diff --git a/src/cl/aplusb.cl b/src/cl/aplusb.cl index 479624ac..b9bbec61 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, const 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 +20,12 @@ __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 idx = get_global_id(0); + + if (idx >= n) + return; + + // c[idx] = a[idx] + b[idx] + 1; + c[idx] = a[idx] + b[idx]; } diff --git a/src/main.cpp b/src/main.cpp index 527791cc..efb88f72 100644 --- a/src/main.cpp +++ b/src/main.cpp @@ -39,19 +39,59 @@ 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 = nullptr; + bool findGPU = false; + + for (int platformIndex = 0; platformIndex < platformsCount && !findGPU; ++platformIndex) { + cl_platform_id platform = platforms[platformIndex]; + cl_uint devicesCount = 0; + OCL_SAFE_CALL(clGetDeviceIDs(platform, CL_DEVICE_TYPE_ALL, 0, nullptr, &devicesCount)); + std::vector devices(devicesCount); + OCL_SAFE_CALL(clGetDeviceIDs(platform, CL_DEVICE_TYPE_ALL, devicesCount, devices.data(), nullptr)); + + for (int deviceIndex = 0; deviceIndex < devicesCount; ++deviceIndex) { + cl_device_id dev = devices[deviceIndex]; + size_t deviceTypeNameSize = 0; + OCL_SAFE_CALL(clGetDeviceInfo(dev, CL_DEVICE_TYPE, 0, nullptr, &deviceTypeNameSize)); + cl_device_type deviceType = CL_DEVICE_TYPE_ALL; + OCL_SAFE_CALL(clGetDeviceInfo(dev, CL_DEVICE_TYPE, deviceTypeNameSize, &deviceType, nullptr)); + + if (deviceType == CL_DEVICE_TYPE_GPU) { + findGPU = true; + device = dev; + break; + } + + if (deviceType == CL_DEVICE_TYPE_CPU) + device = dev; + } + } + + if (device == nullptr) { + throw std::runtime_error("No device found"); + } // 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 err_code; + cl_context context = clCreateContext(nullptr, 1, &device, nullptr, nullptr, &err_code); + OCL_SAFE_CALL(err_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, CL_QUEUE_PROFILING_ENABLE, &err_code); + OCL_SAFE_CALL(err_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 +108,12 @@ 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 abuff = clCreateBuffer(context, CL_MEM_READ_ONLY | CL_MEM_USE_HOST_PTR, sizeof(float) * n, as.data(), &err_code); + OCL_SAFE_CALL(err_code); + cl_mem bbuff = clCreateBuffer(context, CL_MEM_READ_ONLY | CL_MEM_USE_HOST_PTR, sizeof(float) * n, bs.data(), &err_code); + OCL_SAFE_CALL(err_code); + cl_mem cbuff = clCreateBuffer(context, CL_MEM_WRITE_ONLY | CL_MEM_USE_HOST_PTR, sizeof(float) * n, cs.data(), &err_code); + OCL_SAFE_CALL(err_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), @@ -76,7 +122,7 @@ 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) { + if (kernel_sources.empty()) { throw std::runtime_error("Empty source file! May be you forgot to configure working directory properly?"); } // std::cout << kernel_sources << std::endl; @@ -85,30 +131,38 @@ int main() { // 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 + auto sources = kernel_sources.c_str(); + cl_program program = clCreateProgramWithSource(context, 1, &sources, nullptr, &err_code); + OCL_SAFE_CALL(err_code); // TODO 8 Теперь скомпилируйте программу и напечатайте в консоль лог компиляции // см. clBuildProgram + err_code = clBuildProgram(program, 1, &device, 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(program, device, CL_PROGRAM_BUILD_LOG, 0, nullptr, &log_size)); + std::vector log(log_size, 0); + OCL_SAFE_CALL(clGetProgramBuildInfo(program, device, CL_PROGRAM_BUILD_LOG, log_size, log.data(), nullptr)); + if (log_size > 1) { + std::cout << "Log:" << std::endl; + std::cout << log.data() << std::endl; + } + OCL_SAFE_CALL(err_code); // 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(program, "aplusb", &err_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; + OCL_SAFE_CALL(clSetKernelArg(kernel, i++, sizeof(cl_mem *), &abuff)); + OCL_SAFE_CALL(clSetKernelArg(kernel, i++, sizeof(cl_mem *), &bbuff)); + OCL_SAFE_CALL(clSetKernelArg(kernel, i++, sizeof(cl_mem *), &cbuff)); + OCL_SAFE_CALL(clSetKernelArg(kernel, i, sizeof(unsigned int), &n)); } // TODO 11 Выше увеличьте n с 1000*1000 до 100*1000*1000 (чтобы дальнейшие замеры были ближе к реальности) @@ -125,8 +179,9 @@ int main() { 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, &workGroupSize, 0, nullptr, &event)); + OCL_SAFE_CALL(clWaitForEvents(1, &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 +195,7 @@ 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: " << static_cast(n) / 1e9 / t.lapAvg() << std::endl; // TODO 14 Рассчитайте используемую пропускную способность обращений к видеопамяти (в гигабайтах в секунду) // - Всего элементов в массивах по n штук @@ -148,26 +203,33 @@ 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: " << static_cast(3 * n * sizeof(float)) / (1 << 30) / 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, cbuff, 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: " << static_cast(n * sizeof(float)) / (1 << 30) / 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!"); + } + } + + clReleaseMemObject(cbuff); + clReleaseMemObject(abuff); + clReleaseMemObject(bbuff); + clReleaseKernel(kernel); + clReleaseProgram(program); + clReleaseContext(context); return 0; }