OpenCLでベクトル和を高速化するには3

倍精度.txt

https://github.com/aokomoriuta/StudiesOfOpenCLWithCloo/tree/master/VectorAddition/UseHostPointer の倍精度の結果

単精度と傾向は同じ。
ただしやはり加速率は倍精度のほうが上。

= ベクトル加算の試験 =
ホストポインタの使用有無での比較

プラットフォーム：NVIDIA CUDA (OpenCL 1.1 CUDA 4.1.1)
デバイス数：2
* GeForce GTX 295 (NVIDIA Corporation)
* GeForce GTX 295 (NVIDIA Corporation)

== 実行速度計測開始 ==
要素数：15728640 (120[MB])
単一CPU                          :    341589915
複数CPU                          :    351735945
単一GPU（ホスト）  データ転送あり:    453873090
単一GPU（ホスト）  データ転送なし:    404896313
複数GPU（ホスト）  データ転送あり:    671939873
複数GPU（ホスト）  データ転送なし:    173534370
単一GPU（非ホスト）データ転送あり:    649020435
単一GPU（非ホスト）データ転送なし:    626841015
複数GPU（非ホスト）データ転送あり:    282875287
複数GPU（非ホスト）データ転送なし:    163555582

単精度.txt

https://github.com/aokomoriuta/StudiesOfOpenCLWithCloo/tree/master/VectorAddition/UseHostPointer の単精度の結果

単一GPUの場合は、ホストポインタ使ったほうが速い。プラットフォーム側で転送の最適化でもされているっぽい？

対して、複数GPUの場合は、ホストポインタ使わないほうが速く、特にデータ転送が高速化されているところを見るに、たぶんホストポインタを使うと、使ってないデータ（別のデバイスが計算する領域）まで転送しているんじゃないかという疑惑がある。

最終的に最も高速なのは「複数GPUでホストポインタを使わない」場合だった。

= ベクトル加算の試験 =
ホストポインタの使用有無での比較

プラットフォーム：NVIDIA CUDA (OpenCL 1.1 CUDA 4.1.1)
デバイス数：2
* GeForce GTX 295 (NVIDIA Corporation)
* GeForce GTX 295 (NVIDIA Corporation)

== 実行速度計測開始 ==
要素数：20971520 (80[MB])
単一CPU                          :    248091158
複数CPU                          :    251874593
単一GPU（ホスト）  データ転送あり:    233968642
単一GPU（ホスト）  データ転送なし:    198287303
複数GPU（ホスト）  データ転送あり:    450451185
複数GPU（ホスト）  データ転送なし:    107242357
単一GPU（非ホスト）データ転送あり:    424227757
単一GPU（非ホスト）データ転送なし:    418311525
複数GPU（非ホスト）データ転送あり:    176744686
複数GPU（非ホスト）データ転送なし:    106876590