我需要一个OpenCL内核迭代地更新缓冲区并返回结果。澄清： 将内容的初始缓冲区发送到内核 内核/工作者更新缓冲区中的每个元素 主机代码读取结果——希望是异步的，尽管我不确定如何在不阻塞内核的情况下执行此操作 内核再次运行，再次更新每个元素，但新值取决于以前的值 重复一定次数的迭代 到目前为止，我已经能够通过提供输入和输出缓冲区，在内核完成执行时将输出复制回输入，然后重新启动内核来伪装这一点。由于缓冲区相当大（~1GB），这似乎是对时间的巨大浪费和对有限内存带宽的滥用 有什么建议/例子吗？我是O

有没有研究将OpenCL与OpenMP性能进行比较？我特别感兴趣的是使用OpenCL启动线程的开销成本，例如，如果要将域分解为大量单独的工作项（每个工作项都由一个执行小任务的线程运行），而OpenMP中较重的线程是将域分解为数量等于核心数目的子域 OpenCL编程模型似乎更倾向于大规模并行芯片（例如GPU），而不是具有更少但更强大内核的CPU OpenCL能有效替代OpenMP吗？我所看到的基准测试表明，在同一硬件上运行的OpenCL和OpenMP在性能上通常相当，或者OpenMP的性能稍好一些

我正在与opencl合作开发体素光线投射引擎。我正试图做一些类似于克拉辛的事情。在本文中，他们使用八叉树来存储体素数据。目前，我正试图进入八叉树，直到到达包含渲染数据的叶子 我已经做了两个实现：一个在GPU上的OpenCL，另一个在C++上。我遇到的问题是，在GPU上，算法通过错误的级别数，直到到达八叉树中的一片叶子。CPU版本给出正确的结果。两个版本的算法相同，代码几乎相似 你们知道有什么问题吗？可能是硬件问题、OpenCl问题还是我做错了什么？我在三个不同的nVidia GPU上体验到相同的

我是一名OpenCL新手，但我在网上找到的许多例子中都取得了很好的成功。我的应用程序是非常基础的生物信息学，所以我关心的是非常长的字符串“actcgaaggta…”可能是1-3MB长。一个简单的计算是计算A、T、C、G元素的数量，这似乎非常适合OpenCL。因此，如果我从发现的规范“添加两个向量”示例开始 \uuuu内核无效向量\uu添加\uu gpu（\uuuu全局常量浮点*src\uA， __全局常量浮点*src_b， __全球浮动*res， 常数（整数） { const int idx=获

我正在尝试将一个用C编写的小程序翻译成openCL。我应该将一些输入数据传输到GPU，然后使用连续的内核调用在设备上执行所有计算 然而，由于使用了大量数据，我必须避免在CPU和GPU之间来回传输数据，因此我在处理不适合并行化的部分代码时遇到了困难 有没有一种方法可以在没有并行处理的情况下执行一些内核，这样我就可以用它们替换代码的这些部分？这是通过将全局工作大小设置为1来实现的吗？是的，您可以在OpenCL设备上串行执行代码。要做到这一点，请像在C中一样编写内核代码，然后使用函数执行它。是的，您可

我尝试使用opencl实现累积和，如下所示： __kernel void cumsum(__global float *a) { int gid = get_global_id(0); int n = get_global_size(0); for (int i = 1; i < n; i <<= 1) if (gid & i) a[gid] += a[(gid & -i) - 1]; } 但是

我的GPU似乎允许一个简单的PyOpenCL矩阵加法内核使用562%的全局内存和133%的本地内存。以下是我的脚本打印的内容： GPU: GeForce GTX 670 Global Memory - Total: 2 GB Global Memory - One Buffer: 3.750000 GB Number of Global Buffers: 3 Global Memory - All Buffers: 11.250000 GB Global Memory - Usage: 562

我目前有一个内核，它通过读取数据来处理全局缓冲区 输入本地内存并进行计算。现在，我想使用寄存器 而不是本地内存。如何转换为寄存器 谢谢 编辑：项目可在此处找到： 如果没有看到一些代码，就不可能给出比已经给出的更多的指导，但我将尝试详细说明注释 没有使用\uuuu local或\uuuu global声明的任何变量都是私有的，因此，如果删除修饰符，内存将仅对运行工作项的单个处理元素可见。这可能会存储在寄存器中，尽管只有在寄存器空间可用时才会发生。编译器已经代表您将一些值放入寄存器，即使您没有要求它

我正在尝试为1280x720图像编写一个优化的3x3 2D图像卷积 为简单起见，通过将输入填充到1284*724来接近边缘条件 以下是我的内核代码： __kernel __attribute__((vec_type_hint(float4))) void conv2d3x3( __global const float* restrict input,

好的，我有两个内核，它们都接受一个输入和一个输出图像，并执行一些有意义的操作： #pragma OPENCL EXTENSION cl_khr_3d_image_writes : enable kernel void Kernel1(read_only image3d_t input, write_only output) { //read voxel and some surrounding voxels //perform some operation //writ

当使用CL\u device\u vendor\u ID调用时，OpenCLclGetDeviceInfo函数返回设备供应商标识符。对于CL\u DEVICE\u VENDOR\u ID，状态为：“唯一的设备供应商标识符。唯一设备标识符的示例可以是PCIe ID” 在此系统上，Intel和AMDGPU都返回其PCIe ID（分别为0x8086和0x1002）。因此，问题是：是否所有的OpenCL设备都将其PCIe ID作为其“唯一设备供应商标识符”返回？如果是这样，PCIe供应商ID是否列在某个

在无意中发现了这个论坛帖子之后，我再次被提醒，有些实例看起来像是为OpenCL*制作的，但在使用它们的地方，OpenCL并没有给我们带来好处。i、 我还有一个使用pyopencl代码的kmeans实现，它比简单的python代码快几倍，但仍然比kmeans的scipy函数快几倍 那么，您如何决定何时使用OpenCL呢 你需要什么图形卡？图形卡必须比cpu好多少。Quadro FX 580与i7 860是否足够 问题有多大？你需要数百万次乘法才能得到什么东西，还是几百次就足够了 对于像kmean

我知道工作项被分组到工作组中，您不能在工作组之外进行同步 这是否意味着工作项是并行执行的 如果是这样的话，是否可以/有效地创建一个包含128个工作项的工作组？是的，工作项是并行执行的 要获得尽可能多的工作项，请将clGetDeviceInfo与CL\u设备\u最大工作\u组大小一起使用。这取决于硬件 它是否有效主要取决于您想要执行的任务。如果您需要大量的同步，可能是OpenCL不适合您的任务。如果不知道您真正想要做什么，我就不能说更多。想法是，如果可能，它们可以并行执行（取决于它们是否实际将并行

我阅读了OpenCL规范，没有发现全局id是如何分配的。它是在排队时间中分配的，还是在运行时间中分配的 如果稍后执行，则很容易看到id较小的工作项总是更早执行，或者与id较大的工作项同时执行（如果在同一个扭曲中）。如果在排队时间分配，我们能保证执行顺序与全局id一致吗？在OpenCL中无法保证工作组的执行顺序，因此您的算法不应该依赖于此 为了给你一个这样的假设如何失败的具体例子，想象一个内核中有一个依赖于数据的分支。在一个工作组中，可能需要对分支的两侧进行操作，而在另一个工作组中，可能只需要对分

我想自动缩放一些数据。因此，我希望遍历所有数据并找到数据的最大范围。然后，我要遍历数据，进行计算，并将结果发送到opengl进行渲染。这种类型的多路径在opencl中可能吗？或者CPU必须引导“查找范围”计算，获得结果，然后用它引导另一个计算？听起来您需要两个OpenCL内核，一个用于计算最小值和最大值，另一个用于实际缩放数据。使用OpenCL命令队列和事件，您可以将这两个内核按顺序排队，并将第一个内核的结果存储在全局内存中，然后在第二个内核中读取这些结果。OpenCL命令队列和事件的语义（假设

我是OpenCL的新手，我在clCreateKernel中遇到了一个问题，它抛出了CL_无效的程序_可执行文件，有人能帮忙吗，代码是基于上次优化的 代码如下： #define ORDER 10 // Order of the square matrices A, B, and C #define AVAL 3.0 // A elements are constant and equal to AVAL #define BVAL 5.0 // B ele

我需要在linux上运行OpenCLSDK的1.1版本，但我似乎在任何地方都找不到它。有人能帮我吗？只需安装最新的英特尔Linux OpenCL 1.2驱动程序（从），但对于您的程序，如果您想确保没有使用任何OpenCL 1.2 API，请使用OpenCL 1.1标头。您可以从Khronos获得1.1头文件：。这将确保您的代码与OpenCL 1.1驱动程序一起运行（假设这就是您寻找1.1 SDK的原因）。英特尔最近更新了产品页面，Linux上的OpenCL SDK现在被命名为英特尔OpenCL应

我在2014.2版Xilinx Vivado IDE中使用了一个简单的“Hello，world.”OpenCL程序，该程序声明了。其中一段代码如下所示： #include <CL/opencl.h> ... // Connect to a compute device // int gpu = 1; err = clGetDeviceIDs(NULL, gpu ? CL_DEVICE_TYPE_GPU : CL_DEVICE_TYPE_CPU, 1, &device

我有一个简单的内核，它基本上从一个double列表中计算最大值并存储其索引。所有工作都在本地完成，工作组大小为64 简而言之，我创建了一个索引列表，用连续的数字（基于local_id）填充它，然后根据适应值移动 目前我的主要问题是，读取这个索引列表会返回非常疯狂的值。我有一个printf语句，虽然它应该打印这样的内容 >> my_index 1 ; other_index 33 ; local_id 1 << >> my_index 2; other_inde

刚刚开始学习OpenCL，并使用VS2015设置了一个Visual Studio项目。不知何故，代码只能找到一个平台（我想应该是CPU），而找不到GPU设备。有人能帮忙吗？详情如下: cl_device_id device; err = clGetDeviceIDs(platform_id, CL_DEVICE_TYPE_GPU, 1, &device, NULL); assert(err == CL_SUCCESS); GPU:Nvidia Quadro K4000 CUDA安装 C

我正在寻找OpenCL的实现。 我知道，OpenCL实现是硬件厂商特有的，所以英伟达OpenCL的实现可能与AMD不同。但我想知道，我是否需要实现我自己的窦的速度原因。 接受这一点，sin和native\u sin之间的区别在哪里？这里是一个amd实现，在自身上测试重复的sin函数，因此任何错误都会随着迭代次数的增加而变得更加混乱（本例中为100）： 如果输入介于-1和+1之间，则不需要第一行，这样速度会更快 native_sin（）可能正在使用其基于硬件的选项来加速。这些选项可以是神奇数字的查

我有一些OpenCL代码如下所示： __kernel void calc(__global double* output) { size_t a = get_global_id(0); size_t b = get_global_id(1); double tot = 0.; if(a == b) { tot += f(); } output[a * get_global_size(1) + b] = tot; } 也就是说，一些

我正在尝试开始一些OpenCL编码 我在我的电脑上安装了英伟达CUDA OpenCL，并使用Visual Studio 2017成功地构建了一个简单的“Hello World！”应用程序。 我还安装了英特尔OpenCL SDK（安装程序警告我需要更新OpenCL驱动程序，但英特尔更新管理器告诉我所有内容都是最新的，因此我不确定这是否会成为问题） 现在，每当我在我的电脑上查询OpenCL平台时，我都会说： std::vector< cl::Platform > platformList

我看过很多关于配置工作维度的教程，其中工作项的数量很容易划分为3个维度。我有大量的工作项，比如说164052。配置任意数量的工作项的最佳方法是什么？因为在我的程序中，工作项的数量可能会有所不同，所以我需要一种自动计算的方法 如果数字是素数，比如说7879，我该怎么办 首先，默认情况下，内核只能使用一维。有些任务需要2或3个维度（通常是图像处理），但除非您明确地从事其中一个任务，否则尝试将内容划分为多个维度可能对您没有好处，因为好处主要是关于代码组织，而不是关于性能 因此，剩下的问题是如何在本地组

**您好，我正在尝试使用opencl编写内核。但是我在内核函数中遇到了一个奇怪的错误。 流程大致如下所示： __kernel function1() { struct mytype; function2(&mytype); } function2(struct *mytype) { uchar *ptr = mytype->value2; function3(ptr); } function3(byte* ptr) {

假设我有两个大函数。在单独的内核中编写它们并按顺序调用它们更好，还是只编写一个内核更好？（我不想读回数据并在主机和设备之间强制执行表单）。如果我想多次调用内核，那么速度会如何呢？一般来说，这是一个性能比代码可读性稍微好一点的问题。只要将缓冲区保持在相同的上下文中，复制缓冲区就没有问题。例如，可以将内核的一个输出缓冲区设置为下一个内核的输入缓冲区，不涉及任何复制。登记的压力对硬件利用率和性能的影响。p> 一般来说，大内核有大的寄存器足迹。典型的OpenCL设备（即GPU）具有非常有限的寄存器文件大

在OpenCL中，使用多核CPU设备是否可以实现与多个异构设备（如GPU和CPU）相同级别的并行性 我有一个英特尔i5，并期待优化我的代码。当我查询平台上的设备时，只返回一个设备：CPU。我想知道如何使用这个优化我的代码 另外，如果我对这个设备使用单个命令队列，应用程序会自动将内核分配给不同的计算设备，还是必须由程序员手动完成？简短回答：是，它将并行运行，否，不需要手动执行 长答覆： 另外，如果我对这个设备使用单个命令队列，应用程序会自动将内核分配给不同的计算设备吗[…] 要么你需要修改你的Op

使用OpenCL内核 A、 B和C是3D浮点数组，\delta是Kronecker delta （N，M）=（2，7）或（N，M）=（3，23）的典型值 朴素的实现（如下所示）比CPU版本慢几个数量级 谢谢 T 有什么建议吗？通常情况下，您会希望打破一些循环。。。很多 -外部循环被分成多个工作组s，这些工作组在各自的计算单元上运行（每个GPU大约有16个计算单元，不多） -接下来的几个循环将在每个工作组中的不同线程上进行拆分 如果您试图同时运行所有计算，它们将同时尝试将数据加载到内存中，这将造成

我正在开发一个用OpenCL编写的程序，并在Fusion APU（一个芯片上有CPU+GPU）上运行。我想获得一些性能计数器，如指令号、分支编号等。我手头有两个工具：AMD应用程序探查器和代码分析师。当我使用AppProfiler时，我发现它似乎只能为GPU提供指令计数器，而不能为CPU提供指令计数器。然后我使用CodeAnalyst，但随后出现了三个混淆。 在App Profiler上，它可以提供大约70000条ALUInst（即每个工作项执行的ALU指令数）。GPU上的整个线程空间有8192

我在C中创建了以下结构“data” typedef struct data { double *dattr; int d_id; int bestCent; }Data; “dattr”是上述结构中保持动态的数组。 假设我必须创建10个以上结构的对象。i、 e dataNode = (Data *)malloc

我已经在windows 8中安装了英特尔opencl sdk。根据用户指南，所有文件都位于它们必须的位置，但每当我试图编译任何代码时，都会显示未找到Cl/Cl.h的错误。另外，用户手册说应用程序需要链接到库，但在IDE中找不到该选项 这就是我在控制台上遇到的错误 将目标指令集体系结构设置为：默认（高级向量扩展（AVX）） 找到OpenCL英特尔CPU设备！ 设备名称：英特尔（R）核心（TM）i5-3210M处理器@2.50GHz 设备版本：OpenCL1.2（构建82248） 设备供应商：英特尔

我们创建了一个检测Xeon Phi的小程序，下面是我们的代码片段 std::vector<cl::Platform> platformList(5); std::vector<cl::Device> deviceList; cl::Platform::get(&platformList); if(platformList.size() == 0){ std::cout << "No Pla

在OpenCL（即C-99）中，我们有两个选项来创建类似以下功能： 宏 功能 [编辑：或者使用模板语言，新选项3:-）] 我在某个地方听说过（在任何地方都找不到任何官方的引用，只是在stackoverflow的某个地方的评论中看到过一次），函数在实践中几乎总是内联的，因此使用函数在性能方面还可以吗 但根据宏的性质，基本上保证宏是内联的。但是容易受到bug的影响，例如，如果不在所有内容周围添加括号，并且不具有类型安全性 在实践中，什么效果好？最标准的是什么？什么可能是最便携的 我想我的要求是以

我对OpenCL完全没有兴趣。我想在英特尔的网站上找到一个样本，但我不能 我在尝试将整数参数传递给clSetKernelArg时遇到错误CL_INVALID_MEM_OBJECT，如下所示： err = clSetKernelArg(ocl->kernel, 2, sizeof(cl_mem), (void *)&width); if (CL_SUCCESS != err) { LogError("Error: Failed to set argument dstMem,

我目前正在为无损JPEG（DNG、CR2等）开发OpenCL解码器。该标准对组件的布局（交错与平面）几乎没有限制，这与相当死板的OpenCL内核相冲突 尤其是组件标识符的概念似乎过于复杂，因此我想知道我是否正确理解了它们： SOF3报头（第3帧开始，非差分，哈夫曼编码，无损（顺序））包含关于每个组件的一些信息。这些是： i（隐式）：组件的索引 C_i：组件标识符 H_i/V_i：水平/垂直采样因子 Tq\u i：量化表目标选择器 每个帧可以由包含至少一个颜色分量的编码图像数据的多个扫描组成。

我是OpenCL新手，正在FPGA上使用OpenCL进行分组密码加密。我读了一些文章，知道Opencl中有两种内核（单工作项和NDRange）。NDRange内核的函数不会被编译器自动流水线化，而单个工作项内核的函数将被流水线化 是否建议实现单个工作项内核而不是NDRange内核 在FPGA上？为什么? 如果我想让内核在循环中运行，直到读取所有数据，那么内核（一次从主机获取一些数据——在FPGA上运行——写回）。如何实现管道 单工作项内核允许您将计算循环移动到内核中，您可以生成自定义管道，对累积

我正试图加快我的算法在FPGA上的执行速度。我试图寻找C代码中长度为32:32（64）的固定数学库，这将很容易转换为OpenCL。有人知道一个好的图书馆吗？我试图避免使用128位的数据类型，因为它们在OpenCL上是浮点型的，如果我不得不再次使用浮点型，我想它不会加快我的算法。如有任何建议，我们将不胜感激。如果有一个创建自己的库的指南，我可以接受，只要它解释得足够简单，哈哈 谢谢我发现GPU只适用于浮动。我将为您提供一些CUDA C++11/C++14技巧： -使用标准化浮点范围[-1.0，+1

哪一个“+”计算更快？ 1) uint2a，b，c； c=a+b； 2) 乌龙a、b、c； c=a+b AMD GCN没有本机64位整数向量支持，因此第二条语句将转换为两个32位加法，一个V_ADD_U32，后跟一个V_ADDC_U32，其中考虑了第一个V_ADD_U32的进位标志 因此，为了回答您的问题，它们在指令计数方面都是相同的，但是第一个可以并行计算（指令级并行），并且如果内核占用受限（即使用大量寄存器），则速度可能会更快 如果您的语句可以由标量单元执行（即，它们不依赖于线程索引），那么

我在一个大阵列上运行内核。当我分析clEnqueueNDRange命令时，执行时间（结束-开始）为.001毫秒，但提交和开始（开始-提交）之间的时间约为120毫秒，这取决于输入数据的大小。提交命令直到开始执行时会发生什么情况。得到这么长的时间合理吗 OpenCL异步运行。也就是说，当你要求完成一项工作时，它可能不会在那个时候发生。这将在将来的某个时候发生。这有点奇怪，特别是当你开始分析东西的时候，但它是这样工作的，这样CPU就可以为OpenGL设备排队处理大量的工作，然后在工作完成后再去做其他的

我是一名新的OpenCL程序员，刚刚进入GPGPU计算领域，我使用的是Nvidia Quadro 600。 我正在做一项基于GPU编程的研究工作，我的目标是使用SIMT方法为OpenCL编写一个简单的卡尔曼滤波内核。我找到了一个文档，它描述了如何使用CUDA实现这一原理，我认为这是一个类似于OpenCL的方法 卡尔曼滤波器对线性系统进行的基本运算有三个方程，每个方程都涉及矩阵操作，计算卡尔曼增益矩阵（K）、状态估计（x~），并更新误差协方差矩阵（p）以进行下一次状态估计。对于从实际系统中获取的每

我可以通过clGetDeviceInfo之类的函数在一个计算单元上获得最大扭曲/工作组数吗。 从我发现的数字只取决于计算能力。那么有什么函数可以检测到它吗 thx 我想你在找的是日轮 具体而言，CL_内核工作组大小和CL_内核首选工作组大小倍数将帮助您调整工作组大小。谢谢您的回答，但我还需要做其他事情：我需要为一些测试设置所需的占用率。因此，我需要知道可以在我的硬件上运行的最大扭曲度，并计算所需占用率附近的nRange维度分布。所以我需要计算单元上允许硬件的最大可能活动线程数。我能从上面的链接中

在OpenCL中，从CPU客户端到GPU服务器端的传输是通过clEnqueueReadBuffer…/clEnqueueWriteBuffer…）完成的。。。。但是，文档没有指定是否在底层驱动程序中进行任何与endian相关的转换 我正在开发x86-64和一个NVIDIA卡，它们都是little endian，所以我不会遇到潜在的问题 转换发生了吗，还是我需要自己进行转换？您可以使用clGetDeviceInfo查询设备的endianness并很少检查CL\u device\u Endians\

我有一个OpenCL应用程序，在使用AMD GPU时运行良好 使用NVidia卡时，clBuildProgram调用会使应用程序崩溃（甚至不会返回故障值，只是崩溃）。调试时，崩溃会产生： nvopencl.dll模块中存在读取访问冲突。代码0xc0000005。调试器将clGetExportTable函数（位于nvopencl.dll内）指示为冲突源 通过评论内核的随机部分，我已经达到了这一点： 在代码片段中： if (something){ //some stuff flo

应用openCL在智能设备之间共享资源、计算能力、网络等方面有什么好的例子或演示吗 有可能用数千部智能手机来创建超级计算机吗？好的，这个问题真的很模糊。让我告诉你一个关于OpenCL的基本事实。当您在同一平台上拥有异构设备时，OpenCL将非常有用。i、 不同的设备，如FPGA的GPU的DSP在一个物理芯片上。在这种情况下，您可以通过使用单一语言编写代码来利用每个设备的处理能力和计算能力，而不是使用不同的语言对每个芯片进行编程，OpenGL负责各种设备的编译。现在你想要的是一台超级计算机，在网络

我有Geforce 210和windows 10 64位，我想用opencl运行一个简单的程序 我安装了最新的cuda sdk，并按照中的说明安装了该项目，同时对环境变量进行了一些更改 无论如何，项目现在构建，但在运行时显示错误对话框，抱怨缺少opencl.dll，如主题所述。我在注册表HKLM/software/khronos/opencl/vendors中查找，有一个条目名为C:\Windows\System32\nvopencl.dll。我查看了system32文件夹，但文件不在那里。我在

简短背景： 在CUDA中，我们有warps的概念，它是32个线程，保证同步。我有一个内核，它依赖于这个SIMD行为来避免一大堆同步调用的潜在开销（在一些循环之后，一个线程完成并在共享内存中写入一个值，其余的线程使用该值进行计算） 那么，有没有办法在OpenCL中用Sub_切片来描述这种行为呢？看起来它们是这样工作的，但是OpenCL中是否有任何功能可以保证SIMD的行为？对于NVIDIA上的OpenCL，它们也被称为warps，通常有32个工作项。在AMD上，这是一个包含64个工作项的波前。在I

表示vloadnsize_t offset，const gentype*p返回从地址p+offset*n读取的gentypen字节数据的大小。这是否意味着short4 m=vload41920，p将从地址p+1920*4开始读取四个16位值，或者将从位置p+1920*0、p+1920*1、p+1920*2和p+1920*3分别读取一个16位值 有一个跨步模式，但定义说它是一个向量负载，它没有说稀疏向量，所以它必须是一个 four 16-bit values starting from addre

如果我在内核中使用预处理器指令，如\If，\elif等，它会以任何方式影响性能吗？我假设这些条件是在编译时解决的。如果您进行实时编译，那么它可能会对编译时产生一些影响，但对内核的实际执行不会有任何影响，因为它们是在编译时解决的，正如您所说的。compiletime上的潜在减速应该远小于在运行时执行所有这些检查

引入了共享虚拟内存（SVM），允许主机和设备之间共享虚拟内存地址 有许多不同的SVM功能，请参见cl.h中的摘录： /* cl_device_svm_capabilities */ #define CL_DEVICE_SVM_COARSE_GRAIN_BUFFER (1 << 0) #define CL_DEVICE_SVM_FINE_GRAIN_BUFFER (1 << 1) #define CL_DEVICE_SVM_FIN

我试图使用BLAS L1实现，我想设置总线宽度 对于128位，我使用ap_int.h头来定义一个ap_int结构 我用VITIS HLS模块实现了一个OpenCl内核，但返回的结果是错误的（它适用于作为输入向量的int32_t*类型） #包括“ap_int.h” #包括 #包括“xf_blas.hpp” 使用名称空间xf:：blas； 外部“C”{ void min_内核（ap_int*inVec， int*resultIndex，//向量中最小项的索引 int Pn） { #pragma HL