CUDA和OpenCL异同点比较
一、概述
对CUDA和opencl有一定的编程经验，但是细心的人可以发现，OPENCL就是仿照CUDA来做的。既然两个GPU的编程框架如此相像，那么他们究竟有什么不同呢？下面就一一道来。
二、数据并行的模型
OpenCL采用的数据并行模型就是采用CUDA的数据并行模型。下面的表格反应了CUDA和opencl并行模型之间的映射关系。
OpenCL | CUDA |
Kernel函数 | Kernel函数 |
主机程序 | 主机程序 |
N-DRange | 网格 |
工作项 | 线程 |
工作组 | 线程块 |
说道N-DRange、工作项和工作组，这里CUDA和opencl十分相似，甚至可以说是一样的，在设备端的程序中，CUDA主要是通过预定义的变量进行访问，而OpenCL是通过预定义的API访问。具体的比较如下表：
OPENCL | 含义 | CUDA |
get_global_id(0) | 工作项在X维度上的全局索引 | blockIdx.x*blockDim.x+threadIdx.x |
get_local_id(0) | 工作项在工作组中X维度上的局部索引 | threadIdx.x |
get_global_size(0) | N-DRange中X维度的大小，即线程数量 | gridDim.x*blockDim.x |
get_local_size(0) | 每个工作组X维度上的大小 | blockDim.x |
三、设备体系结构
CUDA和OpenCL类似，都是异构并行计算系统。系统中有一台主机和一个或多个计算设备。关于计算设备，CUDA中叫做多喝流处理器（SM），而OpenCL中叫做计算单元（CU）。另外，在OpenCL中一个CU在CPU中相当于CPU的一个内核。
另外，CUDA和OpenCL之间在内存模型上有一些相似的地方，也有一些不同的地方，具体见下表：
OpenCL存储器类型 | 主机访问 | 设备访问 | CUDA存储器类型 |
全局存储器 | 动态分配；读写 | 不能分配；可以被所有的工作项访问，空间大；速度慢 | 全局存储器 |
常数存储器 | 动态分配；读写 | 静态分配，工作项只读 | 常数存储器 |
局部存储器 | 动态分配；不能访问 | 静态分配；同一个工作组的工作项访问 | 局部存储器 |
私有存储器 | 不能分配；不能访问 | 静态分配；每一个工作项可读写自己的部分 | 寄存器和局部存储器 |
有几点不同的地方，OpenCL可以再主机端动态的分配常数存储器；OpenCL中的私有存储器对应于CUDA中的自动变量。
四、核函数以及启动
OpenCL中核函数以__kernel开头，对应于CUDA中的__global__。另外，在程序编译方面，CUDA是先编译设备上的代码，然后执行；而OpenCL是在运行时编译。OpenCL启动核函数是通过运行时API调用的，而CUDA是直接通过函数名<<<dimGrid,dimBlock>>>启动的。最后，N-DRange（网格）配置有所不同，CUDA是在函数调用时夹在<<<和>>>之间的参数配置的；OpenCL是用调用clEnqueueNDRangeKernel函数时配置的。
五、最后
CUDA和OpenCL之间十分相似，可以说学好一个之后很容易转到另外一个，推荐先学习CUDA，然后学习OpenCL。另外，还有什么不全的地方也希望大家多多指点！