C++如何使用C++ AMP或SYCL进行异构计算_C++异构计算与GPU/加速器编程-C++-PHP中文网

C++如何使用C++ AMP或SYCL进行异构计算_C++异构计算与GPU/加速器编程

穿越時空

发布： 2025-11-14 00:23:31

原创

763人浏览过

C++ AMP已被弃用，推荐使用SYCL进行异构计算。SYCL基于标准C++，支持跨平台GPU加速，具有单源编程、广泛硬件兼容和活跃生态优势，是现代高性能计算的首选方案。

c++如何使用c++ amp或sycl进行异构计算_c++异构计算与gpu/加速器编程

在现代高性能计算场景中，利用GPU或其他加速器进行并行计算已成为提升程序性能的关键手段。C++ 提供了多种方式支持异构计算，其中 C++ AMP 和 SYCL 是两个重要的编程模型，允许开发者使用标准 C++ 语法直接编写运行在 CPU 和 GPU 上的代码。

C++ AMP：微软推出的异构编程模型

C++ AMP（Accelerated Massive Parallelism）是微软为 Visual Studio 开发的一套基于 DirectX 的异构计算扩展，主要适用于 Windows 平台上的 GPU 加速。

特点：

集成在 Visual Studio 中，依赖 DirectX 11 或更高版本
语法简洁，使用 concurrency 命名空间中的 API
仅支持 NVIDIA 和部分 AMD 显卡（通过 WDDM 驱动）
目前已被弃用，不再推荐用于新项目

简单示例：

#include <amp.h>
using namespace concurrency;

std::vector<int> a = {1, 2, 3, 4};
std::vector<int> b = {5, 6, 7, 8};
std::vector<int> result(4);

array_view<const int, 1> av(4, a);
array_view<const int, 1> bv(4, b);
array_view<int, 1> rv(4, result);

parallel_for_each(rv.extent, [=](index<1> idx) restrict(amp) {
    rv[idx] = av[idx] + bv[idx];
});

rv.synchronize(); // 将结果从设备同步回主机

登录后复制

注意：restrict(amp) 表示该 lambda 只能在支持 AMP 的设备上执行，且只能调用有限的运行时函数。

SYCL：跨平台的单源异构编程标准

SYCL（发音为 “sickle”）是由 Khronos Group 推出的基于标准 C++ 的高级抽象层，可在 OpenCL、CUDA、HIP 等后端上运行，支持跨平台异构计算。

立即学习“C++免费学习笔记（深入）”；

算家云

高效、便捷的人工智能算力服务平台

查看详情

优势：

单源编程：主机和设备代码写在同一文件中
完全基于标准 C++17/20，无需专用编译器扩展（但需要支持 SYCL 的编译器）
支持 Intel、AMD、NVIDIA GPU 以及 CPU
开源实现丰富，如 DPC++（Intel）、AdaptiveCpp（以前叫 hipSYCL）

基本结构示例（使用 DPC++）：

#include <CL/sycl.hpp>
#include <vector>

namespace sycl = cl::sycl;

int main() {
    std::vector<int> a = {1, 2, 3, 4};
    std::vector<int> b = {5, 6, 7, 8};
    std::vector<int> result(4);

    sycl::queue q(sycl::default_selector_v); // 自动选择最优设备

    sycl::buffer<int, 1> buf_a(a.data(), sycl::range<1>(4));
    sycl::buffer<int, 1> buf_b(b.data(), sycl::range<1>(4));
    sycl::buffer<int, 1> buf_result(result.data(), sycl::range<1>(4));

    q.submit([&](sycl::handler& h) {
        auto acc_a = buf_a.get_access<sycl::access::mode::read>(h);
        auto acc_b = buf_b.get_access<sycl::access::mode::read>(h);
        auto acc_result = buf_result.get_access<sycl::access::mode::write>(h);

        h.parallel_for(sycl::range<1>(4), [=](sycl::id<1> idx) {
            acc_result[idx] = acc_a[idx] + acc_b[idx];
        });
    });

    q.wait(); // 等待任务完成
}

登录后复制

在这个例子中，数据通过 sycl::buffer 管理，自动在主机与设备间传输；内核函数以 lambda 形式传递给 parallel_for，由 SYCL 运行时调度到选定设备执行。