OpenCL简介

#一、渊源
  在硕士期间，由于实验室项目需求，本人在GPU上完成了一些医疗成像算法的加速。由于人工智能的爆发，笔者顺利找到了一份GPU优化的工作。如今即将毕业，笔者经过一年多的学习和应用，对于GPU编程有了基本的认识，因此在此编写几篇简单的入门引导博客，帮助更多的人尽快入门，少走弯路。如果总结中存在问题，也希望读者不吝赐教，共同探讨。
  这个系列的博客主要介绍OpenCL编程的一些基础知识，通过矩阵相乘的例子，让读者了解OpenCL并行计算的基本编程方法，同时通过几种简单的优化方法比较，让读者了解GPU优化的基本思想，另外也会简单介绍涉及到的GPU架构相关的一些内容。由于旨在入门，本文只介绍简单的基础知识，不进行深入探讨。
   在OpenCL的学习过程中笔者遇到过很多的困难，也有很多人给予了笔者很大的帮助。在此对他们表示感谢，感谢猫叔（猫头鹰的翅膀）、长江、Zenny Chen以及OpenCL技术开发群中诸多朋友给予笔者的帮助。
#二、GPU开发语言简介
   在GPU开发中，当前的开发语言主要有OpenCL和CUDA。OpenCL和CUDA即是一种开发语言也是一种并行计算架构。CUDA是NIVIDA的并行计算架构，编程语言叫做CUDA C，也就是通常意义上说的CUDA，其语言是基于C语言语法的。CUDA仅用于NIVIDA的GPU设备开发。OpenCL是一种异构并行开发框架，是为异构计算设计的。它所支持的设备有CPU、GPU、FPGA甚至DSP等通用的或者专用的计算设备。因此OpenCL是面向CPU+其他计算设备这样的异构计算平台。同时OpenCL也是一种编程语言，也是基于C语言语法。
   当前AMD和NIVIDA是PC端的两大GPU厂商，在移动端有ARM的MaLi，高通的A