- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个问题。我正在尝试学习OpenCl,所以我一直在尝试用OpenCl实现FFT算法。我试图重新创建这个:
void FFT (cmplx* data, int dataSize){
if(dataSize == 1){
return;
}else{
cmplx* even = (cmplx*)malloc(dataSize/2*sizeof(cmplx));
cmplx* odd = (cmplx*)malloc(dataSize/2*sizeof(cmplx));
for (int i = 0;i<dataSize;i+=2){
even[i/2] = data[i];
odd[i/2] = data[i+1];
}
FFT(even,dataSize/2);
FFT(odd,dataSize/2);
for (int i = 0;i<dataSize;i++){
cmplx C = cmplx(-2*M_PI/dataSize*i);
data[i].real = even[i].real + C.real*odd[i].real - C.imag*odd[i].imag;
data[i].imag = even[i].imag + C.real*odd[i].imag + C.imag*odd[i].real;
}
}
}
cmplx 只是一个类,它保存复数的两个浮点实部和虚部,并具有一个使用欧拉方程创建复数的构造函数。其他一切都非常简单
我可能不知道一些细微差别,根据我的理解,我可以在独立线程中进行循环计算,这样循环:
for (int i = 0;i<dataSize;i++){
cmplx C = cmplx(-2*M_PI/dataSize*i);
data[i].real = even[i].real + C.real*odd[i].real - C.imag*odd[i].imag;
data[i].imag = even[i].imag + C.real*odd[i].imag + C.imag*odd[i].real;
}
使用这样的 OpenCl 代码:
__kernel void FFTComplexSum(__global float *evenReal,__global float *evenImag,
__global float *oddReal,__global float *oddImag,
__global float *real,__global float *imag,
__global float *C){
int gid = get_global_id(0);
real[gid] = evenReal[gid] + cos(C[gid])*oddReal[gid] - sin(C[gid])*oddImag[gid];
imag[gid] = evenImag[gid] + cos(C[gid])*oddImag[gid] + sin(C[gid])*oddReal[gid];
}
但是如果运行这个:
.... // instantiating stuff like platform, device_id, kernel, program...
size_t buffer_size;
cl_mem evenReal_mem, evenImag_mem, oddReal_mem, oddImag_mem, real_mem, imag_mem, c_mem;
float evenReal[dataSize];
float evenImag[dataSize];
float tReal[dataSize];
float tImag[dataSize];
float oddReal[dataSize];
float oddImag[dataSize];
float C[dataSize];
for (int i = 0;i<dataSize;i+=2){
evenReal[i/2] = real[i];
evenImag[i/2] = imag[i];
oddReal[i/2] = real[i+1];
oddImag[i/2] = imag[i+1];
C[i] = -2*M_PI/dataSize*i;
C[i+1] = -2*M_PI/dataSize*(i+1);
}
doubleArray(evenReal,dataSize); // doubleArray function just makes array to loop
doubleArray(evenImag,dataSize);
doubleArray(oddReal,dataSize);
doubleArray(oddImag,dataSize);
buffer_size = sizeof(float) * dataSize;
evenReal_mem = clCreateBuffer(context, CL_MEM_READ_ONLY, buffer_size, NULL, NULL);
err = clEnqueueWriteBuffer(cmd_queue, evenReal_mem, CL_TRUE, 0, buffer_size,(void*)evenReal, 0, NULL, NULL);
assert(err == CL_SUCCESS); // Fail check
evenImag_mem = clCreateBuffer(context, CL_MEM_READ_ONLY, buffer_size, NULL, NULL);
err = clEnqueueWriteBuffer(cmd_queue, evenImag_mem, CL_TRUE, 0, buffer_size,(void*)evenImag, 0, NULL, NULL);
assert(err == CL_SUCCESS); // Fail check
oddReal_mem = clCreateBuffer(context, CL_MEM_READ_ONLY, buffer_size, NULL, NULL);
err = clEnqueueWriteBuffer(cmd_queue, oddReal_mem, CL_TRUE, 0, buffer_size,(void*)oddReal, 0, NULL, NULL);
assert(err == CL_SUCCESS); // Fail check
oddImag_mem = clCreateBuffer(context, CL_MEM_READ_ONLY, buffer_size, NULL, NULL);
err = clEnqueueWriteBuffer(cmd_queue, oddImag_mem, CL_TRUE, 0, buffer_size,(void*)oddImag, 0, NULL, NULL);
assert(err == CL_SUCCESS); // Fail check
real_mem = clCreateBuffer(context, CL_MEM_WRITE_ONLY, buffer_size, NULL, NULL);
err = clEnqueueWriteBuffer(cmd_queue, real_mem, CL_TRUE, 0, buffer_size,(void*)real, 0, NULL, NULL);
assert(err == CL_SUCCESS); // Fail check
imag_mem = clCreateBuffer(context, CL_MEM_WRITE_ONLY, buffer_size, NULL, NULL);
err = clEnqueueWriteBuffer(cmd_queue, imag_mem, CL_TRUE, 0, buffer_size,(void*)imag, 0, NULL, NULL);
assert(err == CL_SUCCESS); // Fail check
c_mem = clCreateBuffer(context, CL_MEM_READ_ONLY, sizeof(float), NULL, NULL);
err = clEnqueueWriteBuffer(cmd_queue, c_mem, CL_TRUE, 0, sizeof(float),(void*)C, 0, NULL, NULL);
assert(err == CL_SUCCESS); // Fail check
clFinish(cmd_queue);
err = clSetKernelArg(kernel[0], 0, sizeof(cl_mem), &evenReal_mem);
err = clSetKernelArg(kernel[0], 1, sizeof(cl_mem), &evenImag_mem);
err = clSetKernelArg(kernel[0], 2, sizeof(cl_mem), &oddReal_mem);
err = clSetKernelArg(kernel[0], 3, sizeof(cl_mem), &oddImag_mem);
err = clSetKernelArg(kernel[0], 4, sizeof(cl_mem), &real_mem);
err = clSetKernelArg(kernel[0], 5, sizeof(cl_mem), &imag_mem);
err = clSetKernelArg(kernel[0], 6, sizeof(cl_mem), &c_mem);
assert(err == CL_SUCCESS); // Fail check
size_t global_work_size = dataSize;
err = clEnqueueNDRangeKernel(cmd_queue, kernel[0], 1, NULL, &global_work_size, NULL, 0, NULL, NULL);
assert(err == CL_SUCCESS);
clFinish(cmd_queue);
printf("test data:\n");
for (int i = 0;i<dataSize;i++){
float r,I;
r = evenReal[i] + cos(C[i])*oddReal[i] - sin(C[i])*oddImag[i];
I = evenImag[i] + cos(C[i])*oddImag[i] + sin(C[i])*oddReal[i];
printf("%f + %f\n",r,I);
}
err = clEnqueueReadBuffer(cmd_queue, real_mem, CL_TRUE, 0, buffer_size, tReal, 0, NULL, NULL);
assert(err == CL_SUCCESS);
clFinish(cmd_queue);
err = clEnqueueReadBuffer(cmd_queue, imag_mem, CL_TRUE, 0, buffer_size, tImag, 0, NULL, NULL);
assert(err == CL_SUCCESS);
clFinish(cmd_queue);
clReleaseMemObject(evenReal_mem);
clReleaseMemObject(evenImag_mem);
clReleaseMemObject(oddReal_mem);
clReleaseMemObject(oddImag_mem);
clReleaseMemObject(real_mem);
clReleaseMemObject(imag_mem);
clReleaseMemObject(c_mem);
prinf("data:");
for (int i = 0;i<dataSize;i++){
printf("%f + %f\n",tReal[i],tImag[i]);
}
它返回:
test data:
1.000000 + 0.000000
0.000000 + 1.000000
-1.000000 + 0.000000
-0.000000 + -1.000000
data:
1.000000 + 0.000000
-1.000000 + 0.000000
1.000000 + 0.000000
-1.000000 + 0.000000
我真的很困惑为什么我会得到错误的答案吗?我错过了一些非常明显的东西?
抱歉,问题很长。
最佳答案
c_mem 有问题。
您可以像内核中的C[gid]
一样访问C
,但您仅使用sizeof(float)
的大小创建它。因此,主要数据无法容纳在该(4 字节)内存空间中,并且您只能向其中写入 4 字节。将其创建大小和写入大小乘以 data_size 应该就足够了。
这就是为什么实数为 1 和 -1,而虚数为 0 (sin(0))。如果运气好的话,溢出的 C 会产生垃圾,并产生实部和虚部垃圾结果,这会立即显示错误来源。
关于c - OpenCl算法执行结果不同,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45539298/
Intel、AMD 和 Khronos OpenCL 之间有什么区别。我对 OpenCL 完全陌生,想从它开始。我不知道在我的操作系统上安装哪个更好。 最佳答案 OpenCL 是 C 和 C++ 语言
我在这里的一篇文章中看到,我们可以从 OpenCL 内核调用函数。但是在我的情况下,我还需要并行化该复杂函数(由所有可用线程运行),所以我是否必须将该函数也设为内核并像从主内核中调用函数一样直接调
最近我看到一些开发板支持 OpenCL EP,例如 odroid XU。我知道的一件事是 OpenCL EP 适用于 ARM 处理器,但它与基于主要桌面的 OpenCL 在哪些特性上有所不同。 最佳答
我想知道在 OpenCL 中设置为内核函数的参数数量是否有任何限制。设置参数时出现 INVALID_ARG_INDEX 错误。我在内核函数中设置了 9 个参数。请在这方面帮助我。 最佳答案 您可以尝试
我对零拷贝的工作原理有点困惑。 1-要确认以下内容对应于opencl中的零拷贝。 ....................... . . . .
我是 OpenCL 的初学者,我很难理解某些东西。 我想改进主机和设备之间的图像传输。 我制定了一个计划以更好地了解我。 顶部:我现在拥有的 |底部:我想要的 HtD(主机到设备)和 DtH(设备到主
今天我又加了四个 __local变量到我的内核以转储中间结果。但是只需将另外四个变量添加到内核的签名并添加相应的内核参数就会将内核的所有输出呈现为“0”。没有一个 cl 函数返回错误代码。 我进一步尝
我知道工作项被分组到工作组中,并且您不能在工作组之外进行同步。 这是否意味着工作项是并行执行的? 如果是这样,使用 128 个工作项创建 1 个工作组是否可能/有效? 最佳答案 组内的工作项将一起安排
我相当确定经纱仅在 CUDA 中定义。但也许我错了。就 OpenCL 而言,什么是扭曲? 它与工作组不一样,是吗? 任何相关的反馈都受到高度赞赏。谢谢! 最佳答案 它没有在 OpenCL 标准中定义。
已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足Stack Overflow guidelines 。目前不接受答案。 我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题,以便
在OpenCL中,我的理解是可以使用barrier()函数来同步工作组中的线程。我(通常)确实了解它们的用途以及何时使用它们。我还知道工作组中的所有线程都必须遇到障碍,否则会出现问题。然而,到目前为止
我的主板上有 Nvidia 显卡 (GeForce GT 640)。我已经在我的盒子上安装了 OpenCL。当我使用“clGetPlatformInfo(参数)”查询平台时,我看到以下输出:-#可用平
我目前正在构建一个 ray marcher 来查看像 mandelbox 等东西。它工作得很好。但是,在我当前的程序中,它使用每个 worker 作为从眼睛转换的光线。这意味着每个 worker 有大
我编写了两个不同的 openCl 内核,使用 nvidia profiler 获取了有关它们的一些信息,发现两者每个工作项都使用 63 个寄存器。 我尝试了一切我能想到的方法来降低这个数字(用 ush
我的主板上有 Nvidia 显卡 (GeForce GT 640)。我已经在我的盒子上安装了 OpenCL。当我使用“clGetPlatformInfo(参数)”查询平台时,我看到以下输出:-#可用平
我目前正在构建一个 ray marcher 来查看像 mandelbox 等东西。它工作得很好。但是,在我当前的程序中,它使用每个 worker 作为从眼睛转换的光线。这意味着每个 worker 有大
我正在尝试使用 OpenCL 加速一些计算,算法的一部分包括矩阵求逆。是否有任何开源库或免费可用的代码来计算用 OpenCL 或 CUDA 编写的矩阵的 lu 分解(lapack dgetrf 和 d
我正在尝试在 OpenCL 内核中使用递归。编译成功,但运行时出现编译错误,所以我想知道,由于 CUDA 现在支持动态并行,OpenCL 是否支持动态并行? 最佳答案 OpenCL 不支持递归。请参阅
考虑以下代码,它从大小为 size 的 double 组创建缓冲区内存对象: coef_mem = clCreateBuffer(context, CL_MEM_READ_WRITE | CL_MEM
OpenCL 中目标平台的示例是什么?例如,它是 Windows、Android、Mac 等操作系统,还是设备中的实际芯片? 最佳答案 OpenCL 平台本质上是一个 OpenCL 实现。它与操作系统
我是一名优秀的程序员,十分优秀!