CL_MEM_ALLOC_HOST_PTRはCL_MEM_USE_HOST_PTRよりも遅い

Question

私はOpenCLでちょっと試してみましたが、ホストとデバイス間のメモリ転送速度をテストしています。 私はIntel OpenCL SDKを使用していて、統合グラフィックスのIntel i5 Processorで動作していました。 私はそのように同様に固定メモリを使用する場合より速くほぼ10倍であることが判明代わりclEnqueueWriteBufferのclEnqueueMapBufferを発見：abとret 128ビット整列のint配列である

int amt = 16*1024*1024; 
... 
k_a = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, a, NULL); 
k_b = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, b, NULL); 
k_c = clCreateBuffer(context,CL_MEM_WRITE_ONLY | CL_MEM_USE_HOST_PTR, sizeof(int)*amt, ret, NULL); 

int* map_a = (int*) clEnqueueMapBuffer(c_q, k_a, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error); 
int* map_b = (int*) clEnqueueMapBuffer(c_q, k_b, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error); 
int* map_c = (int*) clEnqueueMapBuffer(c_q, k_c, CL_TRUE, CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &error); 
clFinish(c_q); 

。 時間は、しかしclEnqueueWriteBuffer を私は91.350065ミリ

に

k_a = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL); 
k_b = clCreateBuffer(context,CL_MEM_READ_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL); 
k_c = clCreateBuffer(context,CL_MEM_WRITE_ONLY | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, NULL); 

int* map_a = (int*)clEnqueueMapBuffer(c_q, k_a, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error); 
int* map_b = (int*)clEnqueueMapBuffer(c_q, k_b, CL_TRUE, CL_MAP_READ, 0, sizeof(int)*amt, 0, NULL, NULL, &error); 
int* map_c = (int*)clEnqueueMapBuffer(c_q, k_c, CL_TRUE, CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &error); 

/** initiate map_a and map_b **/ 

時間の増加に自分のコードを変更したときに、どのような可能性が使用して198.604528 MSに比べ、およそ22.026186ミリに出てきました問題なの？それとも、まったく問題なの？

EDIT： これは、私は2番目のコードで配列を初期化する方法である：

for (int i = 0; i < amt; i++) 
{ 
    map_a[i] = i; 
    map_b[i] = i; 
} 

そして今、私がチェックしていること、map_aとmap_b がプログラムの最後に右の要素が含まれていますが、ありませんmap_cにはすべて0が含まれます。私はこれでした：

clEnqueueUnmapMemObject(c_q, k_a, map_a, 0, NULL, NULL); 
clEnqueueUnmapMemObject(c_q, k_b, map_b, 0, NULL, NULL); 
clEnqueueUnmapMemObject(c_q, k_c, map_c, 0, NULL, NULL); 

を、私のカーネルは、私の理解では、CL_MEM_ALLOC_HOST_PTRが割り当てるが、コピーされないということであるだけで

__kernel void test(__global int* a, __global int* b, __global int* c) 
{ 
    int i = get_global_id(0); 
    c[i] = a[i] + b[i]; 
} 

Answer 1

です。 2番目のコードブロックは実際にデバイスにデータを取得しますか？

また、CL_MEM_USE_HOST_PTRおよびCL_MEM_COPY_HOST_PTRと一緒に使用する場合、clCreateBufferにはclEnqueueWriteは必要ありません。バッファは、void * host_ptrが指すメモリを使用して作成されるためです。

のOpenCLで「固定」のメモリを使用することのようなプロセスである必要があります。

int amt = 16*1024*1024; 
    int Array[] = new int[amt]; 
    int Error = 0; 

    //Note, since we are using NULL for the data pointer, we HAVE to use CL_MEM_ALLOC_HOST_PTR 
    //This allocates memory on the devices 
    cl_mem B1 = clCreateBuffer(context, CL_MEM_READ_WRITE | CL_MEM_ALLOC_HOST_PTR, sizeof(int)*amt, NULL, &Error); 

    //Map the Device memory to host memory, aka pinning it 
    int *host_ptr = clEnqueueMapBuffer(queue, B1, CL_TRUE, CL_MAP_READ | CL_MAP_WRITE, 0, sizeof(int)*amt, 0, NULL, NULL, &Error); 

    //Copy from host memory to pinned host memory which copies to the card automatically` 
    memcpy(host_ptr, Array, sizeof(int)*amt); 

    //Call your kernel and everything else and memcpy back the pinned back to host when 
    //you are done 

編集：あなたがプログラムをスピードアップするために行うことができる一つの最終のものがCL_FALSEを使用してブロックメモリの読み出し/書き込みをしないことですCL_TRUEの代わりに。コマンドキューが空になり、すべてのコマンドが処理されるように、データがホストにコピーされる前にclFinish（）を呼び出すようにしてください。

出典：フラグの適切な組み合わせでOpenCL In Action

Answer 2

、あなたは「ゼロコピー」を達成することができるはずのIntel統合グラフィックスに（すなわち、非常に高速な）マップ/アンマップへの「CPUのための必要はありませんので、 GPU "コピーは両方とも同じメモリを使用しているため（「統合」という意味です）メモリのIntel OpenCL Optimization Guideセクションを読んでください。