From 9fd4e224b0092078c64131af461f8eeac2d77c90 Mon Sep 17 00:00:00 2001 From: mozhaa Date: Sun, 22 Sep 2024 12:40:46 +0300 Subject: [PATCH] done --- src/cl/aplusb.cl | 9 +++- src/main.cpp | 116 ++++++++++++++++++++++++++++++++++++++--------- 2 files changed, 102 insertions(+), 23 deletions(-) diff --git a/src/cl/aplusb.cl b/src/cl/aplusb.cl index 479624ac..3f533a27 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 const float as[], __global const float bs[], __global float cs[], 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 +20,9 @@ __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) -} + + int id = get_global_id(0); + if (id >= n) + return; + cs[id] = as[id] + bs[id]; +} \ No newline at end of file diff --git a/src/main.cpp b/src/main.cpp index 527791cc..596714f5 100644 --- a/src/main.cpp +++ b/src/main.cpp @@ -39,11 +39,49 @@ 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) + int preferredDeviceType = 0; + cl_device_id preferredDevice; + + cl_uint platformsCount = 0; + OCL_SAFE_CALL(clGetPlatformIDs(0, nullptr, &platformsCount)); + std::vector platforms(platformsCount); + OCL_SAFE_CALL(clGetPlatformIDs(platformsCount, platforms.data(), nullptr)); + + for (int platformIndex = 0; platformIndex < platformsCount; ++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) { + auto device = devices[deviceIndex]; + cl_device_type deviceType; + OCL_SAFE_CALL(clGetDeviceInfo(device, CL_DEVICE_TYPE, sizeof(cl_device_type), &deviceType, nullptr)); + if (deviceType == CL_DEVICE_TYPE_GPU) { + if (preferredDeviceType < 2) { + preferredDevice = device; + preferredDeviceType = 2; + } + } else if (deviceType == CL_DEVICE_TYPE_CPU) { + if (preferredDeviceType < 1) { + preferredDevice = device; + preferredDeviceType = 1; + } + } + } + } + if (preferredDeviceType == 0) { + throw std::runtime_error("Neither CPU nor GPU devices 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 error; + auto context = clCreateContext(nullptr, 1, &preferredDevice, nullptr, nullptr, &error); + OCL_SAFE_CALL(error); // Контекст и все остальные ресурсы следует освобождать с помощью clReleaseContext/clReleaseQueue/clReleaseMemObject... (да, не очень RAII, но это лишь пример) @@ -51,7 +89,10 @@ int main() { // 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 - unsigned int n = 1000 * 1000; + auto commandQueue = clCreateCommandQueue(context, preferredDevice, 0, &error); + OCL_SAFE_CALL(error); + + 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); @@ -69,6 +110,14 @@ int main() { // 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 + auto bufsize = sizeof(float) * n; + auto abuf = clCreateBuffer(context, CL_MEM_READ_ONLY | CL_MEM_COPY_HOST_PTR, bufsize, as.data(), &error); + OCL_SAFE_CALL(error); + auto bbuf = clCreateBuffer(context, CL_MEM_READ_ONLY | CL_MEM_COPY_HOST_PTR, bufsize, bs.data(), &error); + OCL_SAFE_CALL(error); + auto cbuf = clCreateBuffer(context, CL_MEM_WRITE_ONLY | CL_MEM_USE_HOST_PTR, bufsize, cs.data(), &error); + OCL_SAFE_CALL(error); + // 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), // напечатав исходники в консоль (if проверяет, что удалось считать хоть что-то) @@ -79,36 +128,55 @@ int main() { if (kernel_sources.size() == 0) { throw std::runtime_error("Empty source file! May be 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_c_str = kernel_sources.c_str(); + const std::size_t source_length = kernel_sources.size(); + auto program = clCreateProgramWithSource(context, 1, &source_c_str, &source_length, &error); + OCL_SAFE_CALL(error); + // TODO 8 Теперь скомпилируйте программу и напечатайте в консоль лог компиляции // см. clBuildProgram + error = clBuildProgram(program, 1, &preferredDevice, "", nullptr, nullptr); + bool success_build = true; + if (error != CL_BUILD_PROGRAM_FAILURE) OCL_SAFE_CALL(error); + else success_build = false; + // 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, preferredDevice, CL_PROGRAM_BUILD_LOG, 0, nullptr, &log_size)); + std::vector log(log_size, 0); + OCL_SAFE_CALL(clGetProgramBuildInfo(program, preferredDevice, CL_PROGRAM_BUILD_LOG, log_size, log.data(), nullptr)); + if (log_size > 1) { + std::cout << "Log:" << std::endl; + std::cout << log.data() << std::endl; + } + + if (!success_build) + return 0; // 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 + auto kernel = clCreateKernel(program, "aplusb", &error); + OCL_SAFE_CALL(error); + // 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(cl_mem*), &abuf); + clSetKernelArg(kernel, i++, sizeof(cl_mem*), &bbuf); + clSetKernelArg(kernel, i++, sizeof(cl_mem*), &cbuf); + 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) @@ -127,6 +195,9 @@ int main() { for (unsigned int i = 0; i < 20; ++i) { // clEnqueueNDRangeKernel... // clWaitForEvents... + cl_event event; + OCL_SAFE_CALL(clEnqueueNDRangeKernel(commandQueue, 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 +211,7 @@ 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: " << (double)n / t.lapAvg() / 1000000000 << std::endl; // TODO 14 Рассчитайте используемую пропускную способность обращений к видеопамяти (в гигабайтах в секунду) // - Всего элементов в массивах по n штук @@ -148,7 +219,7 @@ 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: " << 3.0 * n * sizeof(float) / 1024 / 1024 / 1024 / 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) @@ -156,18 +227,21 @@ int main() { timer t; for (unsigned int i = 0; i < 20; ++i) { // clEnqueueReadBuffer... + cl_event event; + OCL_SAFE_CALL(clEnqueueReadBuffer(commandQueue, cbuf, CL_TRUE, 0, bufsize, cs.data(), 0, nullptr, &event)); + OCL_SAFE_CALL(clWaitForEvents(1, &event)); 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: " << (double)n * sizeof(float) / 1024 / 1024 / 1024 / 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!"); + } + } return 0; }