转自：http://blog.sina.com.cn/s/blog_735f29100101fsky.html
首先声明我这篇主要是根据下面网站的介绍， 加以修改和详细描述，一步一步在我自己的电脑上实现的，
http://www.cmnsoft.com/wordpress/?tag=opencl&paged=2
首先要将显卡驱动更新到最新版，以支持opencl 。要看显卡支不支持opencl，可以下一个 GPU_Caps_Viewer_Setup 软件看一看
首先要下载安装opencl库。我这里下载的是英特尔的。英伟达和AMD的也都差不多。
首先下载INTEL版的opencl驱动：
https://software.intel.com/en-us/articles/opencl-drivers
直接安装即可。
然后下载intel版本的opencl开发工具包
https://software.intel.com/en-us/vcsource/tools/opencl-sdk
我这里默认安装到
G:\Program Files\Intel\OpenCL SDK
目录下。
安装完成后
G:\ProgramFiles\Intel\OpenCL SDK\3.0
目录下出现以下文档（
include和lib等）
安装好VC 2012
Alt+F7进行属性设置，或者建完项目后右键项目进行属性设置。
新建Win控制台空项目。右键进行属性设置。
在属性页里面找到“C/C++”的“常规”项，点击，右边有“附加包含目录”，然后编辑，添加目录：
.在属性页里面找到“连接器”，点击其“常规”项，右边有“附加库目录”，然后也是编辑，添加目录：
在输入选项只用，右边“附加依赖项”，编辑，添加lib文件：OpenCL.lib
这里要注意一点，如果你用的是64位的系统的话，如果你把OpenCL.lib 的目录指定为....../
/lib/x64的话，很很可能还是不能正常编译。这是因为
A fresh install of Visual Studio (even 2010) uses 32-bit bydefault, so unless you've explicitly set your project to be 64-bit(in configuration manager -> platform -> x64) it will be32-bit.
所以说如果编译不能正常通过的话试着把
OpenCL.lib 的目录指定为....../
/lib/x86 或者
....../
/lib/Win32试试。
但是目录还是C:\Program Files
不是C:\ProgramFiles(x86)
比如如果用NVDIA 的CUDA可以这样设定目录
C:\Program Files\NVIDIA GPUComputing Toolkit\CUDA\v7.0\lib\Win32
然后添加源文件，源文件如下：
#include
#include //包含CL的头文件
using namespace std;
//根据参数，判断设备类别。是CPU、GPU、ACCELERATOR或其他设备
const char* GetDeviceType(cl_device_typeit)
{
if(it== CL_DEVICE_TYPE_CPU)
return "CPU";
elseif(it== CL_DEVICE_TYPE_GPU)
return "GPU";
elseif(it==CL_DEVICE_TYPE_ACCELERATOR)
return "ACCELERATOR";
else
return "DEFAULT";
}
int main()
{
chardname[512];
cl_device_id devices[20];
cl_platform_id* platform_id = NULL;
cl_uint num_devices;
cl_device_type int_type;
cl_ulong long_entries;
cl_uint num_platform;
cl_interr;
//查询系统上可用的计算平台，可以理解为初始化
err =clGetPlatformIDs(0,NULL,&num_platform);
if(err!=CL_SUCCESS)
{
cout<<"clGetPlatformIDserror"<<endl;
return 0;
}
cout<<"PlatFormnum:"<<num_platform<<endl;
unsigned int st=0;
platform_id = newcl_platform_id[num_platform];
err =clGetPlatformIDs(num_platform,platform_id,NULL);
if(err!=CL_SUCCESS)
{
cout<<"clGetPlatformIDserror"<<endl;
return 0;
}
for(st=0;st
{
cout<<endl<<"----------------------------------"<<endl;
cout<<"Platform"<<st+1<<endl;
//获取可用计算平台的名称
clGetPlatformInfo(platform_id[st],CL_PLATFORM_NAME,512,dname,NULL);
cout<<"CL_PLATFORM_NAME:"<<dname<<endl;
//获取可用计算平台的版本号,即OpenCL的版本号
clGetPlatformInfo(platform_id[st],CL_PLATFORM_VENDOR,512,dname,NULL);
cout<<"CL_PLATFORM_VERSION:"<<dname<<endl;
//获取可用计算平台的设备数目
clGetDeviceIDs(platform_id[st],CL_DEVICE_TYPE_ALL,20,devices,&num_devices);
cout<<"Devicenum:"<<num_devices<<endl<<endl;
unsigned int n=0;
//循环两次，检测两个设备的属性
for(n=0;n
{
cout<<endl<<"Device"<<n+1<<endl;
//获取设备名称
clGetDeviceInfo(devices[n],CL_DEVICE_NAME,512,dname,NULL);
cout<<"Device:"<<dname<<endl;
//获取设备类别
clGetDeviceInfo(devices[n],CL_DEVICE_TYPE,sizeof(cl_device_type),&int_type,NULL);
cout<<"DeviceType:"<<GetDeviceType(int_type)<<endl;
//获取设备版本号
clGetDeviceInfo(devices[n],CL_DRIVER_VERSION,512,dname,NULL);
cout<<"Deviceversion:"<<dname<<endl;
//获取设备全局内存大小
clGetDeviceInfo(devices[n],CL_DEVICE_GLOBAL_MEM_SIZE,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device globalmem(MB):"<<long_entries/1024/1024<<endl;
//获取设备CACHE内存大小
clGetDeviceInfo(devices[n],CL_DEVICE_GLOBAL_MEM_CACHE_SIZE,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device global memcache(KB):"<<long_entries/1024<<endl;
//获取本地内存大小
clGetDeviceInfo(devices[n],CL_DEVICE_LOCAL_MEM_SIZE,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device Locale mem(KB):"<<long_entries/1024<<endl;
//获取设备频率
clGetDeviceInfo(devices[n],CL_DEVICE_MAX_CLOCK_FREQUENCY,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device Max clock(MHz):"<<long_entries<<endl;
//获取最大工作组数
clGetDeviceInfo(devices[n],CL_DEVICE_MAX_WORK_GROUP_SIZE,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device Max Group size:"<<long_entries<<endl;
//获取最大计算核心数
clGetDeviceInfo(devices[n],CL_DEVICE_MAX_COMPUTE_UNITS,sizeof(cl_ulong),&long_entries,NULL);
cout<<"Device Max parallelcores:"<<long_entries<<endl;
}
}
return0;
}
以上程序是检测当前计算机的可用计算平台的相关信息，运行结果如下。
提示复制本代码，编译后若发现提示：
检测到 Mac 文件格式: 请将源文件转换为 DOS 格式或UNIX 格式， 则
在VS中，点文件->高级保存选项，然后在行尾选项中选择windows(CRLF)，重新编译，ok。
还有在查找替换时，在查找选项中启用 正则表达式选项 ，注意windows下的换行符是 /n而不是\n
opencl编码流程
摘自opencl异构计算：
（1）初始化opencl 平台(调用两次clGetPlatformIDs函数）
第一次获取可用的平台数量，第二次获取一个可用的平台。
（2） 选择设备(调用两次clGetDeviceIDs函数）
第一次获取可用的设备数量，第二次获取一个可用的设备。
（3）创建上下文(调用clCreateContext函数）
Context：环境上下文，一个Context包含几个device（单个Cpu或GPU），一个Context就是这些device的一个联系纽带，只有在一个Context上的那些Device才能彼此交流工作，你的机器上可以同时存在很多Context。你可以用一个CPu创建context，也可以用一个CPU和一个GPU创建一个。
（4）创建命令队列(调用clCreateCommandQueue函数）
（5）创建数据缓冲区(调用clCreateBuffer函数）
（6）将 host数据写进设备缓冲区(调用clEnqueueWriteBuffer函数）
（7）创建程序对象(调用clCreateProgramWithSource函数）并编译内核源码（调用clBuildProgram函数,如果编译成功，则把编译代码存储在程序对象中）
（8）创建kernel(调用clCreateKernel函数）
（9）设置内核参数(调用clSetKernelArg函数）
（10）Configure the work-itemstructure(设置worksize）//只在分组的时候用到，只调用全局id的时候不要设置
（11）内核入队执行(调用clEnqueueNDRangeKernel函数）
（12）取回计算结果。Read the output buffer back to thehost(调用clEnqueueReadBuffer函数）
（13）Release OpenCL resources（至此结束整个运行过程）
中间有很多地方需要结合实际情况进行设定。
//step 1:初始化OpenCL
err =clGetPlatformIDs(1,&platform_id,NULL);
if(err!=CL_SUCCESS)
{
cout<<"clGetPlatformIDserror"<<endl;
return 0;
}
step2:创建上下文。这次我们只用CPU来进行并行运算，当然你也可以该成GPU
clGetDeviceIDs(platform_id,CL_DEVICE_TYPE_CPU,1,&device,NULL);
//step3:创建上下文
context =clCreateContext(NULL,1,&device,NULL,NULL,NULL);
//step4:创建命令队列
cmdQueue =clCreateCommandQueue(context,device,0,NULL);
//step5:创建数据缓冲区,即创建内存对象，内存对象分配在设备内存中，可以有内核函数直接调用
bufferA =clCreateBuffer(context,
CL_MEM_READ_ONLY,
datasize,NULL,NULL);
bufferB =clCreateBuffer(context,
CL_MEM_READ_ONLY,
datasize,NULL,NULL);
//step6:将数据上传到缓冲区,注意这里只传A，相当于赋值，B 是结果，不需要初始化了
clEnqueueWriteBuffer(cmdQueue,
bufferA,CL_FALSE,
0,datasize,
buf_A,0,
NULL,NULL);
//step7:由内核源代码创建程序对象.
program =clCreateProgramWithSource(context,1,
(constchar**)&buf_code,
NULL,NULL);
//调用clBuildProgram函数,编译内核源代码。如果编译成功，则把编译代码存储在程序对象中
clBuildProgram(program,1,&device,NULL,NULL,NULL);
//step 8：创建内核对象
kernel =clCreateKernel(program,"transposition",NULL);
//step9:设置参数，执行内核
clSetKernelArg(kernel,0,sizeof(cl_mem),&bufferA);
clSetKernelArg(kernel,1,sizeof(cl_mem),&bufferB);
//step10:内核入队执行。注意这里第三个参数已经改成2，表示二维数据。
clEnqueueNDRangeKernel(cmdQueue,kernel,
2,NULL,
globalWorkSize,
NULL,0,NULL,NULL);
//step11:取回计算结果
clEnqueueReadBuffer(cmdQueue,bufferB,CL_TRUE,0,
datasize,buf_B,0,NULL,NULL);
//输出计算结果
for(n=0;n
{
for(m=0;m
{
cout<< buf_A[m][n] <<",";
}
cout<<endl;
}
cout<<endl<<"====transposition===="<<endl<<endl;
for(n=0;n
{
for(m=0;m
{
cout<< buf_B[m][n] <<",";
}
cout<<endl;
}
//step12:释放所有调用和内存
clReleaseKernel(kernel);
clReleaseProgram(program);
clReleaseCommandQueue(cmdQueue);
clReleaseMemObject(bufferA);
clReleaseMemObject(bufferB);
clReleaseContext(context);
deletebuf_code;
return 0;
