python - Pyopencl:to_device 和 Buffer 的区别

Question

让

import pyopencl as cl
import pyopencl.array as cl_array
import numpy
a = numpy.random.rand(50000).astype(numpy.float32)
mf = cl.mem_flags

有什么区别

a_gpu = cl.Buffer(self.ctx, mf.READ_ONLY | mf.COPY_HOST_PTR, hostbuf=a)

和

a_gpu = cl_array.to_device(self.ctx, self.queue, a)

?

和

有什么区别

result =  numpy.empty_like(a)
cl.enqueue_copy(self.queue, result, result_gpu)

和

result = result_gpu.get()

?

Answer 1

缓冲区是 CL 版本的 malloc，而 pyopencl.array.Array 是计算设备上的 numpy 数组的类似工作。

因此对于问题第一部分的第二个版本，您可以编写 a_gpu + 2 来获得一个新数组，该数组中的每个数字都添加了 2，而在这种情况下Buffer，PyOpenCL 只能看到一袋字节，不能执行任何此类操作。

你的问题的第二部分是相反的:如果你有一个 PyOpenCL 数组，.get() 将数据复制回来并将其转换为(基于主机的)numpy大批。由于 numpy 数组是在 Python 中获取连续内存的更方便的方法之一，带有 enqueue_copy 的第二个变体也以 numpy 数组结束——但请注意，您可以将此数据复制到一个任何大小(只要足够大)和任何类型的数组——复制是作为字节包执行的，而 .get() 确保你在主持人。

额外的事实:每个 PyOpenCL 数组下当然都有一个缓冲区。您可以从 .data 属性中获取它。