我是 OpenCL 的新手，我正在尝试实现幂迭代方法（描述为 over here） 矩阵大小超过 100000x100000！
实际上我不知道如何实现这一点。 这是因为工作组有限制 CL_DEVICE_MAX_WORK_GROUP_SIZE （所以我不能用 1000000 个工作项制作一个工作组） 但是在迭代的每一步我都需要同步和规范化向量。
1) 那么是否可以在一个内核中进行所有计算？ （如果矩阵大小大于 CL_DEVICE_MAX_WORK_GROUP_SIZE，我认为答案是否定的）
2) 我可以在主机代码中创建“while”循环吗？在这种情况下使用 GPU 是否仍然有利可图？ 就像是： while（条件）
{
内核调用
同步
}
【问题讨论】：
2：是的，您可以在主机代码中创建一个while 循环。这在性能方面是否仍然有利可图，取决于被调用的内核是否实现了良好的加速。我个人的偏好是不将太多逻辑打包到单个内核中，因为较小的内核更易于维护，有时更易于优化。但是，当然，调用内核有一个（小）开销，必须考虑在内。而组合到内核是否可以带来加速（或新的优化潜力）取决于内核实际在做什么。但在这种情况下（矩阵乘法和向量归一化），我个人会从两个不同的内核开始，它们在 while 循环中从主机调用。
1：由于具有浮点值的 100000x100000 矩阵将占用至少 40GB 内存，因此无论如何您都必须考虑一般的方法。有大量关于矩阵运算、它们的并行化以及在 GPU 上的相应实现的文献。从“高级”的角度来看，一个重要方面是矩阵是 dense 还是 sparse (http://en.wikipedia.org/wiki/Sparse_matrix)。根据稀疏性，甚至可以在主内存中处理 100000x100000 个矩阵。除此之外，您可能会考虑查看用于矩阵运算的库（例如 http://viennacl.sourceforge.net/ ），因为实现高效的矩阵乘法具有挑战性，尤其是对于稀疏矩阵。但是，如果您想自己完成整个过程：祝您好运 ;-) 和 ... CL_DEVICE_MAX_WORK_GROUP_SIZE 对 problem 大小没有限制。事实上，OpenCL 中的问题规模（即工作项的总数）实际上是无限大的。如果您的 CL_DEVICE_MAX_WORK_GROUP_SIZE 为 256，并且您想要处理 10000000000 个元素，那么您创建 10000000000/256 个工作组并让 OpenCL 关心它们的实际调度和执行方式。对于矩阵运算，CL_DEVICE_MAX_WORK_GROUP_SIZE 主要在您想要使用本地内存时相关（并且您必须这样做，以实现良好的性能）：因此工作组的大小隐含地定义了您的本地内存块的大小。
【讨论】：