如何知道我的代码是在CPU还是GPU上运行？
要确定代码是在CPU还是GPU上运行，可以通过以下几种方式进行判断：
- 查看代码中的设备指令：在代码中，可以使用特定的指令来指定代码在CPU还是GPU上运行。例如，在使用CUDA编程时，可以使用cudaSetDevice函数将代码指定为在GPU上运行。类似地，在使用OpenCL编程时，可以使用clCreateCommandQueue函数将代码指定为在GPU上运行。通过查看代码中的设备指令，可以确定代码的运行位置。
- 查看代码运行时的硬件信息：在代码运行时，可以通过查看硬件信息来确定代码是在CPU还是GPU上运行。例如，在使用CUDA编程时，可以使用cudaGetDevice函数获取当前代码所在的设备编号，然后使用cudaGetDeviceProperties函数获取该设备的详细信息，包括设备类型（CPU还是GPU）。类似地，在使用OpenCL编程时，可以使用clGetDeviceInfo函数获取设备信息，包括设备类型。
- 查看代码运行时的性能表现：由于CPU和GPU在处理能力上存在差异，代码在不同设备上的运行性能也会有所不同。通过观察代码在不同设备上的运行时间或性能表现，可以推测代码是在CPU还是GPU上运行。例如，如果代码在GPU上运行时性能显著提升，那么可以判断代码是在GPU上运行。
需要注意的是，以上方法仅适用于使用特定编程框架（如CUDA、OpenCL）进行开发的情况。对于其他情况，如使用通用编程语言（如C++、Python）进行开发的代码，通常需要借助相应的库或工具来确定代码的运行位置。
相关·内容
我可以在nvidia-gpu上使用nvidia-smi设置独占计算模式( cuda编程指南3.0的第74页)。这意味着，只有一个程序可以在gpu上计算。
cuda运行时调度比app自动。
但在这种情况下，opencl程序有一个问题:如果一个应用程序在设置了独占计算模式的gpu上运行，第二个opencl程序使用相同的GPU调用clGetDeviceInfo(..., CL_DEVICE_AVAILABLE, ...)就是result == CL_TRUE。之后，如果opencl-app试图在该设备上创建上下文，则会使正在运行的应用程序崩溃(两者)。
谢谢。
浏览 1提问于2010-04-23得票数 11
2回答
我读到了关于OpenMP和其他与并行处理相关的话题，发现其中有许多声称CUDA或OpenCL将是这类系统的未来。但是，我认为某些修改过的OpenMP版本将是最好的解决方案，我不认为GPU不应该运行线程的原因。
所以我的问题是，GPU能像CPU一样运行线程吗? OpenMP可以扩展到支持GPU吗？有什么理论上的问题吗？
我读到最近的OpenMP标准支持GPU，但是还没有一个实现。如果有一个实现，它会比OpenCL使用的“内核”模型更好还是更糟？
浏览 8提问于2015-04-17得票数 3
回答已采纳
2回答
我参与了一个必须进行gpu编程的项目，我的限制之一是在nvidia设备上(因此在CUDA中)。但我还没拿到装备有nvidia gpu的设备。
因此，我想知道是否存在任何包装器，它允许我编写一个CUDA代码，但作为一个openCL代码执行，以使它在一个amd上工作？
ps : gpuocelot可以很好的适应，如果我不需要在windows系统上这样做。
浏览 3提问于2015-09-17得票数 2
回答已采纳
我是SYCL，OpenCL和GPU编程的新手。我阅读了SYCL中的设备选择器，发现了以下四个：
default_selector :由系统启发式选择的设备。如果没有找到OpenCL设备，那么它默认为SYCL主机设备。
gpu_selector :根据设备类型info::device::device_type::gpu从所有可用的OpenCL设备中选择设备。如果没有找到OpenCL GPU设备，则选择器将失败。
cpu_selector :根据设备类型从所有可用的设备和启发式中选择设备类型info::device::device_type::cpu。如果没有找到OpenCL
浏览 0提问于2018-06-06得票数 2
我想找到一个合适的GPU加速包，用于格子玻尔兹曼方法(LBM)或正常的Navier-Stokes CFD。
CUDA依赖于设备，这已经超出了我的视野。
根据OpenMP的说法，在进行计算流体力学时，OpenCL的速度大约是OpenMP的3倍
但在LBM上没有可比性。
OpenCL的编码难度是它的2倍。
我现在正在考虑OpenCL和OpenMP，请告诉我这两者在LBM问题上的性能差异有多大？
浏览 49提问于2018-03-06得票数 3
我正在寻找GPU运行OpenCL程序，主要是求解Navier方程.我想要的东西，不是那么昂贵，但可以处理一些沉重的数字。该代码主要是用单精度数据类型编写的，但我也希望它能做一些像样的双精度计算。
根据Geekbench的OpenCL基准卡，in 32/in 64较高，似乎并没有反映出更好的OpenCL性能: NVIDIA A6000的FP32为40 TFLOPS，NVIDIA RTX 3090为35 TFLOPS，而NVIDIA 3090在图表中的位置较高。
所以，我想知道究竟是什么决定了GPU的OpenCL性能？最近的体系结构在OpenCL中通常更好吗？拥有较高的计算单元或处理器计数( NV
浏览 0提问于2021-10-02得票数 0
回答已采纳
1回答
我使用OpenCL同时在不同的GPU和CPU上执行一个过程，以获得高性能的结果。英特尔的OpenCL总是显示一个信息，即内核没有矢量化，所以它只能在不同的内核上运行，而不会使用SIMD指令运行。我的问题是，如果我重写代码，使SIMD指令可以利用OpenCL代码，它是否也会提高GPU的性能？
浏览 2提问于2015-05-11得票数 3
回答已采纳
人们经常建议，要实际参与采矿，必须获得图形卡并安装数据自动化系统和/或OpenCL库。
根据wikipeda的定义：
库达是Nvidia创建的并行计算平台和应用程序编程接口(API)模型。它允许软件开发人员和软件工程师使用CUDA支持的图形处理单元(GPU)进行通用处理，这种方法称为GPU(图形处理单元上的通用计算)。CUDA平台是一个软件层，可以直接访问GPU的虚拟指令集和并行计算元素，用于执行计算内核。OpenCL(开放计算语言)是一个跨异构平台执行程序的框架，包括中央处理器(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)和其他处理器或硬件加速器。
浏览 0提问于2017-07-22得票数 1
2回答
我正在努力理解OpenCL生态系统以及Vulkan是如何发挥作用的。
据我所知，OpenCL是一个在GPU和CPU上执行代码的框架，使用内核可以编译成SPIR。
Vulkan也可以使用相同的SPIR语言作为计算API。
SYCL是一种新的规范，它允许将OpenCL代码作为符合标准的C++14编写，据我所知，目前还没有这个规范的免费实现。
既然如此，
OpenCL和Vulkan有什么关系？我知道OpenCL级别更高，并且抽象设备，但是(或者可以)在内部使用Vulkan吗？(而不是依赖特定于供应商的驱动程序)
Vulkan被宣传为计算和图形API，但是我发现很少有用于计
浏览 0提问于2016-11-20得票数 37
回答已采纳
3回答
我正在学习OpenCL编程，并注意到一些奇怪的东西。
也就是说，当我在我的机器(Macbook Pro)上列出所有启用OpenCL的设备时，我会得到以下列表：
Intel(R) Core(TM) i7-4850HQ CPU @ 2.30GHz
Iris Pro
GeForce GT 750 m
第一个是我的CPU，第二个是英特尔的车载图形解决方案，第三个是我专用的图形卡。
研究表明，英特尔已经使他们的硬件OpenCL兼容，以便我可以利用车载图形单元的力量。那将是虹膜专业。
考虑到这一点，OpenCL兼容的目的是什么？这仅仅是为了方便，以便内核可以作为备份在CPU上运行，而不
浏览 6提问于2014-08-21得票数 7
回答已采纳
我在笔记本上安装了3种不同的OpenCL运行时：
GPU上的NVIDIA CUDA OpenCL
处理器上的Intel OpenCL SDK
POCL (也在CPU上)
因此，下面是clinfo结果的一部分
$ clinfo
Number of platforms 3
Platform Name Portable Computing Language
Platform Vendor T
浏览 4提问于2018-09-25得票数 0
3回答
在实验室中，我们有一个异构的集群设置，包括许多Intel CPU、几个AMD CPU和几个Nvidia GPU。
对于HPC开发，我知道我可以编写一次并在这个设置上到处运行的一件事是OpenCL (甚至不是Java ;)。但在实验室里，我们非常习惯于使用C或Fortran + MPI来开发完全在CPU上运行的程序，也许很少有人需要使用Nvidia节点来运行CUDA中的某些功能。
现在，在一个新项目的开始时，我认为能够在MPI + OpenCL中编写代码，并且能够在分布式处理中包括GPU和CPU，运行相同的OpenCL代码是非常好的。那么，是否建议OpenCL实现可以完成这样的任务？使用Inte
浏览 1提问于2015-02-02得票数 2
回答已采纳
我被告知，如果你在gpu计算方面足够熟练，那么性能没有差别。而库达的表现更好只是因为nvidia希望如此。我还读过图形api的计算着色器不如OpenCL/cuda好。我不明白计算着色器与Cuda/OpenCL有什么不同，为什么它们会慢(如果是)。我想知道这一点，因为OpenCL对我来说很难理解和设置。使用OpenGL计算着色器会有性能上的影响吗? Vulkan计算着色器会比OpenGL的性能更好吗？
浏览 0提问于2021-03-15得票数 2
回答已采纳
我有一个EC2实例。它的规格是：
g2.2xlarge Instance.
Intel(R) Xeon(R) CPU E5-2670 0 @ 2.60GHz
NVIDIA GRID GPU (Kepler GK104) with
Ubuntu 14.04 - 64 bit.
我有两个问题：
1.在此系统上安装了CUDA工具包后，在使用clinfo时有以下输出：
clinfo: /usr/local/cuda-8.0/targets/x86_64-linux/lib/libOpenCL.so.1: no version information available (required by cli
浏览 5提问于2016-12-12得票数 0
我希望能够在多个GPU系统上匹配由PCI in识别的系统中的OpenCL设备和GPU。
例如，如果我有一个具有多个GPU的系统，可能来自不同的供应商，我可以通过枚举PCI总线列出设备。这给了我PCI供应商、设备和总线ID。如果我选择其中一个(GPU) PCI设备用于基于某些选择标准的OpenCL计算，如何将其与OpenCL设备匹配？
我可以使用clGetDeviceID()枚举OpenCL中的GPU设备，但是没有明显的方法将OpenCL设备与PCI设备匹配。OpenCL函数clGetDeviceInfo()提供对PCI供应商ID和设备名称的访问，但不提供PCI设备或总线ID。我可以尝试将PCI
浏览 4提问于2011-09-01得票数 16
回答已采纳
2回答
我对堆栈溢出、sycl和gpu编程都很陌生.我有一个具有工作的基本sycl内核的项目。逻辑起作用了，所以我跳过了这个问题。在编译和执行过程中也没有错误。
现在最大的问题是sycl代码的调用非常慢。首先，我认为它是一些内存复制或类似的东西，所以我遗漏了任何东西，除了下面可以看到的内容(最简单的注释是代码在非最小内核时所处的位置)。
我的测量时间：(发布x64)
使用Visual调试器显示，空内核调用的函数总时间：~100 ms
使用Cuda Nsight，OpenCl的时间-内核执行：~5 us
内核gpu时间为5 us非常快，与预期的一个空内核。但是，c++函数在我的代码中的总
浏览 2提问于2020-05-09得票数 2
回答已采纳
首先:是否可以使用Java并让它(部分)在GPU上运行或使用GPU？如果可能，是否可以使用正常的Java语法，而不使用特殊的cuda或opencl语法？
我只想把我编码的java源代码，让它在GPU上以最小的改动运行。
我将非常感谢代码样本。
浏览 0提问于2011-06-24得票数 17
所以我想实现一个路径跟踪器，我混淆了GPGPU计算还是使用OpenGL的计算着色器。我已经使用GL的计算着色器实现了一个射线追踪器。
CUDA/OpenCL与CS的主要区别是什么？如果我喜欢一个而不是另一个，是否有可能看到一个显著的加速？我已经知道的一些主要区别是，使用CS将使其独立于供应商，这样我就可以在拥有Nvidia/Amd GPU的PC上运行它。CUDA支持递归，而openCL/opengl CS不支持递归。
还有哪些重要的功能会使人更喜欢opencl/cuda而不是CS？
浏览 0提问于2018-02-15得票数 2
回答已采纳
1回答
为GPU编程的最佳方法是什么？
我知道：
CUDA非常好，对开发人员的支持很高，并且进行了很好的zo调试，但只在NVidia硬件上使用。
OpenCL非常灵活，运行在NVidia、AMD和英特尔硬件上，运行在Accellerator、GPU和CPU上，但据我所知，NVidia不再支持它了。
香菜()，它将数据自动化系统转换为OpenCL
HIP 是由AMD制作的，有可能以一种方式转换成AMD和NVidia数据自动化系统。它还可以将CUDA转换为HIP。
OpenCL会更喜欢我的方式，我希望在硬件支持方面非常灵活。但如果不再得到NVidia的支持，这将是一次淘汰赛。HIP
浏览 14提问于2022-05-11得票数 2
回答已采纳
在使用TensorFlow时，我编写了以下代码来评估Python多处理的效果：
import tensorflow as tf
from multiprocessing import Process
mydevice = "/gpu:0"
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.01)
mrange = 1000
def myfun():
with tf.device(mydevice):
mm1 = tf.constant([[float(i) for i in rang
浏览 0提问于2016-07-28得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
