OpenCL - 使用原子减少 double

OpenCL - using atomic reduction for double

我知道不推荐使用 OpenCL-1.x 的原子函数,但我只想了解一个原子示例。

以下内核代码运行不佳,它为计算所有数组值的总和(求和)生成随机最终值:

#pragma OPENCL EXTENSION cl_khr_int64_base_atomics : enable

void atom_add_double(volatile __local double *val, double delta)
{
  union {
  double f;
  ulong  i;
  } old, new;

  do
  {
   old.f = *val;
   new.f = old.f + delta;
  } 
  while (atom_cmpxchg((volatile __local ulong *)val, old.i, new.i) != old.i);

}  

__kernel void sumGPU ( __global const double *input, 
               __local double *localInput,
               __global double *finalSum
                 )
{

  uint lid = get_local_id(0); 
  uint gid = get_global_id(0);
  uint localSize = get_local_size(0);
  uint groupid = get_group_id(0);
  local double partialSum;
  local double finalSumTemp;

 // Initialize sums
  if (lid==0)
  {
   partialSum = 0.0;
   finalSumTemp = 0.0;
  }
  barrier(CLK_LOCAL_MEM_FENCE);

  // Set in local memory
  int idx = groupid * localSize + lid;
  localInput[lid] = input[idx];

  // Compute atom_add into each workGroup
  barrier(CLK_LOCAL_MEM_FENCE);
  atom_add_double(&partialSum, localInput[lid]);
  // See and Check if barrier below is necessary
  barrier(CLK_LOCAL_MEM_FENCE);

  // Final sum of partialSums
  if (lid==0)
  {
   atom_add_double(&finalSumTemp, partialSum);
   *finalSum = finalSumTemp;
  }

}                   

带有 global id 策略的版本运行良好,但上面的版本通过使用 local memory(共享内存),没有给出预期的结果([= 的值17=] 每次执行都是随机的)。

这里是我放入主机代码中的缓冲区和内核参数:

 // Write to buffers
  ret = clEnqueueWriteBuffer(command_queue, inputBuffer, CL_TRUE, 0,
        nWorkItems * sizeof(double), xInput, 0, NULL, NULL);
  ret = clEnqueueWriteBuffer(command_queue, finalSumBuffer, CL_TRUE, 0,
                      sizeof(double), finalSumGPU, 0, NULL, NULL);

 // Set the arguments of the kernel
  clSetKernelArg(kernel, 0, sizeof(cl_mem), (void *)&inputBuffer);
  clSetKernelArg(kernel, 1, local_item_size*sizeof(double), NULL);
  clSetKernelArg(kernel, 2, sizeof(cl_mem), (void *)&finalSumBuffer);

最后,我阅读了 finalSumBuffer 以获得总和值。

我认为我的问题来自内核代码,但我找不到错误所在。

如果有人能看出问题所在,请告诉我。

谢谢

更新 1:

我几乎成功完成了这个减少。按照 huseyin tugrul buyukisik 的建议,我修改了内核代码如下:

#pragma OPENCL EXTENSION cl_khr_int64_base_atomics : enable

void atom_add_double(volatile __local double *val, double delta)
{
  union {
  double d;
  ulong  i;
  } old, new;

  do
  {
   old.d = *val;
   new.d = old.d + delta;
  } 
  while (atom_cmpxchg((volatile __local ulong *)val, old.i, new.i) != old.i);

}  

__kernel void sumGPU ( __global const double *input, 
               __local double *localInput,
               __local double *partialSum,
               __global double *finalSum
                 )
{

  uint lid = get_local_id(0); 
  uint gid = get_global_id(0);
  uint localSize = get_local_size(0);
  uint groupid = get_group_id(0);

  // Initialize partial sums
  if (lid==0)
    partialSum[groupid] = 0.0; 


  barrier(CLK_LOCAL_MEM_FENCE);
  // Set in local memory
  int idx = groupid * localSize + lid;
  localInput[lid] = input[idx];

  // Compute atom_add into each workGroup
  barrier(CLK_LOCAL_MEM_FENCE);
  atom_add_double(&partialSum[groupid], localInput[lid]);
  // See and Check if barrier below is necessary
  barrier(CLK_LOCAL_MEM_FENCE);

  // Compute final sum
  if (lid==0)
    *finalSum += partialSum[groupid]; 

}                   

如前所述 huseyin ,我不需要对所有部分和的最终求和使用原子函数。

最后我做了:

// Compute final sum
  if (lid==0)
    *finalSum += partialSum[groupid]; 

但不幸的是,最后的总和没有给出预期的值并且该值是随机的(例如,对于 nwork-items = 1024size-WorkGroup = 16,我得到的随机值顺序为 [1e+3 - 1e+4] 而不是预期的 5.248e+05

以下是主机代码中的参数设置:

 // Set the arguments of the kernel
  clSetKernelArg(kernel, 0, sizeof(cl_mem), (void *)&inputBuffer);
  clSetKernelArg(kernel, 1, local_item_size*sizeof(double), NULL);
  clSetKernelArg(kernel, 2, nWorkGroups*sizeof(double), NULL);
  clSetKernelArg(kernel, 3, sizeof(cl_mem), (void *)&finalSumBuffer);

你能看出我的内核代码哪里出错了吗?

谢谢

不是错误而是逻辑问题:

atom_add_double(&finalSumTemp, partialSum);

每个组只工作一次(通过 zero-local-indexed 线程)。

所以你只是在做

finalSumTemp = partialSum

所以这里不需要原子。


存在竞争条件
*finalSum = finalSumTemp;

工作组之间,每个 zero-index 本地线程写入相同的地址。 所以这应该是原子加法(用于学习目的)或者可以写在不同的单元格上以在主机端添加,例如sum_group1+sum_group2+。 .. = 总和。


int idx = groupid * localSize + lid;
localInput[lid] = input[idx];

这里使用 groupid 对 multi-device 求和是可疑的。因为每个设备都有自己的全局范围和工作组 ID 索引,所以两个设备可以对两个不同的组具有相同的组 ID 值。当使用多个设备时,应该使用一些设备相关的偏移量。如:

idx= get_global_id(0) + deviceOffset[deviceId];

此外,如果原子操作不可避免,并且正好操作N次,则可以将其移至单个线程(例如0索引线程)并在第二个内核中循环N次(可能更快),除非不能通过其他方式隐藏原子操作延迟。