引用：http://bbs.csdn.net/topics/390899158（概念问题）
http://blog.csdn.net/hermittt/article/details/50668850（平台搭建及示例）
intel opencl下载地址：https://software.intel.com/en-us/intel-opencl/download
硬件：intel(R) HD Graphics 4400
win7_x64+vs2010+opencl_sdk1.2
前提：Gpu或者cpu支持OpenCL
方法：GPU_Caps_Viewer
1. 去intel官网下载openclSdk（opencl是跨平台的标准而非跨平台的工具）AMD，Intel，Nvd都有不同的sdk，但接口都是根据Khronos上发布接口标准
2.安装intel版的sdk，然后提取其中的include和lib
3.vs2010,新建项目，在属性中->vc++目录->包含目录中添加Include的路径，链接器->附加库目录->添加x86_lib的目录（x64不能用，还没有找到原因）,
链接器->输入->附加依赖项中添加OpenCl.lib
4.添加如下代码
// newTutorial1.cpp : Defines the entrypoint for the console application.
//
//#include "stdafx.h"(mfc的头文件，此处不需要)
#include <CL/cl.h>
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <iostream>
#include <fstream>
using namespace std;
#define NWITEMS 62144
#pragma comment(lib,"OpenCL.lib")
//把文本文件读入一个string中
int convertToString(const char *filename,std::string& s)
{
size_t size;
char* str;
std::fstream f(filename, (std::fstream::in | std::fstream::binary));
if(f.is_open())
{
size_t fileSize;
f.seekg(0, std::fstream::end);
size = fileSize = (size_t)f.tellg();
f.seekg(0, std::fstream::beg);
str = new char[size+1];
if(!str)
{
f.close();
return NULL;
}
f.read(str, fileSize);
f.close();
str[size] = '\0';
s = str;
delete[] str;
return 0;
}
printf("Error: Failed to open file%s\n", filename);
return 1;
}
int main(int argc, char* argv[])
{
//在host内存中创建三个缓冲区
float*buf1 = 0;
float*buf2 = 0;
float*buf = 0;
buf1=(float *)malloc(NWITEMS * sizeof(float));
buf2=(float *)malloc(NWITEMS * sizeof(float));
buf=(float *)malloc(NWITEMS * sizeof(float));
//初始化buf1和buf2的内容
inti;
srand((unsigned)time( NULL ) );
for(i = 0; i < NWITEMS; i++)
buf1[i]= rand()%65535;
srand((unsigned)time( NULL ) +1000);
for(i = 0; i < NWITEMS; i++)
buf2[i] = rand()%65535;
for(i= 0; i < NWITEMS; i++)
buf[i] = buf1[i] + buf2[i];
cl_intstatus;
cl_uintnumPlatforms;
cl_platform_idplatform;
cl_device_id device;
cl_contextcontext;
cl_command_queuequeue;
const char * filename ="mul.cl";
std::string sourceStr;
status = convertToString(filename, sourceStr);
const char * source =sourceStr.c_str();
size_t sourceSize[] = {strlen(source) };
status= clGetPlatformIDs( 1, &platform, NULL);//创建平台对象
status = clGetDeviceIDs(platform, CL_DEVICE_TYPE_GPU, 1, &device,NULL);//创建GPU设备
context = clCreateContext( NULL, 1, &device, NULL, NULL,&status);//创建context
queue = clCreateCommandQueue( context, device, CL_QUEUE_PROFILING_ENABLE,&status);//创建命令队列
cl_program program = clCreateProgramWithSource(context, 1,&source,sourceSize, NULL);//创建程序对象
status = clBuildProgram( program, 1, &device, NULL, NULL, NULL );//编译程序对象
if(status!= 0)
{
printf("clBuildfailed:%d\n", status);
chartbuf[0x10000];
clGetProgramBuildInfo(program,device, CL_PROGRAM_BUILD_LOG, 0x10000, tbuf, NULL);
printf("\n%s\n",tbuf);
return-1;
}
//创建三个OpenCL内存对象，并把buf1的内容通过隐式拷贝的方式
//拷贝到clbuf1,buf2的内容通过显示拷贝的方式拷贝到clbuf2
cl_mem clbuf1 = clCreateBuffer(context,
CL_MEM_READ_ONLY| CL_MEM_COPY_HOST_PTR,
NWITEMS*sizeof(cl_float),buf1,
NULL);
cl_memclbuf2 = clCreateBuffer(context,
CL_MEM_READ_ONLY,
NWITEMS*sizeof(cl_float),NULL,
NULL);
status = clEnqueueWriteBuffer(queue, clbuf2, 1,
0,NWITEMS*sizeof(cl_float), buf2, 0, 0, 0);
cl_membuffer = clCreateBuffer( context,
CL_MEM_WRITE_ONLY,
NWITEMS* sizeof(cl_float),
NULL,NULL );
//创建Kernel对象
cl_kernelkernel = clCreateKernel( program, "dp_mul", NULL );
//设置Kernel参数
cl_intclnum = NWITEMS;
clSetKernelArg(kernel,0, sizeof(cl_mem), (void*) &clbuf1);
clSetKernelArg(kernel,1, sizeof(cl_mem), (void*) &clbuf2);
clSetKernelArg(kernel,2, sizeof(cl_mem), (void*) &buffer);
//执行kernel
cl_eventev;
size_tglobal_work_size = NWITEMS;
clEnqueueNDRangeKernel(queue,
kernel,
1,
NULL,
&global_work_size,
NULL,0, NULL, &ev);
clFinish(queue );
//数据拷回host内存
cl_float*ptr;
ptr= (cl_float *) clEnqueueMapBuffer( queue,
buffer,
CL_TRUE,
CL_MAP_READ,
0,
NWITEMS* sizeof(cl_float),
0,NULL, NULL, NULL );
//结果验证，和cpu计算的结果比较
if(!memcmp(buf,ptr, NWITEMS))
printf("Verifypassed\n");
elseprintf("verify failed");
if(buf)
free(buf);
if(buf1)
free(buf1);
if(buf2)
free(buf2);
//删除OpenCL资源对象
clReleaseMemObject(clbuf1);
clReleaseMemObject(clbuf2);
clReleaseMemObject(buffer);
clReleaseProgram(program);
clReleaseCommandQueue(queue);
clReleaseContext(context);
return0;
}
5.添加kernel文件到项目中
代码如下：mul.cl
__kernel void dp_mul(__global const float* A, __global const float* B, __global float* C)
{
int id = get_global_id(0);
C[id] = A[id] * B[id];
}
inline void sfs()
{
}
6.编译
error:出现如此错误提示“clCreateCommandQueue 被声明为已否决”
原因：Intel的OpenCL的sdk已经是2.0的，clCreateCommandQueue是1.2版本的已经被弃用
解决：方案1：添加宏定义：
#define CL_USE_DEPRECATED_OPENCL_1_2_APIS
方案2：使用2.0的接口
clCreateCommandQueueWithProperties
原文地址：http://blog.csdn.net/danpi1hao/article/details/53392789
上次分析了Intel® SDK for OpenCL的一些优点
这次详细讲一下Intel® SDK for OpenCL在VS下的一些常用的几个小技巧
首先是安装Intel® SDK for OpenCL™ Applications
可以在以上链接处打开下载https://software.intel.com/en-us/intel-opencl
安装完成之后,VS会有一个新的功能
以下是新建工程的窗口
常用功能主要有以下几个
1. 查看OpenCL平台
2. 编译kernel
3. 单步调试kernel
4. 使用Session测试kernel
5. 对OpenCL API报错
1. 查看OpenCL平台
在CODE-BUILDER -- Platform Info
之后会出现可用的所有平台
2. 编译kernel
在新建的Intel OpenCL工程中，添加OpenCL文件.cl
之后编译会直接对OpenCL代码编译，
不再需要在cl_build 这个API来返回编译结果了
3. 单步调试kernel
对于调试kernel，使用CPU的OpenCL调试会比较简单
Debug kernel首先需要设置属性
在CODE-BUILDER -- OpenCL Debugger -- Options
在里面第一页
1. 勾选 Kernel Debugger 的 Enable OpenCL kernel debugging for CPU device
2. 输入需要调试的work item 编号
第二页
勾选Enable OpenCL API Debugger
并勾选 Enable raw date tracing 以及 Enable images bitmap tracing
- error = clBuildProgram(program,1,&device,
- "-g -s \"D:/project/opencl/ocl.cl\"",
- NULL,NULL);
现在运行只需要使用断点，就能调试指定work item的代码执行了
这里还有多个窗口可以使用
Objects Tree View 显示目前的对象， 比如context program等
Command Queue View 显示目前的命令队列状态
Properties View 显示属性
Trace View 显示OpenCL API的状态和返回值
Problems View 显示错误警告，比如对象没有被释放release program
Image View 显示图像
Data View 显示缓存数据
4. 使用Session调试kernel
使用new session可以对单个.cl文件完成模拟
使用generate session可以对.exe文件完成模拟
模拟可以设置输入输出数据比如image buffer
并可以对数据作显示和比较
这里不作详细展开
5. 对OpenCL API报错
选中图中右边的Problem View 可以在编译中就对OpenCL API提示错误警告
原文地址：http://blog.csdn.net/billbliss/article/details/70154021