OpenCL学习笔记（一）开发环境搭建（win10+vs2019）

前言

异构编程开发，在高性能编程中有重要的，笔者本次只简单介绍下，如何搭建简单的开发环境，可以供有需要的小伙伴们开发测试使用

一、获取opencl的sdk库

1.使用cuda库

若本机有Nvidia的显卡，在安装cuda库后，可以直接在安装目录下找到对应库文件

CUDA下载地址：CUDA Toolkit - Free Tools and Training | NVIDIA Developer

本地版的包比较大，网络版的需要安装时联网下载

建议直接安装最新版本，并在安装前删除的版本

注：需要先安装显卡驱动

安装完成后，可以直接在安装目录下找到库文件，以下是64位库、32位库、include文件

2.使用opencl-sdk预编译库

可以到opencl官网上，直接下载已经编译好的预编译库

下载地址：Releases · KhronosGroup/OpenCL-SDK · GitHub

笔者写文档时，最新发布日期是2023.04.17

下载后，直接解压就可以得到库文件和include文件，如下图所示

二、编写cmake文件

set(include_paths
    # "C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v12.3/include"
    {opencl_dir}/OpenCL-SDK-v2023.04.17-Win-x64/include

    )

set(link_paths
    #"C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v12.3/lib/x64"
    {opencl_dir}/OpenCL-SDK-v2023.04.17-Win-x64/lib
)

set(link_libs
    OpenCL.lib
)

add_executable(opencltest
  main.cpp
)

target_include_directories(opencltest PRIVATE
    ${include_paths}
)

target_link_directories(opencltest PRIVATE
    ${link_paths}
)

target_link_libraries(opencltest
    ${link_libs}
)

cmake文件比较简单，就是直接引入对应opencl库

要注意一点，CUDA的默认安装目录有空格，需要把整个目录放入引号中

三、运行示例

const int N = 1024; // 矩阵大小
const size_t size = N * N * sizeof(float);
int main() {
   // 初始化输入矩阵
   float* A = new float[N * N];
   float* B = new float[N * N];
   for (int i = 0; i < N * N; i++) {
       A[i] = 1.0f;
       B[i] = 2.0f;
   }

   // 初始化OpenCL环境
   cl_platform_id platform;
   clGetPlatformIDs(1, &platform, NULL);
   cl_device_id device;
   clGetDeviceIDs(platform, CL_DEVICE_TYPE_GPU, 1, &device, NULL);
   cl_context context = clCreateContext(NULL, 1, &device, NULL, NULL, NULL);
   cl_command_queue queue = clCreateCommandQueueWithProperties(context, device, 0, NULL);

   // 创建OpenCL内存缓冲区
   cl_mem bufferA = clCreateBuffer(context, CL_MEM_READ_ONLY, size, NULL, NULL);
   cl_mem bufferB = clCreateBuffer(context, CL_MEM_READ_ONLY, size, NULL, NULL);
   cl_mem bufferC = clCreateBuffer(context, CL_MEM_WRITE_ONLY, size, NULL, NULL);

   // 将输入数据传输到OpenCL缓冲区
   clEnqueueWriteBuffer(queue, bufferA, CL_TRUE, 0, size, A, 0, NULL, NULL);
   clEnqueueWriteBuffer(queue, bufferB, CL_TRUE, 0, size, B, 0, NULL, NULL);

   // 创建OpenCL程序对象
   const char* source = "__kernel void add_matrices(__global const float* A, __global const float* B, __global float* C) { int id = get_global_id(0); C[id] = A[id] + B[id]; }";
   cl_program program = clCreateProgramWithSource(context, 1, &source, NULL, NULL);
   clBuildProgram(program, 1, &device, NULL, NULL, NULL);
   cl_kernel kernel = clCreateKernel(program, "add_matrices", NULL);

   // 设置OpenCL内核参数
   clSetKernelArg(kernel, 0, sizeof(cl_mem), &bufferA);
   clSetKernelArg(kernel, 1, sizeof(cl_mem), &bufferB);
   clSetKernelArg(kernel, 2, sizeof(cl_mem), &bufferC);

   // 启动内核
   size_t globalWorkSize[2] = { N, N };
   clEnqueueNDRangeKernel(queue, kernel, 2, NULL, globalWorkSize, NULL, 0, NULL, NULL);

   // 读取结果数据
   clEnqueueReadBuffer(queue, bufferC, CL_TRUE, 0, size, A, 0, NULL, NULL);

   // 清理OpenCL资源
   clReleaseMemObject(bufferA);
   clReleaseMemObject(bufferB);
   clReleaseMemObject(bufferC);
   clReleaseProgram(program);
   clReleaseKernel(kernel);
   clReleaseCommandQueue(queue);
   clReleaseContext(context);

   // 打印结果
   std::cout << "Result: " << A[0] << std::endl;

   delete[] A;
   delete[] B;
   int a;
   std::cin >> a;

   return 0;
}

整个程序比较简单，若是运行正常，可以直接打印出结果

注：运行前，需要安装好对应的显卡驱动