OpenCL трубы на процессоре Intel - PullRequest
0 голосов
/ 04 февраля 2019

Я работаю над своим диссертационным проектом, пытаясь выяснить, может ли и когда использование каналов OpenCL быть полезным и для процессоров (мы уже знаем, что они широко используются в FPGA).

Я пытаюсь реализовать даже самый простой алгоритм, где у меня есть производитель (запись в канал) и потребительское ядро ​​(чтение из канала).Я хотел бы выполнить два ядра параллельно и иметь блокирующее поведение для канала (только чтение, когда канал не пустой).При чтении документации Intel по адресу Intel_FPGA_Opencl объясняется, что объявленный для канала атрибут __attribute__((blocking)) должен блокировать операцию чтения, когда канал пустой.Однако, когда я пытаюсь использовать атрибут, я получаю __write_pipe_2_bl is undefined.Я даже пытался эмулировать поведение блокировки с помощью цикла while (как показано в документации Intel), но ядро ​​останавливается, даже если канал не пуст.

Более того, кажется, что ядра не работают параллельно, если я не использую две разные очереди команд.

Код ядра:

#pragma OPENCL EXTENSION cl_intel_printf : enable
#define SIZE 1000

__kernel void pipe_writer(__global int *in,
                          write_only pipe int __attribute((depth(SIZE))) p)
{
    for(int i = 0; i < SIZE; i++){
        write_pipe(p, &in[i]);
        printf("written: %d\n", in[i]);
    }

}

__kernel void pipe_reader(__global int *out,
                          read_only pipe int __attribute((depth(SIZE))) p)
{
    for(int i = 0; i < SIZE; i++){
        while (read_pipe(p, &out[i]) == -1){
        //printf("blocked read\n";
        }
        //int check = read_pipe(p, &out[i]);
        printf("read: %d\n", out[i]);
    }
}

Код хоста:

#include <stdio.h>
#include <stdlib.h>

#ifdef __APPLE__
#include <OpenCL/opencl.h>
#else
#include <CL/cl.h>
#endif

#define MAX_SOURCE_SIZE (0x100000)

int main(void) {
    // Create the two input vectors
    int bb = 0;
    int i;
    const int LIST_SIZE = 1000;
    int *A = (int*)malloc(sizeof(int)*LIST_SIZE);
    int *B = (int*)malloc(sizeof(int)*LIST_SIZE);
    for(i = 0; i < LIST_SIZE; i++) {
        A[i] = i;
    }

    // Load the kernel source code into the array source_str
    FILE *fp;
    char *source_str;
    size_t source_size;

    fp = fopen("kernel.cl", "r");
    if (!fp) {
        fprintf(stderr, "Failed to load kernel.\n");
        exit(1);
    }
    source_str = (char*)malloc(MAX_SOURCE_SIZE);
    source_size = fread( source_str, 1, MAX_SOURCE_SIZE, fp);
    fclose( fp );

    // Get platform and device information
    cl_platform_id platform_id = NULL;
    cl_device_id device_id = NULL;
    cl_uint ret_num_devices;
    cl_uint ret_num_platforms;
    cl_int ret = clGetPlatformIDs(1, &platform_id, &ret_num_platforms);
    if(ret != CL_SUCCESS){
        printf("getPlatformId, ERROR CODE: %d\n", ret);
        bb=1;
    }

    ret = clGetDeviceIDs( platform_id, CL_DEVICE_TYPE_CPU, 1,
            &device_id, &ret_num_devices);
    if(ret != CL_SUCCESS){
        printf("getDevice, ERROR CODE: %d\n", ret);
        bb=1;
    }

    // Create an OpenCL context
    cl_context context = clCreateContext( NULL, 1, &device_id, NULL, NULL, &ret);
    if(ret != CL_SUCCESS){
        printf("createContext, ERROR CODE: %d\n", ret);
        bb=1;
    }
    // Create a command queue
    cl_command_queue command_queue = clCreateCommandQueue(context, device_id, 0, &ret);
    cl_command_queue command_queue2 = clCreateCommandQueue(context, device_id, 0, &ret);

    if(ret != CL_SUCCESS){
        printf("commandQueue, ERROR CODE: %d\n", ret);
        bb=1;
    }

    // Create memory buffers on the device for each vector 
    cl_mem a_mem_obj = clCreateBuffer(context, CL_MEM_READ_ONLY,
            LIST_SIZE * sizeof(int), NULL, &ret);
    cl_mem b_mem_obj = clCreateBuffer(context, CL_MEM_WRITE_ONLY,
            LIST_SIZE * sizeof(int), NULL, &ret);

    if(ret != CL_SUCCESS){
        printf("memobj, ERROR CODE: %d\n", ret);
        bb=1;
    }

    ret = clEnqueueWriteBuffer(command_queue, a_mem_obj, CL_TRUE, 0,
            LIST_SIZE * sizeof(int), A, 0, NULL, NULL);

    if(ret != CL_SUCCESS){
        printf("enqueuewritebuffer, ERROR CODE: %d\n", ret);
        bb=1;
    }

    cl_program program = clCreateProgramWithSource(context, 1,
            (const char **)&source_str, (const size_t *)&source_size, &ret);

    if(ret != CL_SUCCESS){
        printf("crateProgWithSource, ERROR CODE: %d\n", ret);
        bb=1;
    }

    // Build the program
    ret = clBuildProgram(program, 1, &device_id, "-cl-std=CL2.0", NULL, NULL);

    if(ret != CL_SUCCESS){
        printf("buildProgram, ERROR CODE: %d\n", ret);
        bb=1;
    }

    /////Debug Kernel compilation:
    size_t ret_val_size;
    clGetProgramBuildInfo(program, device_id, CL_PROGRAM_BUILD_LOG, 0, NULL, &ret_val_size);
    char * build_log = (char*) malloc(sizeof(char) * (ret_val_size));
    clGetProgramBuildInfo(program, device_id, CL_PROGRAM_BUILD_LOG, ret_val_size, build_log, NULL);
    printf("LOG: \n%s\n", build_log);
    ///////////////////////////////

    cl_kernel pipe_writer = clCreateKernel(program, "pipe_writer", &ret);
    if(ret != CL_SUCCESS){
        printf("createkernelwriter, ERROR CODE: %d\n", ret);
        bb=1;
    }

    cl_kernel pipe_reader = clCreateKernel(program, "pipe_reader", &ret);
    if(ret != CL_SUCCESS){
        printf("createkernelReader, ERROR CODE: %d\n", ret);
        bb=1;
    }

    cl_mem pipe = clCreatePipe(context, 0, sizeof(cl_int), 1000, NULL, &ret);
    if(ret != CL_SUCCESS){
        printf("createPipe, ERROR CODE: %d\n", ret);
        bb=1;
    }

    // Set the arguments of the kernel
    ret = clSetKernelArg(pipe_writer, 0, sizeof(cl_mem), (void *)&a_mem_obj);
    if(ret != CL_SUCCESS){
        printf("setArgWriterZERO, ERROR CODE: %d\n", ret);
        bb=1;
    }

    ret = clSetKernelArg(pipe_writer, 1, sizeof(cl_mem), &pipe);
    if(ret != CL_SUCCESS){
        printf("setArgWriterONE, ERROR CODE: %d\n", ret);
        bb=1;
    }

    ret = clSetKernelArg(pipe_reader, 0, sizeof(cl_mem), (void *)&b_mem_obj);
    if(ret != CL_SUCCESS){
        printf("setArgReaderZERO, ERROR CODE: %d\n", ret);
        bb=1;
    }

    ret = clSetKernelArg(pipe_reader, 1, sizeof(cl_mem), &pipe);
    if(ret != CL_SUCCESS){
        printf("setArgReaderONE, ERROR CODE: %d\n", ret);
        bb=1;
    }

    // Execute the OpenCL kernel on the list
    size_t global_item_size = 1; // Process the entire lists
    size_t local_item_size = 1; // Divide work items into groups of 64

    cl_event sync; //??

    ret = clEnqueueTask (command_queue, pipe_writer, NULL, NULL, NULL);
    if(ret != CL_SUCCESS){
        printf("EnqueueKernelWriter, ERROR CODE: %d\n", ret);
        bb=1;
    }
    if(ret != CL_SUCCESS){
        printf("EnqueueKernelwriter, ERROR CODE: %d\n", ret);
        bb=1;
    }

    ret = clEnqueueTask (command_queue2, pipe_reader, NULL, NULL, NULL);
    if(ret != CL_SUCCESS){
        printf("EnqueueKernelWriter, ERROR CODE: %d\n", ret);
        bb=1;
    }
    if(ret != CL_SUCCESS){
        printf("EnqueueKernelReader, ERROR CODE: %d\n", ret);
        bb=1;
    }

    ret = clEnqueueReadBuffer(command_queue2, b_mem_obj, CL_TRUE, 0,
            LIST_SIZE * sizeof(int), B, 0, NULL, NULL);
    if(ret != CL_SUCCESS){
       printf("EnqueueReadBuffer, ERROR CODE: %d\n", ret);
       bb=1;
    }

    if(bb == 0){
    // Display the result to the screen
    for(i = 0; i < LIST_SIZE; i++)
        printf("%d and %d\n", A[i], B[i]);
    }

    // Clean up
    ret = clFlush(command_queue);
    ret = clFinish(command_queue);
    ret = clReleaseKernel(pipe_writer);
    ret = clReleaseKernel(pipe_reader);
    ret = clReleaseProgram(program);
    ret = clReleaseMemObject(a_mem_obj);
    ret = clReleaseMemObject(b_mem_obj);
    ret = clReleaseCommandQueue(command_queue);
    ret = clReleaseContext(context);
    free(A);
    free(B);
    return 0;
}

И вот что я получаю о процессоре, который я использую, используя 'clinfo':

Platform Name                                   Intel(R) CPU Runtime for OpenCL(TM) Applications
Number of devices                                 1
  Device Name                                     Intel(R) Xeon(R) CPU E5-2698 v4 @ 2.20GHz
  Device Vendor                                   Intel(R) Corporation
  Device Vendor ID                                0x8086
  Device Version                                  OpenCL 2.1 (Build 0)
  Driver Version                                  18.1.0.0920
  Device OpenCL C Version                         OpenCL C 2.0 
  Device Type                                     CPU
  Device Profile                                  FULL_PROFILE
  Max compute units                               80
  Max clock frequency                             2200MHz
  Device Partition                                (core)
    Max number of sub-devices                     80
    Supported partition types                     by counts, equally, by names (Intel)
  Max work item dimensions                        3
  Max work item sizes                             8192x8192x8192
  Max work group size                             8192
  Preferred work group size multiple              128
  Max sub-groups per work group                   1
  Preferred / native vector sizes                 
    char                                                 1 / 32      
    short                                                1 / 16      
    int                                                  1 / 8       
    long                                                 1 / 4       
    half                                                 0 / 0        (n/a)
    float                                                1 / 8       
    double                                               1 / 4        (cl_khr_fp64)
  Half-precision Floating-point support           (n/a)
  Single-precision Floating-point support         (core)
    Denormals                                     Yes
    Infinity and NANs                             Yes
    Round to nearest                              Yes
    Round to zero                                 No
    Round to infinity                             No
    IEEE754-2008 fused multiply-add               No
    Support is emulated in software               No
    Correctly-rounded divide and sqrt operations  No
  Double-precision Floating-point support         (cl_khr_fp64)
    Denormals                                     Yes
    Infinity and NANs                             Yes
    Round to nearest                              Yes
    Round to zero                                 Yes
    Round to infinity                             Yes
    IEEE754-2008 fused multiply-add               Yes
    Support is emulated in software               No
    Correctly-rounded divide and sqrt operations  No
  Address bits                                    64, Little-Endian
  Global memory size                              540956721152 (503.8GiB)
  Error Correction support                        No
  Max memory allocation                           135239180288 (126GiB)
  Unified memory for Host and Device              Yes
  Shared Virtual Memory (SVM) capabilities        (core)
    Coarse-grained buffer sharing                 Yes
    Fine-grained buffer sharing                   Yes
    Fine-grained system sharing                   Yes
    Atomics                                       Yes
  Minimum alignment for any data type             128 bytes
  Alignment of base address                       1024 bits (128 bytes)
  Preferred alignment for atomics                 
    SVM                                           64 bytes
    Global                                        64 bytes
    Local                                         0 bytes
  Max size for global variable                    65536 (64KiB)
  Preferred total size of global vars             65536 (64KiB)
  Global Memory cache type                        Read/Write
  Global Memory cache size                        262144
  Global Memory cache line                        64 bytes
  Image support                                   Yes
    Max number of samplers per kernel             480
    Max size for 1D images from buffer            8452448768 pixels
    Max 1D or 2D image array size                 2048 images
    Base address alignment for 2D image buffers   64 bytes
    Pitch alignment for 2D image buffers          64 bytes
    Max 2D image size                             16384x16384 pixels
    Max 3D image size                             2048x2048x2048 pixels
    Max number of read image args                 480
    Max number of write image args                480
    Max number of read/write image args           480
  Max number of pipe args                         16
  Max active pipe reservations                    3276
  Max pipe packet size                            1024
  Local memory type                               Global
  Local memory size                               32768 (32KiB)
  Max constant buffer size                        131072 (128KiB)
  Max number of constant args                     480
  Max size of kernel argument                     3840 (3.75KiB)
  Queue properties (on host)                      
    Out-of-order execution                        Yes
    Profiling                                     Yes
    Local thread execution (Intel)                Yes
  Queue properties (on device)                    
    Out-of-order execution                        Yes
    Profiling                                     Yes
    Preferred size                                4294967295 (4GiB)
    Max size                                      4294967295 (4GiB)
  Max queues on device                            4294967295
  Max events on device                            4294967295
  Prefer user sync for interop                    No
  Profiling timer resolution                      1ns
  Execution capabilities                          
    Run OpenCL kernels                            Yes
    Run native kernels                            Yes
    Sub-group independent forward progress        No
    IL version                                    SPIR-V_1.0
    SPIR versions                                 1.2
  printf() buffer size                            1048576 (1024KiB)
  Built-in kernels                                
  Device Available                                Yes
  Compiler Available                              Yes
  Linker Available                                Yes
  Device Extensions                               cl_khr_icd cl_khr_global_int32_base_atomics cl_khr_global_int32_extended_atomics cl_khr_local_int32_base_atomics cl_khr_local_int32_extended_atomics cl_khr_byte_addressable_store cl_khr_depth_images cl_khr_3d_image_writes cl_intel_exec_by_local_thread cl_khr_spir cl_khr_fp64 cl_khr_image2d_from_buffer cl_intel_vec_len_hint 

1 Ответ

0 голосов
/ 05 февраля 2019

Каналы OpenCL 2.0, используемые для Intel FPGA, весьма отличаются от стандартного OpenCL 2.0, используемого для CPU.

Одно важное отличие состоит в том, что стандартные трубы OpenCL 2.0 не предназначены для использования вустановить связь между параллельными ядрами.Каналы являются подклассом объектов памяти, и их состояние реализуется только в точке синхронизации (см. S3.3.1 Согласованность памяти в спецификации OpenCL 1.2), где точка синхронизации является либо барьером очереди команд, либо событием ожидания при включении (см. S3.4.3Синхронизация).Другими словами, согласно Спецификации OpenCL, данные, записанные в канал, видны только после завершения работы ядра.

В Intel OpenCL для FPGA есть дополнительные функции (расширения), позволяющие использовать OpenCL 2.0 Pipes для FPGA: в частности,Это гарантирует, что ядра могут взаимодействовать по каналам, и предоставляет несколько расширений, чтобы сделать такое взаимодействие проще и эффективнее (блокирование каналов, хост-каналов, глубина канала).Все эти функции не поддерживаются средой выполнения Intel OpenCL для ЦП.

Однако для целей диссертационного проекта вы можете взглянуть на быстрый эмулятор из Intel FPGA SDK: в основном это среда исполнения ЦП, поддерживающая FPGA.расширения, включая каналы (с обменом ядром с ядром) и каналы хоста.См. https://www.intel.com/content/dam/www/programmable/us/en/pdfs/literature/hb/opencl-sdk/aocl_programming_guide.pdf с8,7.Использование быстрого эмулятора (предварительный просмотр).

Более того, кажется, что ядра не работают параллельно, если я не использую две разные очереди команд.

Если вы не создадитеочередь команд с CL_QUEUE_OUT_OF_ORDER_EXEC_MODE_ENABLE, очередь в порядке, это означает, что существует неявная зависимость между командами, отправляемыми в эту очередь, поэтому они не могут выполняться параллельно.

Кроме того, вы должны вызвать clFlush(command_queue)до clEnqueueReadBuffer(command_queue2, ...), чтобы убедиться, что ядро ​​устройства записи запущено до того, как вы сделаете блокирующий вызов для устройства чтения.

...