wxie的Linux人生

clCreateBuffer第二个参数可以有多种，详情请点击此次，对于前三个比较简单，在此就忽略。1、CL_MEM_USE_HOST_PTR  对于CL_MEM_USE_HOST_PTR，刚开始buffer object的值是来自于host_ptr，但buffer object处理之后,host_ptr中的值如何变化，这点在OpenCL中没有定义。那就看看A卡对次是如何处理，一

对于ARM Mali GPU，目前是支持OpenCL1.1，所以我们可以利用OpenCL来加速我们的计算。              一直以来，对于Mali GPU的OpenCL编程，一直没有环境来测试。好不容易弄到一个华为Mate7，却因为华为没有提供OpenCL driver(小道消息，华为下半年开始将会有OpenCL Drivert提供，拭目以待吧)。目前测试过的手机有魅族MX4 p

英伟达的显卡首先要下载安装CUDA开发包，可以参考这里的步骤：   VS2015编译环境下CUDA安装配置安装好CUDA之后，OpenCL的配置就已经完成了80%了，剩下的工作就是把OpenCL的路径添加到工程中。1. 新建一个win32控制台应用程序，在工程的属性管理器Debug中添加一个属性页“OpenCL.props”，之后双击打开2. 在C/

今天说说GPU的硬件结构中与CUDA相关的几个概念：thread    block  grid   warp  sp  smsp: 最基本的处理单元，streaming processor 最后具体的指令和任务都是在sp上处理的。GPU进行并行计算，也就是很多个sp同时做处理sm:多个sp加上其他的一些资源组成一个sm, streaming multiprocessor. 其他资源

1.   序 最近在折腾各种.so，碰到了一些问题，一开始对于很多错误也没有头绪，茫然不知所措。索性化了一天多时间将>中部分内容略读了一遍，主要是关于编译，链接和加载这块的。于是顺便做个笔记，方便以后回顾。基本上知道了这些，对于编译，链接和加载过程中产生的各种问题，应该就能从根本上理解并解决了。其实以前上学时也看过那本经典的>，当时还写了篇>，不过此次会更细致深入地了解下整个编译链

OpenCL编程中可以使用结构体，只需要在核函数kernel中提供同样的结构体申明就可以啦。 如果在主函数中定义了结构体：1 typedef struct studentNode{2 int age;3 float height;4 }student; 主函数中定义数据，并传输给OpenCL kernel： 1 student

1.展开循环　　如果提前知道了循环的次数，可以进行循环展开，这样省去了循环条件的比较次数。但是同时也不能使得kernel代码太大。　　循环展开代码例子： View Code2.避免处理非标准化数字　　OpenCL中非标准化数字，是指数值小于最小能表示的正常值。由于计算机的位数有限，表示数据的范围和精度都不可能是无限的。(具体可以查看IEEE 754标准，

资源摘自OpenCL实战.  首先，说一下kernel中的几种地址空间限定符：（1）__global该参数的数据会保存在全局数据空间，在内核中的参数使用例子如下：__kernel void kernel_func(__global float *f){}(2)__constant该参数的数据会保存在全局，只读内存中，该参数使用前必

这里介绍关于OpenCL中program函数的写法，program函数通常是文本形式的，然后使用clCreateProgramWithSource这样的接口load进来。在Shader编程中也经常使用这种形式书写GPU上运行的代码，所以为了表述清楚和理解方便，这里姑且把这些program函数的源码文本称为OpenCL的shader吧 下面都是写在shader中的一些语法 1

这里将更深入的说明一些OpenCL API的功能1. 创建buffer涉及到内存与显存的操作总是复杂麻烦的，这个函数也一样。。。cl_memclCreateBuffer (cl_context context, cl_mem_flags flags, size_t size, void *host_pt

1 Hello OpenCL     这里编写一个最简单的示例程序，演示OpenCl的基本使用方法：    1.首先可以从Nvdia或者Amd或者Intel或者所有OpenCl成员的开发者网站上下载一份他们实现的OpenCL的SDK。虽然不同公司支持了不同版本的OpenCL和扩展ext，但是在相同版本上对于标准的OpenCL接口，每个SDK实现的结果都是一样的，如果你只是用标准的O

本文将作为我《从零开始做OpenCL开发》系列文章的第一篇。 1 异构计算、GPGPU与OpenCL  OpenCL是当前一个通用的由很多公司和组织共同发起的多CPU\GPU\其他芯片 异构计算（heterogeneous）的标准，它是跨平台的。旨在充分利用GPU强大的并行计算能力以及与CPU的协同工作，更高效的利用硬件高效的完成大规模的（尤其是并行度高的）计算。在过去利用

在OpenCL2.0中，增加了SVM(shared virtual memory)的特性。在开始讲解SVM之前，我们先用图片来看下OpenCL1.2中主机与设备端的地址空间：                                                 图1 OpenCL1.2中主机与设备端地址空间        从图1可以看到，主机与设备具有不同的地

设备与主机端的通信使用clCreateBuffer分配好内存，可以使用主机上已经存在的内容将其进行初始化，也可以先创建内存，再通过clEnqueueWriteBuffer，写数据，或者通过clEnqueueMapBuffer，将设备上的数据映射到主机端进行修改，修改后需要解映射，最后将分配好的内存，通过参数设置clSetKernelArg给到设备，如果数据改变了，则可以使用clEnqueu