GPUOpenCL入门学习.docVIP

学习报告 本月的学习内容是：第一，认识GPU的结构特点及特性；第二，了解如何用OpenCL语言将一段简单的图像处理程序进行改写，由CPU上转至GPU上处理，并对比两者的优劣；第三，用GPU相关识别软件获取GPU参数，了解哪些参数影响程序的处理效率。 以下是完整的学习过程： 一、GPU GPU即图形处理器（英语：Graphics Processing Unit，缩写：GPU），又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器。的区别在于存在于片内的缓存体系和数字逻辑运算单元的结构差异：CPU虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存和足够多的数字和逻辑运算单元，并辅助有很多加速分支判断甚至更复杂的逻辑判断的硬件；GPU的核数远超CPU，被称为众核（NVIDIA Fermi有512个核）。每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单（GPU初始时在浮点计算上一直弱于CPU）。GPU的众核架构非常适合把同样的指令流并行发送到众核上，采用不同的输入数据执行。在2003-2004年左右，图形学之外的领域专家开始注意到GPU与众不同的计算能力，开始尝试把GPU用于通用计算（即GPGPU）。之后NVIDIA发布了CUDA，AMD和Apple等公司也发布了OpenCL，GPU开始在通用计算领域得到广泛应用，包括：数值分析，海量数据处理（排序，Map-Reduce等），金融分析等等。OpenCL(Open Computing Language，开放计算语言) 是一个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。OpenCL由一门用于编写kernels （在OpenCL设备上运行的函数）的语言（基于C99）和一组用于定义并控制平台的API组成。OpenCL提供了基于任务分区和数据分区的并行计算机制。 安装完毕后，可运行cmd，键入clinfo查看相关信息。 2、配置OpenCL工程 如果不进行配置的话，则会在“生成-生成解决方案”时，提示以下错误“fatal error C1083: 无法打开包括文件:“CL/cl.h”: No such file or directory” C/C++-常规-附加包含目录添加$(AMDAPPSDKROOT)include，如图； 链接器-输入，附加依赖项里加入OpenCL.lib，如图； 链接器-常规附加库目录，加入$(AMDAPPSDKROOT)lib\x86_64,如图； 经上述步骤调试后，就可以运行OpenCL程序了。 三、基于GPU的SIFT向量计算 本次实验的主要内容是读取一幅图像的行列梯度矩阵，并计算每一个像素的SIFT向量，最后进行向量的归一化处理即完成SIFT向量计算。原本基于CPU的SIFT向量计算处理耗时较长，如图。 现基于GPU的SIFT向量计算处理耗时较短，明显优化，如图。 根据GPU多线程多处理核心的特点，GPU在处理SIFT向量计算上有着较大优势，有效节约系统资源，提升计算效率。 四、影响OpenCL程序的GPU参数 对于OpenCL程序来说，开发者只要知道大概的OpenCL C的语法和Runtime API调用，把for循环替换成kernel线程，就能使用OpenCL获得明显的加速比。 AMD的GPU是由多个Comput Unit(CU，运算单元)组成的，CU的数目和架构因不同的显卡系列和型号有差别。一个CU含有多个Processing Elements，又被称为Streaming Processor，一个work-item线程运行时将占用一个PE。非GCN架构，以Evergreen和Northen Islands设备为代表。我们先来了解一下出现在GCN之前的AMD传统显卡架构。简单来讲，每一个Compute Unit都是一个SIMD(Single Instruction, Multiple Data)运算部件，共享同一个Program counter。每一个Compute Unit含有16个Processing Element(PE)。每个PE有自己的General-Purpose Registers(GPR)寄存器；根据设备不同，可能含有3到4个负责向量运算的ALU，一个标量运算的ALU和一个分支执行单元 通过GPU caps viewer以及clinfo指令可以得知，实验所使用的AMD Radeon HD7400共有2个计算单元（Compute Units），含160个流处理器（Stream Processors或Processing Elements），其最大的work-item size为256x