Pyopencl:to-tu设备与Bu的区别

Question

让

import pyopencl as cl
import pyopencl.array as cl_array
import numpy
a = numpy.random.rand(50000).astype(numpy.float32)
mf = cl.mem_flags

有什么区别

^{pr2}$

以及

a_gpu = cl_array.to_device(self.ctx, self.queue, a)

是吗？在

两者之间有什么区别

result =  numpy.empty_like(a)
cl.enqueue_copy(self.queue, result, result_gpu)

以及

result = result_gpu.get()

是吗？在

Answer 1

Buffers是CL的版本malloc，而{}是计算设备上numpy数组的工作方式。在

因此，对于问题第一部分的第二个版本，您可以编写a_gpu + 2来获得一个新数组，该数组中的每个数字都有2个加法，而在{}的情况下，PyOpenCL只看到一包字节，不能执行任何这样的操作。在

问题的第二部分与此相反：如果您有一个PyOpenCL数组，.get()将数据复制回并转换为（基于主机的）numpy数组。由于numpy数组是在Python中获取连续内存的一种更方便的方法，第二个带有enqueue_copy的变量也以numpy数组结尾，但请注意，您可以将此数据复制到任何大小的数组中（只要它足够大），并且任何类型的复制都是以字节包的形式执行的，而.get()则确保在主机上获得相同的大小和类型。在

额外的事实：当然每个PyOpenCL数组都有一个缓冲区。您可以从.data属性获取它。在

Answer 2

为了回答第一个问题，Buffer(hostbuf=...)可以与实现buffer interface（reference）的任何东西一起调用。pyopencl.array.to_device(...)必须用ndarray（reference）调用。ndarray实现缓冲区接口，并在任意位置工作。但是，只有hostbuf=...可以与bytearray（它也实现了缓冲区接口）一起工作。我还没有证实这一点，但这似乎是文件所建议的。在

关于第二个问题，我不确定当你对它调用result_gpu时，它应该是什么类型（你是说Buffer.get_host_array()？）在任何情况下，enqueue_copy()在Buffer、Image和{}的组合之间工作，可以有偏移量和区域，并且可以是异步的（使用is_blocking=False），我认为这些功能只有这样才可用（而{}将阻塞并返回整个缓冲区）。（reference）