PyOpenCL을 사용하여 100 개의 정수를 GPU에 병렬로 100 개의 정수와 곱하는 방법은 무엇입니까?

Question

크기가 4 인 벡터에서 산술 연산을 수행하는 데 많은 PyPenCL 예제가 있습니다. Mac에서 AMD GPU를 사용하여 PyOpenCL을 통해 100 개의 정수를 한 번에 100 개의 정수로 곱해야하는 경우 누군가 코드를 제공하고 설명해 주실 수 있습니까? 최대 벡터 크기가 16 일 수 있기 때문에 16 개 이상의 정수를 병렬로 처리해야하는이 작업을 GPU에 어떻게 요청할 수 있는지 알고 싶습니다.

나는 firefox GPD를 가지고 있습니다. 모든 작업 항목 (스레드)이 독립적으로 작업을 수행합니까? 예를 들어 24 개의 계산 단위가 있고 각 계산 단위에 단일 차원에 255 개의 작업 항목이 있고 3 차원에 대해 255,255,255 개의 작업 항목이 있습니다. 내 GPU에 6120 개의 독립적 인 작업 항목이 있다는 것을 의미합니까?

Answer 1

두 개의 1 차원 정수 배열을 엔트리 단위로 곱하는 간단한 예제를 만들었습니다. 100 개의 값을 곱하려고한다면 데이터를 복사하는 데 많은 오버 헤드가 있으므로 CPU에서 수행하는 것보다 빠르지 않습니다. PyOpenCL의 문서에 대해서는

import pyopencl as cl 
import numpy as np 

#this is compiled by the GPU driver and will be executed on the GPU 
kernelsource = """ 
__kernel void multInt( __global int* res, 
         __global int* a, 
         __global int* b){ 
    int i = get_global_id(0); 
    int N = get_global_size(0); //this is the dimension given as second argument in the kernel execution 
    res[i] = a[i] * b[i]; 
} 
""" 

device = cl.get_platforms()[0].get_devices()[0] 
context = cl.Context([device]) 
program = cl.Program(context, kernelsource).build() 
queue = cl.CommandQueue(context) 

#preparing input data in numpy arrays in local memory (i.e. accessible by the CPU) 
N = 100 
a_local = np.array(range(N)).astype(np.int32) 
b_local = (np.ones(N)*10).astype(np.int32) 

#preparing result buffer in local memory 
res_local = np.zeros(N).astype(np.int32) 

#copy input data to GPU-memory 
a_buf = cl.Buffer(context, cl.mem_flags.READ_ONLY | cl.mem_flags.COPY_HOST_PTR, hostbuf=a_local) 
b_buf = cl.Buffer(context, cl.mem_flags.READ_ONLY | cl.mem_flags.COPY_HOST_PTR, hostbuf=b_local) 
#prepare result buffer in GPU-memory 
res_buf = cl.Buffer(context, cl.mem_flags.WRITE_ONLY, res_local.nbytes) 
#execute previously compiled kernel on GPU 
program.multInt(queue,(N,), None, res_buf, a_buf, b_buf) 
#copy the result from GPU-memory to CPU-memory 
cl.enqueue_copy(queue, res_local, res_buf) 

print("result: {}".format(res_local)) 

: 당신은 GPGPU 프로그래밍 및 오픈 CL의 프로그래밍 개념의 작동 원리를 이해하면, PyOpenCL은 매우 간단합니다.