Кто знает почему время работы модуля с использованием opencl на одной и той же платформе уменьшилось при увеличении массива данных?

Question

[aricents]

при a = np.arange(8000).astype(np.float32)


а при a = np.arange(80000).astype(np.float32) такое


вообщем первое 172409*7.33063e-07 s, а второе 154627*7.33063e-07 s, как такое может быть учитывая что размер массива первого 8000, а второго 80000?
Эти вычисления проводились на следующей платформе:
pyopencl.Device 'Intel(R) Core(TM) i3-2365M CPU @ 1.40GHz' on 'Intel(R) OpenCL'

Comments

[aricents]

Вот еще при запуске той же программы, с теми же входными данными разные результаты по времени выполнения, с чем это связано?

Answer 1

[Владимир Мартьянов]

Поскольку это CPU, на время выполнения будет влиять общая загрузка процессора. И для CPU абсолютно нормально что время от раза к разу гуляет. В общем, 0,07 секунды разницы - не показатель.

Comments

[aricents]

На GPU проверял - та же тема, значит проблема аналогична со случаем с CPU?

[Владимир Мартьянов]

aricents: Абсолютно аналогична: 99% времени выполняется код хоста (а не ocl-ядра), код выполняется на CPU и следовательно см. выше. Если же вас интересует время выполнения ядра - см. 27-ю строку листинга. Увеличение объема задачи приводит к увеличению времени выполнения ЯДРА.

[aricents]

vilgeforce: спасибо , но еще вопрос, почему в строке 27, при например
a = np.arange(8000000).astype(np.float32)
функция на CPU 497*7.33063e-07 s, а на GPU 36071*7.33063e-07 s, а разница в общем времени выполнения всей функции, составляет всего навсего 0.01 сотую в пользу GPU, это нормально?

[Владимир Мартьянов]

aricents: А все потому же: меряете вы общее время выполнения кода, а не ядра отдельно.

[aricents]

vilgeforce: спасибо это решение.