEM_USE_HOST_PTR 时，GPU 可以直接从全局内存中访问图像，而不是从全局内存中复制
这并不完全正确。对于集成 GPU 来说确实如此（如果 host_ptr 内存指针正确对齐）。离散 GPU 仍会通过 PCI Express 总线将主机内存复制到自己的内存中。如果您阅读 clCreateBuffer 的文档，它会说：
CL_MEM_USE_HOST_PTR ... OpenCL 实现允许将 host_ptr 指向的缓冲区内容缓存在设备内存中。当内核在设备上执行时，可以使用此缓存副本。
离散 GPU 不能直接在主机内存上“工作”。即使他们可以，它也会太慢以至于毫无意义。
事实上，将 CL_MEM_USE_HOST_PTR 与独立 GPU 一起使用可能会导致性能下降，因为 GPU 必须保持主机副本与自己的副本同步，这将导致大量 PCIe 传输。 CL_MEM_USE_HOST_PTR 仅适用于集成 GPU，以节省不必要的传输和内存副本。
通常，使用 GPU 的方式是尽量减少内存传输，因此您创建一次缓冲区（使用 clCreateBuffer），然后在其上启动您需要的内核，然后将结果传输回主机（通过 enqueueReadImage）或显示它与 OpenGL 互操作。如果您需要更多有用的建议，您必须澄清您在做什么。
【讨论】：