GPGPU

GPGPU 代表图形处理器上的通用计算。

OpenCL

OpenCL (开放计算语言) 是由非营利性联盟 Khronos Group 开发的开放、免版税的并行编程规范。

OpenCL 规范描述了一种编程语言、一个需要存在的通用环境以及一个 C API，使程序员能够调用此环境。

提示： clinfo 实用程序可用于列出 OpenCL 平台、存在的设备和 ICD 加载器属性。

运行时

要执行使用 OpenCL 的程序，需要安装兼容的硬件运行时。

AMD/ATI

opencl-clover-mesa 或 opencl-rusticl-mesa：使用 clover 和 rusticl 为 mesa 驱动程序提供 OpenCL 支持
rocm-opencl-runtime：AMD 的 ROCm GPU 计算堆栈的一部分，官方支持小范围的 GPU 型号（其他显卡可能在非官方或部分支持下工作）。为了支持 Vega 之前的显卡，您需要设置运行时变量 ROC_ENABLE_PRE_VEGA=1。这类似于但不完全等同于在 ubuntu 的 amdgpu-install 中指定 opencl=rocr，因为此软件包的 rocm 版本与 ubuntu 的安装程序版本不同。
opencl-legacy-amdgpu-pro^AUR：从 AMD 的 ubuntu 版本重新打包的旧版 Orca OpenCL。等同于在 ubuntu 的 amdgpu-install 中指定 opencl=legacy。
opencl-amd^AUR, opencl-amd-dev^AUR：从 AMD 的 Ubuntu 版本重新打包的 ROCm 组件。等同于在 ubuntu 的 amdgpu-install 中指定 opencl=rocr,legacy。
amdapp-sdk^AUR：AMD CPU 运行时

NVIDIA

opencl-clover-mesa 或 opencl-rusticl-mesa：使用 clover 和 rusticl 为 mesa 驱动程序提供 OpenCL 支持
opencl-nvidia：官方 NVIDIA 运行时

Intel

intel-compute-runtime：又名 Neo OpenCL 运行时，适用于 Gen12 (Alder Lake) 及更高版本 Intel HD Graphics GPU 的开源实现。
intel-compute-runtime-legacy^AUR：与上述相同，仅适用于 Gen11(Rocket Lake) 及更低版本
opencl-clover-mesa 或 opencl-rusticl-mesa：使用 clover 和 rusticl 为 mesa 驱动程序提供 OpenCL 支持
beignet^AUR：适用于 Gen7 (Ivy Bridge) 及更高版本 Intel HD Graphics GPU 的开源实现，已被 Intel 弃用，转而支持 NEO OpenCL 驱动程序，但仍然是旧硬件平台（例如 Ivy Bridge、Haswell）的推荐解决方案。
intel-opencl^AUR：适用于 Gen7 (Ivy Bridge) 及更高版本 Intel HD Graphics GPU 的专有实现，已被 Intel 弃用，转而支持 NEO OpenCL 驱动程序，但仍然是旧硬件平台（例如 Ivy Bridge、Haswell）的推荐解决方案。
intel-opencl-runtime^AUR：适用于 Intel Core 和 Xeon 处理器的实现。它也支持非 Intel CPU。

其他

pocl：基于 LLVM 的 OpenCL 实现（硬件无关）

有编译器和转换器可以使 OpenCL 应用程序在 Vulkan 运行时上运行。

clspv-git^AUR：Clspv 是 OpenCL C 子集到 Vulkan 计算着色器的原型编译器。
clvk-git^AUR：clvk 是基于 Vulkan 的 OpenCL 3.0 原型实现，使用 clspv 作为编译器。
xrt-bin^AUR：用于 FPGA 的 Xilinx 运行时 xrt
fpga-runtime-for-opencl：FPGA 运行时

32 位运行时

要执行使用 OpenCL 的 32 位程序，需要安装兼容的硬件 32 位运行时。

提示： clinfo 实用程序只能用于列出 64 位 OpenCL 平台、存在的设备和 ICD 加载器属性。对于 32 位，您需要为 32 位编译 clinfo，或使用 archlinux32 项目中的 32 位 clinfo。

AMD/ATI

lib32-opencl-clover-mesa 或 lib32-opencl-rusticl-mesa：适用于 AMD/ATI Radeon mesa 驱动程序的 OpenCL 支持（32 位）

NVIDIA

lib32-opencl-nvidia：NVIDIA 的 OpenCL 实现（32 位）

ICD 加载器 (libOpenCL.so)

OpenCL ICD 加载器应该是一个平台无关的库，它提供通过 OpenCL API 加载特定于设备的驱动程序的方法。大多数 OpenCL 供应商都提供他们自己的 OpenCL ICD 加载器实现，这些加载器都应该与其他供应商的 OpenCL 实现一起工作。不幸的是，大多数供应商没有提供完全最新的 ICD 加载器，因此 Arch Linux 已决定从一个单独的项目 (ocl-icd) 提供此库，该项目目前提供了当前 OpenCL API 的功能实现。

其他 ICD 加载器库作为每个供应商 SDK 的一部分安装。如果您想确保使用 ocl-icd 软件包中的 ICD 加载器，您可以在 /etc/ld.so.conf.d 中创建一个文件，将 /usr/lib 添加到动态程序加载器的搜索目录中

/etc/ld.so.conf.d/00-usrlib.conf

/usr/lib

这是必要的，因为所有 SDK 都通过 ld.so.conf.d 文件将其运行时的 lib 目录添加到搜索路径中。

包含各种 OpenCL ICD 的可用软件包有

ocl-icd：推荐，最新版本
intel-opencl^AUR 由 Intel 提供。提供 OpenCL 2.0，已被弃用，转而支持 intel-compute-runtime。

注意： ICD 加载器的供应商仅用于标识每个加载器，否则完全无关紧要。ICD 加载器是与供应商无关的，可以互换使用（只要它们实现正确）。

开发

对于 OpenCL 开发，所需的最基本附加软件包是

ocl-icd：OpenCL ICD 加载器实现，与最新的 OpenCL 规范同步。
opencl-headers：OpenCL C/C++ API 头文件。

供应商的 SDK 提供了大量的工具和支持库

intel-opencl-sdk^AUR：Intel OpenCL SDK（旧版本，新的 OpenCL SDK 包含在 INDE 和 Intel Media Server Studio 中）
amdapp-sdk^AUR：此软件包安装在 /opt/AMDAPP 中，除了 SDK 文件外，它还包含许多代码示例 (/opt/AMDAPP/SDK/samples/)。它还提供了 clinfo 实用程序，该实用程序列出系统中存在的 OpenCL 平台和设备，并显示有关它们的详细信息。由于 SDK 本身包含 CPU OpenCL 驱动程序，因此无需额外的驱动程序即可在 CPU 设备上执行 OpenCL（无论其供应商是谁）。
cuda：Nvidia 的 GPU SDK，其中包括对 OpenCL 3.0 的支持。

实现

要查看系统上当前处于活动状态的 OpenCL 实现，请使用以下命令

$ ls /etc/OpenCL/vendors

要找出系统上可用的 OpenCL 平台和设备的所有可能的（已知的）属性，安装 clinfo。

您可以使用 ocl-icd-choose^AUR 指定您的应用程序应看到的实现。例如

$ ocl-icd-choose amdocl64.icd:mesa.icd davinci-resolve-checker

Rusticl

本文或本节的事实准确性存在争议。

原因： 似乎 OCL_ICD_VENDORS 无法处理单个 icd 文件，尽管有手册。参见 https://github.com/OCL-dev/ocl-icd/issues/7#issuecomment-1522941979（在 Talk:GPGPU 中讨论）

Rusticl 是由 opencl-rusticl-mesa 提供的用 Rust 编写的新 OpenCL 实现。可以通过使用环境变量 RUSTICL_ENABLE=driver 启用它，其中 driver 是 Gallium 驱动程序，例如 radeonsi 或 iris。

或者，如果 OpenCL 应用程序仍然无法检测到 Rusticl，请使用以下环境变量

OCL_ICD_VENDORS=/etc/OpenCL/vendors/rusticl.icd

语言绑定

JavaScript/HTML5: WebCL
Python: python-pyopencl
D: cl4d 或 DCompute
Java: Aparapi 或 JOCL (JogAmp 的一部分)
Mono/.NET: Open Toolkit
Go: Go 的 OpenCL 绑定
Racket: Racket 有一个原生接口 on PLaneT，可以通过 raco 安装。
Rust: ocl
Julia: OpenCL.jl

SYCL

根据 Wikipedia:SYCL

SYCL 是一种更高层次的编程模型，旨在提高各种硬件加速器上的编程效率。它是一种基于纯 C++17 的单源嵌入式领域特定语言 (eDSL)。

SYCL 是一个免版税的跨平台抽象层，它建立在受 OpenCL 启发的底层概念、可移植性和效率之上，使异构处理器的代码能够使用完全标准的 C++ 以“单源”风格编写。SYCL 实现了单源开发，其中 C++ 模板函数可以同时包含主机代码和设备代码，以构建使用硬件加速器的复杂算法，然后在不同的数据类型上在其源代码中重用它们。

虽然 SYCL 标准最初是作为 OpenCL 工作组的更高层次编程模型子组开始的，并且最初是为与 OpenCL 和 SPIR 一起使用而开发的，但自 2019 年 9 月 20 日起，SYCL 已成为独立于 OpenCL 工作组的 Khronos Group 工作组，并且从 SYCL 2020 开始，SYCL 已被推广为更通用的异构框架，能够以其他系统为目标。现在，通过通用后端的概念，可以以任何加速 API 为目标，同时实现与目标 API 的完全互操作性，例如使用现有的本机库来达到最大性能，同时简化编程工作。例如，Open SYCL 实现通过 AMD 的跨供应商 HIP 以 ROCm 和 CUDA 为目标。

实现

computecpp^AUR Codeplay 的 SYCL 1.2.1 专有实现。可以将 SPIR、SPIR-V 和实验性的 PTX (NVIDIA) 作为设备目标（支持于 2023 年 9 月 1 日结束，将合并到 intel llvm 实现中来源）。
trisycl-git^AUR：主要由 Xilinx 驱动的开源实现。
hipsycl-cuda-git^AUR 和 hipsycl-rocm-git^AUR：AdaptiveCpp，SYCL 和 C++ 标准并行性的实现，适用于所有供应商的 CPU 和 GPU，从 AMD 的 hipSYCL 重命名而来。
intel-oneapi-dpcpp-cpp：Intel 的 Data Parallel C++：SYCL 的 oneAPI 实现。

检查 SPIR 支持

大多数 SYCL 实现都能够将加速器代码编译为 SPIR 或 SPIR-V。两者都是 Khronos 设计的中间语言，可以被 OpenCL 驱动程序使用。要检查是否支持 SPIR 或 SPIR-V，可以使用 clinfo

$ clinfo | grep -i spir

Platform Extensions                             cl_khr_icd cl_khr_global_int32_base_atomics cl_khr_global_int32_extended_atomics cl_khr_local_int32_base_atomics cl_khr_local_int32_extended_atomics cl_khr_byte_addressable_store cl_khr_depth_images cl_khr_3d_image_writes cl_intel_exec_by_local_thread cl_khr_spir cl_khr_fp64 cl_khr_image2d_from_buffer cl_intel_vec_len_hint 
  IL version                                    SPIR-V_1.0
  SPIR versions                                 1.2

ComputeCpp 另外附带了一个工具，总结了相关的系统信息

$ computecpp_info

Device 0:

  Device is supported                     : UNTESTED - Untested OS
  CL_DEVICE_NAME                          : Intel(R) Core(TM) i7-4770K CPU @ 3.50GHz
  CL_DEVICE_VENDOR                        : Intel(R) Corporation
  CL_DRIVER_VERSION                       : 18.1.0.0920
  CL_DEVICE_TYPE                          : CL_DEVICE_TYPE_CPU

本文或本节已过时。

原因： AMD 的驱动程序是 opencl-legacy-amdgpu-pro^AUR 还是 opencl-amd^AUR？（在 Talk:GPGPU 中讨论）

已知至少部分支持 SPIR 或 SPIR-V 的驱动程序包括 intel-compute-runtime、intel-opencl-runtime^AUR、pocl 和 amdgpu-pro-opencl^AUR^{[链接已损坏：未找到软件包]}。

开发

SYCL 需要设置一个可用的 C++11 环境。有一些可用的开源库

ComputeCpp SDK：代码示例集合，ComputeCpp 的 cmake 集成
SYCL-DNN：神经网络性能原语
SYCL-BLAS：线性代数性能原语
VisionCpp：计算机视觉库
SYCL Parallel STL：C++17 并行算法的 GPU 实现

CUDA

CUDA (Compute Unified Device Architecture) 是 NVIDIA 的专有、闭源并行计算架构和框架。它需要 NVIDIA GPU，并由几个组件组成

必需
- 专有的 NVIDIA 内核模块
- CUDA “驱动程序”和“运行时”库
可选
- 附加库：CUBLAS、CUFFT、CUSPARSE 等。
- CUDA 工具包，包括 nvcc 编译器
- CUDA SDK，其中包含许多 CUDA 和 OpenCL 程序的代码示例和示例

内核模块和 CUDA “驱动程序”库在 nvidia 和 opencl-nvidia 中发布。“运行时”库和 CUDA 工具包的其余部分在 cuda 中可用。cuda-gdb 需要安装 ncurses5-compat-libs^AUR，请参阅 FS#46598。

开发

cuda 软件包将所有组件安装在目录 /opt/cuda 中。/etc/profile.d/cuda.sh 中的脚本设置了相关的环境变量，以便所有支持 CUDA 的构建系统都可以找到它。

要查找安装是否成功以及 CUDA 是否正在运行，您可以编译 CUDA 示例。检查安装的一种方法是运行 deviceQuery 示例。

语言绑定

Fortran: PGI CUDA Fortran 编译器
Haskell: accelerate 软件包列出了可用的 CUDA 后端
Java: JCuda
Mathematica: CUDAlink
Mono/.NET: CUDAfy.NET, managedCuda
Perl: KappaCUDA, CUDA-Minimal
Python: python-pycuda
Ruby: rbcuda
Rust: Rust-CUDA。未维护：cuda-sys (绑定), RustaCUDA (高级封装器)。

ROCm

ROCm (Radeon Open Compute) 是 AMD 的开源并行计算架构和框架。虽然它需要 AMD GPU，但某些 ROCm 工具是硬件无关的。有关更多信息，请参阅 ROCm for Arch Linux 存储库。

rocm-hip-sdk：使用 HIP 和库为 AMD 平台开发应用程序。
rocm-opencl-sdk：为 AMD 平台开发基于 OpenCL 的应用程序。

HIP

Heterogeneous Interface for Portability (HIP) 是 AMD 专用的 GPU 编程环境，用于在 GPU 硬件上设计高性能内核。HIP 是一个 C++ 运行时 API 和编程语言，允许开发人员在不同平台上创建可移植的应用程序。

rocm-hip-runtime：基本运行时，用于在 AMD 平台上运行 HIP 应用程序的软件包。
hip-runtime-amd：ROCm 中用于 AMD GPU 的异构接口。支持从 polaris 架构（RX 500 系列）到 AMD 最新的 RDNA 2 架构（RX 6000 系列）的 GPU
miopen-hip：AMD 的开源深度学习库，带有 HIP 后端。
hip-runtime-nvidia：ROCm 中用于 NVIDIA GPU 的异构接口。

提示： 有关将 HIP 与 Blender 一起使用的更多信息，请参见此处。

OpenMP

openmp-extras^AUR 软件包提供了 AOMP - 一个基于 Clang/LLVM 的开源编译器，增加了对 AMD GPU 上 OpenMP API 的支持。

OpenCL

软件包 rocm-opencl-runtime 是 ROCm 框架的一部分，提供 OpenCL 运行时。

OpenCL 图像支持

最新的 ROCm 版本现在包含 OpenCL 图像支持，该支持被 GPGPU 加速软件（如 Darktable）使用。ROCm 与 AMDGPU 开源图形驱动程序是所有必需的。不需要 AMDGPU PRO。

$ /opt/rocm/bin/clinfo | grep -i "image support"

Image support                                   Yes

故障排除

首先检查您的 GPU 是否在 /opt/rocm/bin/rocminfo 中显示。如果未显示，则可能意味着 ROCm 不支持您的 GPU，或者它在构建时未包含对您的 GPU 的支持。

PyTorch

要将 PyTorch 与 ROCm 一起使用，请安装 python-pytorch-rocm

$ python -c 'import torch; print(torch.cuda.is_available())'

True

ROCm 伪装成 CUDA，所以这应该返回 True。如果不是，则可能是它没有使用您的 GPU 支持编译，或者您可能有冲突的依赖项。您可以通过查看 ldd /usr/lib/libtorch.so 来验证这些 - 不应有任何丢失的 .so 文件，也不应有相同 .so 的多个版本。

GPGPU 加速软件列表

此文章或章节需要扩充。

原因： 更多应用程序可能支持 GPGPU。（在 Talk:GPGPU 中讨论）

Bitcoin
Blender – Nvidia GPU 的 CUDA 支持和 AMD GPU 的 HIP 支持。更多信息请点击此处。
BOINC
FFmpeg – 更多信息请点击此处。
Folding@home
GIMP – 实验性功能 – 更多信息请点击此处。
HandBrake
Hashcat
LibreOffice Calc – 更多信息请点击此处。
mpv - 参见 mpv#硬件视频加速。
clinfo – 查找系统上可用的 OpenCL 平台和设备的全部可能（已知）属性。
cuda_memtest^AUR – GPU 内存测试。尽管名称如此，但它同时支持 CUDA 和 OpenCL。
darktable – OpenCL 功能需要 GPU 上至少 1 GB 的 RAM 和图像支持（检查 clinfo 命令的输出）。
DaVinci Resolve - 一款非线性视频编辑器。可以使用 OpenCL 和 CUDA。
imagemagick
lc0^AUR - 用于搜索神经网络（支持 tensorflow、OpenCL、CUDA 和 openblas）
opencv
pyrit^AUR
python-pytorch-cuda - 带有 CUDA 后端的 PyTorch
tensorflow-cuda - TensorFlow 的 CUDA 端口
tensorflow-computecpp^AUR - TensorFlow 的 SYCL 端口
xmrig - 高性能 CryptoNote CPU 和 GPU (OpenCL, CUDA) 矿工

参见