OpenCL 矩阵向量乘法代码每次运行都会给出正确和错误的解决方案

Question

我正在研究用于稀疏矩阵运算的 OpenCL 代码，我发现当包括内核的代码执行一次或两次时它可以工作。但每隔几次运行，答案就会略有偏差。这是我正在使用的非常简单的内核:

__kernel void dsmv( int N, __global int * IA,
                    __global int * JA, __global float * A,
                    __global float * X, __global float * Y){

    int IBGN, ICOL, IEND, ii;
    ICOL = get_global_id(0);

    if(ICOL < N)
    {
        IBGN = JA[ICOL]-1;
        IEND = JA[ICOL+1]-1-1;

        for (ii = IBGN; ii <= IEND; ii++)
        {
            Y[IA[ii]-1] +=  A[ii]*X[ICOL];
        }
    }
}

我还可以发布使用该内核的 fortran 代码。我正在使用 FortranCL。

什么可能导致乘法每次运行给出不同的答案？

Answer 1

这一行看起来很可疑:

Y[IA[ii]-1] +=  A[ii]*X[ICOL];

似乎两个工作项可能会增加相同的内存位置，因此这里存在潜在的竞争条件，并且由于 += 不是原子操作，这是一个问题。

不幸的是，您不能使用内置的 atomic_add 来代替，因为它不支持 float ，但 atomic_cmpxchg 支持，因此您可以使用它来实现 float -点原子添加 - 或只是 look at this existing implementation of an atomic add for floats .