AMD FirePro 超算应用之 OpenCL

发布日期：2015-11-14

OpenCL 是目前最多厂商采用的异构并行计算编程框架，最初它是由苹果公司倡议，作为一个开发标准现在由非盈利机构 Khronos Group 维护，目前已经有 Altera、AMD、苹果、ARM、IBM、ImgTec、英特尔、英伟达、高通、三星等多家公司提供了基于该标准的实现。

OpenCL 最初版采用了基于 C99 的语法标准，所有的 C 以及 C 衍生语言（例如 Jave、C++）程序员几乎不需要额外的学习就掌握该语言的语法规范。

最初的 1.0 标准在很大程度上参考了 NVIDIA CUDA C，所以如果是 CUDA 开发人员的话基本上也能很快理解 OpenCL 中的许多概念。例如 OpenCL 中的 work-item 对应 CUDA C 里的 thread、workgroup 对应 block，相应的内存层次化都是如出一辙，只是部分名称改了。

对开发人员或者用户来说，OpenCL 的好处是开源、免权利金，有更多的厂商实现，平台迁移理论上只需要重新编译一次即可，而像 CUDA C 这样的厂商语言是又不少限制的。

新版本 OpenCL 2.0 引入了 C11、C++11 标准的支持，原子及同步操作可以让 work-item 以及 workgroup 的数据交换变得更简捷，除此以外，2.0 还有许多重要特性的支持，例如 SVM、动态并行化、通用寻子空间、Images、Pipes 等，AMD 公司现在已经发布了 FirePro 服务器 GPU 的 OpenCL 2.0 驱动，开发人员可以马上就使用上 OpenCL 的新特性。

在最新的 OpenCL 2.1 中，会用 C++ 替代原来的 C，支持 C++14，此外还有不少新的特性被引入，不过这个版本暂时还是预览阶段。

AMD 公司在其官网有一个针对开发人员的频道：http://developer.amd.com/，上面有大量的 OpenCL 开发文档、工具、AMD 公司自己的开发工具包，并且还提供了不少第三方的资源链接。

AMD APP SDK 3.0：

AMD APP SDK 3.0 是 AMD 公司的异构计算开发包，最新的 3.0 版提供了 OpenCL 2.0、Windows 10、AMD 第六代 A 系列处理器（代号 Carrizo）、RADEON R9（代号 Fiji）、FirePro W8100/W9100 等新标准、新产品的支持。

OpenCL 2.0 引入的 SVM（共享式虚拟内存）可以让程序员在 CPU 和 GPU 等设备之间之间共享数据对象，这样的编程模型在多核 CPU 上已经有很长的采用时间，现在在 AMD 的 GPU 上也能实现了。

对于计算加速而言，在 CPU 和 GPU 之间实现指针型数据结构的内存共享可以显著简化利用 GPU 时的代码编写难度，提升采用 GPU 计算的编程效率。

下载地址：http://developer.amd.com/community/blog/2015/08/26/introducing-app-sdk-30-opencl-2/

AMD ACL：

ACL 的全称是 AMD Compute Library，即 AMD 计算库，其中包含了 clBLAS、clFFT、clSPARSE（稀疏矩阵）、clRNG 等四个在科学计算中经常使用到的功能集合。

目前 AMD ACL 提供了 1.0 beta 2 版，下载地址是：

http://developer.amd.com/tools-and-sdks/opencl-zone/acl-amd-compute-libraries/

AMD 提供了 clSPARSE SpGEMM 搭配 AMD FirePro W9100 与 NVIDIA cuSPARSE 搭配 Tesla K40 的对比测试结果：

从测试结果来看，clSPARSE + W9100 的性能在最高的情况下比 cuSPARSE + K40 快 2.83 倍。

除了这两个 AMD 的官方工具外，网络上其他其他不少的 OpenCL 工具 AMD 都有参与贡献，例如：

深度计算库 Caffe：https://github.com/amd/OpenCL-caffe

Caffe 的 OpenCL 版实际上是由 AMD 在原有的 Caffe 基础上开发的，以完全开源的方式提供给开发人员使用。

目前该深度神经网络库有三个分支，分别是稳定版、开发人员版、master 版，其中稳定版是针对用户的。Caffe OpenCL 的所有层都已经移植到 OpenCL 上，支持 OpenCL 2.0、1.2，采用 C++ 和 OpenCL 实现，界面部分和原来的 Caffe 一致。用户可以直接使用的 DNN 模型有：AlexNet、VGG-16 和 VGG-19。

AMD 表示，Caffe OpenCL 已经在 AMD 的 APU/GPU/CPU 产品上完成测试验证，其他厂商的产品交叉兼容性计划在将来实现。

在 Caffe OpenCL 的 wiki 里有该开发套件的安装、构建、性能测试指南：

https://github.com/amd/OpenCL-caffe/wiki

深度计算库 Torch：https://github.com/hughperkins/cltorch

Torch 最近也引入了 OpenCL 的支持，但是目前似乎还是只有一个人维护，宣称提供了 Torch 的全部特性支持，而且维护的活跃度还是可以的。

除了这个衍生版外，网络上还有其他的 Torch OpenCL 衍生版：https://github.com/jonathantompson/jtorch

PyOpenCL：http://mathema.tician.de/software/pyopencl/

Python 是目前比较流行的面向对象解释语言，可以和很多语言粘合使用，例如用 C/C++ 编写出性能先决的代码，然后将其封装为 Python 可以调用的扩展类库。

PyOpenCL 采用 MIT 开源协议，开发人员可以藉此使用 Python 语言编程的时候轻而易举的使用 OpenCL，参考：http://www.drdobbs.com/open-source/easy-opencl-with-python/240162614。

AMD 官网 OpenCL Zone 网页：