C#通过OpenCL调用GPU进行高效并行运算

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进行运算的样例。

下载相关库

https://sourceforge.net/projects/openclnet/
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==….

建立工程

  1. 将Program类改名,添加OpenCL.Net源码引用
  2. 项目属性里改为[允许不安全代码]

在MainProgram里声明引用

1
2
using OpenCLNet;
using CL = OpenCLNet;

添加一个类

1
2
3
4
5
6
7
8
9
10
11
12
13
public static class Extend
{
/// <summary>
/// 取指针
/// </summary>
/// <param name="obj"></param>
/// <returns></returns>
public static unsafe IntPtr ToIntPtr(this int[] obj)
{
IntPtr PtrA = IntPtr.Zero;
fixed (int* Ap = obj) return new IntPtr(Ap);
}
}//End Class

设置GPU代码(OpenCL)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
#region OpenCL Code
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

选中设备

不选可能无法运算,很多电脑上都有多个GPU

1
2
3
4
5
6
7
8
9
10
11
12
//获取运算核心的数量
OpenCL.GetPlatformIDs(32, new IntPtr[32], out uint num_platforms);
var devs = new List<Device>(); //list保存信息
//枚举所有设备(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];

配置上下文

1
2
3
4
5
6
7
//根据配置建立上下文,上下文用来描述CPU与运算设备之间的主从关系.
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

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。

1
2
//创建命令队列
var oclCQ = oclContext.CreateCommandQueue(oclDevice, CommandQueueProperties.PROFILING_ENABLE);

编译OpenCL代码,并引出两个Kernel

这里的编译是指将刚才设置的OpenCL代码转化成Kernel(GPU\CPU可以执行内容)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
//定义一个字典用来存放所有核
var Kernels = new Dictionary<string, Kernel>();
#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

调用Kernel

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
#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

释放资源

1
2
3
4
//按顺序释放之前构造的对象
oclCQ.Dispose();
oclContext.Dispose();
oclDevice.Dispose();