C#通过OpenCL调用显卡GPU做高效并行运算

GPU的并行运算能力远超CPU,有时候我们会需要用到超大数据并行运算,可以考虑用GPU实现,这是一篇C#调用GPU进行运算的入门教程.

1: 下载相关的库:

https://sourceforge.net/projects/openclnet/
看起来已经N久没更新了, 不过没关系,这只是API声明和参数,opencl本身是有在更新的.

里面有源码也有DLL,可以引用DLL,也可以直接把源码添加到工程使用.(建议直接添加代码...)
*** 需要注意的是 ***:自己建立的工程有个默认的Program类,要改成别的名字,不然会和这里面一个同名的类冲突....

2:建立工程

打开VS建立一个C#控制台工程,Program类改名为MainProgram,添加OpenCL.Net源码引用

项目属性里改为[允许不安全代码]:

3:在MainProgram里声明引用:

using OpenCLNet;
using CL = OpenCLNet;

4:在项目里添加一个Extend类,内容如下

public static class Extend
{
    /// 

    /// 取指针
    /// 
    /// 
    /// 
    public static unsafe IntPtr ToIntPtr(this int[] obj)
    {
        IntPtr PtrA = IntPtr.Zero;
        fixed (int* Ap = obj) return new IntPtr(Ap);
    }
}//End Class

5:在MainProgram把一段运行在GPU的代码放在C#的字符串里:

#region OpenCL代码
private static string CLCode = @"
__kernel void vector_add_gpu(__global int* src_a, __global int* src_b, __global int* res)
{
    const int idx = get_global_id(0);
    res[idx] =src_a[idx] + src_b[idx];
}

__kernel void vector_inc_gpu(__global int* src_a, __global int* res)
{
    const int idx = get_global_id(0);
    res[idx] =src_a[idx] + 1;
}
";
#endregion

6:选中一个设备

在大多数电脑上有1个CPU和2个GPU(集显,独显),有的电脑会有更多或者更少,这里需要选中一个

//获取平台数量
OpenCL.GetPlatformIDs(32, new IntPtr[32], out uint num_platforms);
var devs = new List();
//枚举所有平台下面的设备(CPU和GPU)
for (int i = 0; i < num_platforms; i++)
{
    //这里后面有个参数,是Enum,这里选择GPU,表示只枚举GPU,在没有GPU的电脑上可以选CPU,也可以传ALL,会把所有设备枚举出来供选择
    devs.AddRange(OpenCL.GetPlatform(i).QueryDevices(DeviceType.GPU));
}

//选中运算设备,这里选第一个其它的释放掉
var oclDevice = devs[0];

7:配置上下文

上下文用来描述CPU与运算设备之间的主从关系.

//根据配置建立上下文
var oclContext = oclDevice.Platform.CreateContext(
    new[] { (IntPtr)ContextProperties.PLATFORM, oclDevice.Platform.PlatformID, IntPtr.Zero, IntPtr.Zero },
    new[] { oclDevice },
    (errInfo, privateInfo, cb, userData) => { },
    IntPtr.Zero
);

8:创建命令队列

opencl的命令要放到队列里,然后一次性调用执行方法等待执行完毕,它可以乱序执行,也可以顺序执行.如果你想等某命令执行完再继续,可以在中间加上栅栏(下面会讲)

//创建命令队列
var oclCQ = oclContext.CreateCommandQueue(oclDevice, CommandQueueProperties.PROFILING_ENABLE);

9:编译OpenCL代码,并引出两个Kernel

//定义一个字典用来存放所有核
var Kernels = new Dictionary();
#region 编译代码并导出核
var oclProgram = oclContext.CreateProgramWithSource(CLCode);
try
{
    oclProgram.Build();
}
catch (OpenCLBuildException EEE)
{
    Console.WriteLine(EEE.BuildLogs[0]);
    Console.ReadKey(true);
    throw EEE;
    //return null;
}
foreach (var item in new[] { "vector_add_gpu", "vector_inc_gpu" })
{
    Kernels.Add(item, oclProgram.CreateKernel(item));
}
oclProgram.Dispose();
#endregion

10:调用Kernel示例:

#region 调用vector_add_gpu核
{
    var A = new int[] { 1, 2, 3, 1722 };
    var B = new int[] { 456, 2, 1, 56 };
    var C = new int[4];
    //在显存创建缓冲区并把HOST的数据拷贝过去
    var n1 = oclContext.CreateBuffer(MemFlags.READ_WRITE | MemFlags.COPY_HOST_PTR, A.Length * sizeof(int), A.ToIntPtr());
    var n2 = oclContext.CreateBuffer(MemFlags.READ_WRITE | MemFlags.COPY_HOST_PTR, B.Length * sizeof(int), B.ToIntPtr());
    //还有一个缓冲区用来接收回参
    var n3 = oclContext.CreateBuffer(MemFlags.READ_WRITE, B.Length * sizeof(int), IntPtr.Zero);
    //把参数填进Kernel里
    Kernels["vector_add_gpu"].SetArg(0, n1);
    Kernels["vector_add_gpu"].SetArg(1, n2);
    Kernels["vector_add_gpu"].SetArg(2, n3);
    //把调用请求添加到队列里,参数分别是:Kernel,数据的维度,每个维度的全局工作项ID偏移,每个维度工作项数量(我们这里有4个数据,所以设为4),每个维度的工作组长度(这里设为每4个一组)
    oclCQ.EnqueueNDRangeKernel(Kernels["vector_add_gpu"], 1, new[] { 0 }, new[] { 4 }, new[] { 4 });
    //设置栅栏强制要求上面的命令执行完才继续下面的命令.
    oclCQ.EnqueueBarrier();
    //添加一个读取数据命令到队列里,用来读取运算结果
    oclCQ.EnqueueReadBuffer(n3, true, 0, C.Length * sizeof(int), C.ToIntPtr());
    //开始执行
    oclCQ.Finish();

    n1.Dispose();
    n2.Dispose();
    n3.Dispose();
    C = C;//在这里打断点,查看返回值
}
// */
#endregion

11:释放资源

//按顺序释放之前构造的对象
oclCQ.Dispose();
oclContext.Dispose();
oclDevice.Dispose();

MainProgram所有代码:

class MainProgram
    {

        #region OpenCL代码
        private static string CLCode = @"
__kernel void vector_add_gpu(__global int* src_a, __global int* src_b, __global int* res)
{
    const int idx = get_global_id(0);
    res[idx] =src_a[idx] + src_b[idx];
}

__kernel void vector_inc_gpu(__global int* src_a, __global int* res)
{
    const int idx = get_global_id(0);
    res[idx] =src_a[idx] + 1;
}
";
        #endregion


        static void Main(string[] args)
        {
            //获取平台数量
            OpenCL.GetPlatformIDs(32, new IntPtr[32], out uint num_platforms);
            var devs = new List();
            //枚举所有平台下面的设备(CPU和GPU)
            for (int i = 0; i < num_platforms; i++)
            {
                //这里后面有个参数,是Enum,这里选择GPU,表示只枚举GPU,在没有GPU的电脑上可以选CPU,也可以传ALL,会把所有设备枚举出来供选择
                devs.AddRange(OpenCL.GetPlatform(i).QueryDevices(DeviceType.GPU));
            }

            //选中运算设备,这里选第一个其它的释放掉
            var oclDevice = devs[0];
            for (int i = 1; i < devs.Count; i++) devs[i].Dispose();

            //根据配置建立上下文
            var oclContext = oclDevice.Platform.CreateContext(
                new[] { (IntPtr)ContextProperties.PLATFORM, oclDevice.Platform.PlatformID, IntPtr.Zero, IntPtr.Zero },
                new[] { oclDevice },
                (errInfo, privateInfo, cb, userData) => { },
                IntPtr.Zero
            );

            //创建命令队列
            var oclCQ = oclContext.CreateCommandQueue(oclDevice, CommandQueueProperties.PROFILING_ENABLE);

            //定义一个字典用来存放所有核
            var Kernels = new Dictionary();
            #region 编译代码并导出核
            var oclProgram = oclContext.CreateProgramWithSource(CLCode);
            try
            {
                oclProgram.Build();
            }
            catch (OpenCLBuildException EEE)
            {
                Console.WriteLine(EEE.BuildLogs[0]);
                Console.ReadKey(true);
                throw EEE;
                //return null;
            }
            foreach (var item in new[] { "vector_add_gpu", "vector_inc_gpu" })
            {
                Kernels.Add(item, oclProgram.CreateKernel(item));
            }
            oclProgram.Dispose();
            #endregion

            #region 调用vector_add_gpu核
            {
                var A = new int[] { 1, 2, 3, 1722 };
                var B = new int[] { 456, 2, 1, 56 };
                var C = new int[4];
                //在显存创建缓冲区并把HOST的数据拷贝过去
                var n1 = oclContext.CreateBuffer(MemFlags.READ_WRITE | MemFlags.COPY_HOST_PTR, A.Length * sizeof(int), A.ToIntPtr());
                var n2 = oclContext.CreateBuffer(MemFlags.READ_WRITE | MemFlags.COPY_HOST_PTR, B.Length * sizeof(int), B.ToIntPtr());
                //还有一个缓冲区用来接收回参
                var n3 = oclContext.CreateBuffer(MemFlags.READ_WRITE, B.Length * sizeof(int), IntPtr.Zero);
                //把参数填进Kernel里
                Kernels["vector_add_gpu"].SetArg(0, n1);
                Kernels["vector_add_gpu"].SetArg(1, n2);
                Kernels["vector_add_gpu"].SetArg(2, n3);
                //把调用请求添加到队列里,参数分别是:Kernel,数据的维度,每个维度的全局工作项ID偏移,每个维度工作项数量(我们这里有4个数据,所以设为4),每个维度的工作组长度(这里设为每4个一组)
                oclCQ.EnqueueNDRangeKernel(Kernels["vector_add_gpu"], 1, new[] { 0 }, new[] { 4 }, new[] { 4 });
                //设置栅栏强制要求上面的命令执行完才继续下面的命令.
                oclCQ.EnqueueBarrier();
                //添加一个读取数据命令到队列里,用来读取运算结果
                oclCQ.EnqueueReadBuffer(n3, true, 0, C.Length * sizeof(int), C.ToIntPtr());
                //开始执行
                oclCQ.Finish();

                n1.Dispose();
                n2.Dispose();
                n3.Dispose();
                C = C;//在这里打断点,查看返回值
            }
            // */
            #endregion

            //按顺序释放之前构造的对象
            oclCQ.Dispose();
            oclContext.Dispose();
            oclDevice.Dispose();
        }
    }//End Class

运行效果:

至此,操作完成~
我在文中留了一个Kernel,你可以尝试调用看看.
相关代码git:
https://gitee.com/ASMTeam/CSharpOpenCLDemo

转载于:https://www.cnblogs.com/DragonStart/p/7731944.html