diff --git a/src/cl/aplusb.cl b/src/cl/aplusb.cl index 479624ac..492406af 100644 --- a/src/cl/aplusb.cl +++ b/src/cl/aplusb.cl @@ -11,7 +11,7 @@ // - На вход дано три массива float чисел; единственное, чем они отличаются от обычных указателей - модификатором __global, т.к. это глобальная память устройства (видеопамять) // - Четвертым и последним аргументом должно быть передано количество элементов в каждом массиве (unsigned int, главное, чтобы тип был согласован с типом в соответствующем clSetKernelArg в T0D0 10) -__kernel void aplusb(...) { +__kernel void aplusb(__global float *a, __global float *b, __global float *c, unsigned int n) { // Узнать, какой workItem выполняется в этом потоке поможет функция get_global_id // см. в документации https://www.khronos.org/registry/OpenCL/sdk/1.2/docs/man/xhtml/ // OpenCL Compiler -> Built-in Functions -> Work-Item Functions @@ -20,4 +20,10 @@ __kernel void aplusb(...) { // и в таком случае, если сделать обращение к массиву просто по индексу=get_global_id(0), будет undefined behaviour (вплоть до повисания ОС) // поэтому нужно либо дополнить массив данных длиной до кратности размеру рабочей группы, // либо сделать return в кернеле до обращения к данным в тех WorkItems, где get_global_id(0) выходит за границы данных (явной проверкой) + size_t index = get_global_id(0); + if (index >= n) { + return; + } + + c[index] = a[index] + b[index]; } diff --git a/src/main.cpp b/src/main.cpp index 527791cc..796a04bb 100644 --- a/src/main.cpp +++ b/src/main.cpp @@ -31,7 +31,6 @@ void reportError(cl_int err, const std::string &filename, int line) { #define OCL_SAFE_CALL(expr) reportError(expr, __FILE__, __LINE__) - int main() { // Пытаемся слинковаться с символами OpenCL API в runtime (через библиотеку clew) if (!ocl_init()) @@ -39,19 +38,50 @@ int main() { // TODO 1 По аналогии с предыдущим заданием узнайте, какие есть устройства, и выберите из них какое-нибудь // (если в списке устройств есть хоть одна видеокарта - выберите ее, если нету - выбирайте процессор) + cl_uint platformsCount = 0; + OCL_SAFE_CALL(clGetPlatformIDs(0, nullptr, &platformsCount)); + + std::vector platforms(platformsCount); + OCL_SAFE_CALL(clGetPlatformIDs(platformsCount, platforms.data(), nullptr)); + + cl_device_id device_id; + for (int i = 0; i < platforms.size(); i++) { + cl_uint devicesCount = 0; + OCL_SAFE_CALL(clGetDeviceIDs(platforms[i], CL_DEVICE_TYPE_ALL, 0, nullptr, &devicesCount)); + + std::vector devices(devicesCount, 0); + OCL_SAFE_CALL(clGetDeviceIDs(platforms[i], CL_DEVICE_TYPE_ALL, devices.size(), devices.data(), nullptr)); + + for (int j = 0; j < devices.size(); j++) { + cl_device_type device_type; + OCL_SAFE_CALL(clGetDeviceInfo(devices[j], CL_DEVICE_TYPE, sizeof(device_type), &device_type, nullptr)); + + if (device_type == CL_DEVICE_TYPE_GPU) { + device_id = devices[j]; + break; + } else if (device_type == CL_DEVICE_TYPE_CPU) { + device_id = devices[j]; + } + } + } // TODO 2 Создайте контекст с выбранным устройством // См. документацию https://www.khronos.org/registry/OpenCL/sdk/1.2/docs/man/xhtml/ -> OpenCL Runtime -> Contexts -> clCreateContext // Не забывайте проверять все возвращаемые коды на успешность (обратите внимание, что в данном случае метод возвращает // код по переданному аргументом errcode_ret указателю) + cl_int error_code; + cl_context context = clCreateContext(nullptr, 1, &device_id, nullptr, nullptr, &error_code); + OCL_SAFE_CALL(error_code); // Контекст и все остальные ресурсы следует освобождать с помощью clReleaseContext/clReleaseQueue/clReleaseMemObject... (да, не очень RAII, но это лишь пример) // TODO 3 Создайте очередь выполняемых команд в рамках выбранного контекста и устройства // См. документацию https://www.khronos.org/registry/OpenCL/sdk/1.2/docs/man/xhtml/ -> OpenCL Runtime -> Runtime APIs -> Command Queues -> clCreateCommandQueue // Убедитесь, что в соответствии с документацией вы создали in-order очередь задач + cl_command_queue queue = clCreateCommandQueue(context, device_id, 0, &error_code); + OCL_SAFE_CALL(error_code); - unsigned int n = 1000 * 1000; + unsigned int n = 100 * 1000 * 1000; // Создаем два массива псевдослучайных данных для сложения и массив для будущего хранения результата std::vector as(n, 0); std::vector bs(n, 0); @@ -68,6 +98,14 @@ int main() { // Размер в байтах соответственно можно вычислить через sizeof(float)=4 и тот факт, что чисел в каждом массиве n штук // Данные в as и bs можно прогрузить этим же методом, скопировав данные из host_ptr=as.data() (и не забыв про битовый флаг, на это указывающий) // или же через метод Buffer Objects -> clEnqueueWriteBuffer + cl_mem device_as = clCreateBuffer(context, CL_MEM_READ_ONLY | CL_MEM_COPY_HOST_PTR, sizeof(float) * n, as.data(), &error_code); + OCL_SAFE_CALL(error_code); + + cl_mem device_bs = clCreateBuffer(context, CL_MEM_READ_ONLY | CL_MEM_COPY_HOST_PTR, sizeof(float) * n, bs.data(), &error_code); + OCL_SAFE_CALL(error_code); + + cl_mem device_cs = clCreateBuffer(context, CL_MEM_WRITE_ONLY, sizeof(float) * n, nullptr, &error_code); + OCL_SAFE_CALL(error_code); // TODO 6 Выполните TODO 5 (реализуйте кернел в src/cl/aplusb.cl) // затем убедитесь, что выходит загрузить его с диска (убедитесь что Working directory выставлена правильно - см. описание задания), @@ -77,38 +115,49 @@ int main() { std::ifstream file("src/cl/aplusb.cl"); kernel_sources = std::string(std::istreambuf_iterator(file), std::istreambuf_iterator()); if (kernel_sources.size() == 0) { - throw std::runtime_error("Empty source file! May be you forgot to configure working directory properly?"); + throw std::runtime_error("Empty source file! Maybe you forgot to configure working directory properly?"); } - // std::cout << kernel_sources << std::endl; +// std::cout << kernel_sources << std::endl; } // TODO 7 Создайте OpenCL-подпрограмму с исходниками кернела // см. Runtime APIs -> Program Objects -> clCreateProgramWithSource // у string есть метод c_str(), но обратите внимание, что передать вам нужно указатель на указатель + const char *source_text = kernel_sources.data(); + size_t source_length = kernel_sources.length(); + cl_program shader = clCreateProgramWithSource(context, 1, &source_text, &source_length, &error_code); + OCL_SAFE_CALL(error_code); // TODO 8 Теперь скомпилируйте программу и напечатайте в консоль лог компиляции // см. clBuildProgram + clBuildProgram(shader, 1, &device_id, nullptr, nullptr, nullptr); // А также напечатайте лог компиляции (он будет очень полезен, если в кернеле есть синтаксические ошибки - т.е. когда clBuildProgram вернет CL_BUILD_PROGRAM_FAILURE) // Обратите внимание, что при компиляции на процессоре через Intel OpenCL драйвер - в логе указывается, какой ширины векторизацию получилось выполнить для кернела // см. clGetProgramBuildInfo - // size_t log_size = 0; - // std::vector log(log_size, 0); - // if (log_size > 1) { - // std::cout << "Log:" << std::endl; - // std::cout << log.data() << std::endl; - // } + size_t log_size = 0; + OCL_SAFE_CALL(clGetProgramBuildInfo(shader, device_id, CL_PROGRAM_BUILD_LOG, 0, nullptr, &log_size)); + + std::vector log(log_size, 0); + OCL_SAFE_CALL(clGetProgramBuildInfo(shader, device_id, CL_PROGRAM_BUILD_LOG, log_size, log.data(), nullptr)); + + if (log_size > 1) { + std::cout << "Log:" << std::endl; + std::cout << log.data() << std::endl; + } // TODO 9 Создайте OpenCL-kernel в созданной подпрограмме (в одной подпрограмме может быть несколько кернелов, но в данном случае кернел один) // см. подходящую функцию в Runtime APIs -> Program Objects -> Kernel Objects + cl_kernel kernel = clCreateKernel(shader, "aplusb", &error_code); + OCL_SAFE_CALL(error_code); // TODO 10 Выставите все аргументы в кернеле через clSetKernelArg (as_gpu, bs_gpu, cs_gpu и число значений, убедитесь, что тип количества элементов такой же в кернеле) { - // unsigned int i = 0; - // clSetKernelArg(kernel, i++, ..., ...); - // clSetKernelArg(kernel, i++, ..., ...); - // clSetKernelArg(kernel, i++, ..., ...); - // clSetKernelArg(kernel, i++, ..., ...); + unsigned int i = 0; + clSetKernelArg(kernel, i++, sizeof(device_as), &device_as); + clSetKernelArg(kernel, i++, sizeof(device_bs), &device_bs); + clSetKernelArg(kernel, i++, sizeof(device_cs), &device_cs); + clSetKernelArg(kernel, i++, sizeof(n), &n); } // TODO 11 Выше увеличьте n с 1000*1000 до 100*1000*1000 (чтобы дальнейшие замеры были ближе к реальности) @@ -122,11 +171,13 @@ int main() { // - Дождаться завершения полунного события - см. в документации подходящий метод среди Event Objects { size_t workGroupSize = 128; - size_t global_work_size = (n + workGroupSize - 1) / workGroupSize * workGroupSize; + size_t global_work_size = ((n + workGroupSize - 1) / workGroupSize) * workGroupSize; timer t;// Это вспомогательный секундомер, он замеряет время своего создания и позволяет усреднять время нескольких замеров for (unsigned int i = 0; i < 20; ++i) { - // clEnqueueNDRangeKernel... - // clWaitForEvents... + cl_event event; + OCL_SAFE_CALL(clEnqueueNDRangeKernel(queue, kernel, 1, nullptr, &global_work_size, nullptr, 0, nullptr, &event)); + OCL_SAFE_CALL(clWaitForEvents(1, &event)); + OCL_SAFE_CALL(clReleaseEvent(event)); t.nextLap();// При вызове nextLap секундомер запоминает текущий замер (текущий круг) и начинает замерять время следующего круга } // Среднее время круга (вычисления кернела) на самом деле считается не по всем замерам, а лишь с 20%-перцентайля по 80%-перцентайль (как и стандартное отклонение) @@ -140,7 +191,7 @@ int main() { // - Флопс - это число операций с плавающей точкой в секунду // - В гигафлопсе 10^9 флопсов // - Среднее время выполнения кернела равно t.lapAvg() секунд - std::cout << "GFlops: " << 0 << std::endl; + std::cout << "GFlops: " << n / (t.lapAvg() * 1E9) << std::endl; // TODO 14 Рассчитайте используемую пропускную способность обращений к видеопамяти (в гигабайтах в секунду) // - Всего элементов в массивах по n штук @@ -148,26 +199,39 @@ int main() { // - Обращений к видеопамяти 2*n*sizeof(float) байт на чтение и 1*n*sizeof(float) байт на запись, т.е. итого 3*n*sizeof(float) байт // - В гигабайте 1024*1024*1024 байт // - Среднее время выполнения кернела равно t.lapAvg() секунд - std::cout << "VRAM bandwidth: " << 0 << " GB/s" << std::endl; + std::cout << "VRAM bandwidth: " << 3 * n * sizeof(float) / (1024 * 1024 * 1024.0 * t.lapAvg()) << " GB/s" << std::endl; } // TODO 15 Скачайте результаты вычислений из видеопамяти (VRAM) в оперативную память (RAM) - из cs_gpu в cs (и рассчитайте скорость трансфера данных в гигабайтах в секунду) { timer t; for (unsigned int i = 0; i < 20; ++i) { - // clEnqueueReadBuffer... + OCL_SAFE_CALL(clEnqueueReadBuffer(queue, device_cs, CL_TRUE, 0, n * sizeof(float), cs.data(), 0, nullptr, nullptr)); t.nextLap(); } std::cout << "Result data transfer time: " << t.lapAvg() << "+-" << t.lapStd() << " s" << std::endl; - std::cout << "VRAM -> RAM bandwidth: " << 0 << " GB/s" << std::endl; + std::cout << "VRAM -> RAM bandwidth: " << 3 * n * sizeof(float) / (1024 * 1024 * 1024.0 * t.lapAvg()) << " GB/s" << std::endl; } // TODO 16 Сверьте результаты вычислений со сложением чисел на процессоре (и убедитесь, что если в кернеле сделать намеренную ошибку, то эта проверка поймает ошибку) - // for (unsigned int i = 0; i < n; ++i) { - // if (cs[i] != as[i] + bs[i]) { - // throw std::runtime_error("CPU and GPU results differ!"); - // } - // } + for (unsigned int i = 0; i < n; ++i) { + if (cs[i] != as[i] + bs[i]) { + throw std::runtime_error("CPU and GPU results differ!"); + } + } + + OCL_SAFE_CALL(clReleaseKernel(kernel)); + + OCL_SAFE_CALL(clReleaseProgram(shader)); + + OCL_SAFE_CALL(clReleaseMemObject(device_as)); + OCL_SAFE_CALL(clReleaseMemObject(device_bs)); + OCL_SAFE_CALL(clReleaseMemObject(device_cs)); + + OCL_SAFE_CALL(clReleaseCommandQueue(queue)); + + OCL_SAFE_CALL(clReleaseContext(context)); return 0; } +