float4 -乘-添加性能提示

如果你只使用灰度图像，你可以实现你自己的'read_imagef()'，它只读取图像的一个通道，这样你处理的一切都是float。

因为您的数据可能在内存中作为RGBRGB...交错。仅加载R通道可能与加载所有通道花费相同的时间。它是struct情境数组。你可以在这里找到更多细节。

Structure of Arrays vs . Array of Structures in cuda

给定数据布局，您可以加载float4/float3，从中提取float的一个通道，然后对提取的float进行计算。

内核在float4

上执行许多乘法加操作

我不明白为什么你的内核必须在float4上做这些操作。也许你想展示一些代码来演示。

如果它返回float4，并且如果它在与float3相同数量的内存操作中完成，那么它将具有相同的延迟。mad操作的延迟比内存操作要短得多。

据我所知，没有float3硬件，所以如果是标量微架构(如新的gpu)，您可以逐个计算3个元素。如果它是vliw-4，那么它将同时使用第4个元素，无论是否使用，它将具有相同的速度

很难在这里具体说明，因为它取决于它是什么硬件以及您对图像内容所做的操作-您可能最好将图像处理为字节的普通缓冲区(使用您自己的浮点数转换，但这有增加更多CL代码的风险，并减少使用纹理单元在GPU中为您进行转换，假设有HW为此)。

另一种选择是执行四个readimage_f调用，并将值"合并"到一个float4中，进行数学计算，并拆分结果。

不幸的是，尽管OpenCL是"可移植的"，但它并不是"具有已知性能的可移植的"，所以在一个OpenCL实现中工作良好的东西，可能在另一个OpenCL实现中不起作用，并且为了性能而调整/调整算法需要对整个体系结构有很好的理解。