OpenCL在国产GPU上的实现∗

高胜寒 熊庭刚

（武汉数字工程研究所 武汉 430205）

1 引言

近年来，GPU进行通用计算的潜力引起了研究者的注意。由于GPU具有极强的浮点运算能力，通过将GPU引入异构计算系统，可以大幅提高计算系统性能［1］。OpenCL是面向异构系统的并行编程标准和编程环境，它的出现为异构计算提供了一种通用和开放的解决方案［2］。据2018年中国高性能计算机发展现状分析与展望指出，近年我国采用异构加速体系架构的系统数量逐年增加，但是所用GPU硬件仍然为国外主流厂商所垄断［3］。所以，在国产GPU硬件上实现OpenCL异构计算编程框架的实现具有相当的研究意义。

2 异构计算国内外发展现状

在异构计算领域，国外厂商在软硬件方面均处于领先地位。硬件层面上，图形处理器（GPU）市场基本上为国外公司所垄断，AMD、NVIDIA占有了桌面级GPU市场，在嵌入式市场则主要由ARM、Imagination、VIVANTE等占据［4］。在软件层面，上述国外公司也对如CUDA和OpenCL等一系列异构计算标准提供了支持［5～6］。

当前，尽管已有国内厂商推出了一系列国产GPU，但是其研发重点仍然集中于提高GPU的图形渲染能力上，在通用计算方向研究较少［7-8］。从目前所知的报道看，大部分国产GPU尚未对OpenCL标准提供支持，异构计算在国产GPU上的研究尚有很大空间。

3 OpenCL在国产GPU上的设计与实现

OpenCL标准中定义了四个抽象模型，即平台模型、执行模型、内存模型和编程模型［9］。在国产GPU上进行OpenCL的设计和实现，其关键在于实现隔离，即操作系统无关性和平台无关性［10］。本节结合国产GPU的系统结构，定义和设计了两个隔离层并设计了API解析程序，从而将OpenCL标准的四个模型映射到了国产GPU架构上，实现了模型的匹配。……