OpenCL

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen
OpenCL

OpenCL.jpg
Basisdaten

Entwickler Khronos Group
Erscheinungsjahr 28. August 2009
Aktuelle Version 2.2-11
(19. Juli 2019)
Aktuelle Vorabversion 3.0 provisional
(27. April 2020)
Betriebssystem plattformunabhängig
Programmiersprache C, C++
Kategorie Programmierschnittstelle
Lizenz verschieden
www.khronos.org/opencl

OpenCL (englisch Open Computing Language) ist eine Schnittstelle für uneinheitliche Parallelrechner, die z. B. mit Haupt-, Grafik- oder digitalen Signalprozessoren ausgestattet sind. Dazu gehört die Programmiersprache „OpenCL C“. OpenCL wurde ursprünglich von der Firma Apple entwickelt, um die Leistung der aktuellen Grafikprozessoren auch für nicht-grafische Anwendungen nutzbar zu machen.

In Zusammenarbeit mit den Firmen AMD, IBM, Intel und Nvidia wurde der erste Entwurf ausgearbeitet und schließlich von Apple bei der Khronos Group zur Standardisierung eingereicht.[1] Die Spezifikation für OpenCL 1.0 wurde am 8. Dezember 2008 veröffentlicht. Am 16. November 2011 folgte die Spezifikation 1.2 mit Verbesserungen, die zu 1.0 abwärtskompatibel bleibt. Zwei Jahre später, am 18. November 2013, wurde dann die OpenCL-2.0-Spezifikation eingeführt.

OpenCL 1.0 wurde erstmals am 28. August 2009 von Apple mit dem Betriebssystem Mac OS X Snow Leopard 10.6 auf den Markt gebracht, die dazugehörigen Programme („Kernel“) können zur Laufzeit auf verschiedene vorhandene OpenCL-fähige Geräte verteilt werden. Derzeit wird abhängig von der Hardware nur OpenCL 1.0 bis 1.2 von Apple unterstützt.[2][3]

Mit OpenCL 2.0 kompatible Hardware unterstützt mit aktualisierten Treibern auch die höheren Versionen 2.1 und 2.2 laut Khronos-Group.[4]

OpenCL 2.1 wurde im November 2015 offiziell freigegeben.[5] Eine entscheidende Neuerung in OpenCL 2.1 ist die Integration von SPIR-V, dem SPIR-Nachfolger (Standard Portable Intermediate Representation). SPIR-V ist eine Zwischensprache mit nativer Unterstützung für Grafik-Shader und Prozessor-Kernels. Sie ermöglicht die Aufteilung der Compiler-Kette auf die unterschiedlichen Recheneinheiten. Somit können High-Level-Sprachen über SPIR-V die heterogene Architektur ansprechen, ohne sich selbst um die Übersetzung auf die unterschiedlichen Hardware-Komponenten zu kümmern. SPIR-V wird außer in OpenCL auch in der Vulkan-Grafik-API genutzt.

OpenCL 2.2 wurde offiziell freigegeben im Mai 2017.[6][7] Als wichtigste Änderung nennt die Bekanntmachung die Integration der OpenCL C++ Kernel Language in OpenCL, was unter anderem beim Schreiben parallel arbeitender Programme helfen soll. Die im Rahmen der Open Computing Language als statische Untermenge des C++14-Standards definierte Kernel-Sprache enthält Klassen, Templates, Lambda-Ausdrücke und andere Konstrukte. Im Mai 2018 erschien ein "maintenance update" mit Fehlerkorrekturen und Aktualisierungen in den Headern von Spir-V.[8]

In Zukunft soll OpenCL mit Vulkan so weit wie möglich verschmelzen und so noch breitere Unterstützung gewinnen.[9][10] Dies wurde mit dem Premiere Rush von Apple gezeigt, der den Open Source Compiler clspv[11] benutzt, um einen großen Teil des OpenCL C Kernel Codes für eine Vulkan-Umgebung auf Android-Geräten zu kompilieren.[12] Zuletzt wurde nun OpenCL Next für 2019 angekündigt mit neuen Informationen und dabei auch betont, dass die "roadmap" von OpenCL von der von Vulkan unabhängig ist, also beide Projekte nicht völlig fusionieren werden.[13] Am 27. April 2020 wurde OpenCL 3.0 (provisional) veröffentlicht.[14]

Architektur[Bearbeiten | Quelltext bearbeiten]

Plattform-Modell

Ein OpenCL-System besteht aus einem Host und einem oder mehreren OpenCL-Geräten. Ein Gerät besteht aus einer oder mehreren unabhängigen Recheneinheiten (englisch „compute unit“, kurz „CU“). Dies sind bei einem Mehrkernprozessor die verfügbaren Kerne, die zusammengefasst die Central Processing Unit ergeben, und für die Grafikkarte die Shader. Die Compute Unit ist in ein oder mehrere ausführende Elemente (englisch „processing element“, kurz „PE“) unterteilt. Der Host verteilt dabei die Kernel (Programme, dt. Kerne) zur Laufzeit auf die verfügbaren Geräte.

Es gibt zwei Arten von Kernel:

OpenCL-Kernel
Diese sind in der Programmiersprache OpenCL C geschrieben. OpenCL C basiert auf ISO C99 und wurde um Funktionen und Datentypen zur parallelen Verarbeitung erweitert.
Native Kernel
Diese Kernel sind optional und implementierungsspezifisch.

Die OpenCL-Kernel werden zur Laufzeit vom OpenCL-Compiler übersetzt und danach von einem OpenCL-Gerät ausgeführt. Hierdurch braucht zur Entwicklungszeit nicht bekannt zu sein, auf welcher Hardware das Programm später ausgeführt wird.

Die Berechnungen werden zur Laufzeit von den sogenannten Work-Items durchgeführt. Diese Work-Items werden zu einem ein-, zwei- oder dreidimensionalen Gitter angeordnet, über das die Work-Items adressiert werden können. Work-Items werden zu Work-Groups gruppiert, in denen eine Synchronisation möglich ist und die auf einen gemeinsamen Speicher zugreifen können. Ein einzelnes Work-Item kann also absolut, durch seine Koordinate und relativ, durch die Koordinate der es enthaltenden Work-Group und die Koordinate innerhalb der Work-Group angesprochen werden.

Speichermodell[Bearbeiten | Quelltext bearbeiten]

Speichermodell

In OpenCL werden fünf Arten von Speicher unterschieden:

  • Hostspeicher (host memory): Beim Hostspeicher handelt es sich um den regulären Arbeitsspeicher des Leitprogramms. Ein OpenCL-Kernel kann darauf nicht direkt zugreifen.
  • globaler Speicher (global memory): Hierbei handelt es sich um den Arbeitsspeicher der OpenCL-Kernel. Jede Instanz eines Kernels hat auf den gesamten Bereich wahlfreien Zugriff.
  • konstanter Speicher (constant memory): Der konstante Speicher unterscheidet sich vom globalen Speicher darin, dass die Kernelinstanzen diesen Speicher ausschließlich lesen, aber nicht verändern können.
  • lokaler Speicher (local memory): Eine Gruppe von Kernelinstanzen hat wahlfreien Zugriff auf einen kleinen Bereich von typischerweise 16 kiB lokalen Speicher. Jede Gruppe hat ihren eigenen Bereich, auf den jeweils nur die Mitglieder zugreifen können.
  • privater Speicher (private memory): Dieser Speicher ist einer Kernelinstanz vorbehalten. Andere Kernelinstanzen und das Leitprogramm können nicht auf den Inhalt dieses Speichers zugreifen.

OpenCL C[Bearbeiten | Quelltext bearbeiten]

Die Sprache OpenCL C basiert auf der Syntax von ISO C99, erweitert um zusätzliche Datentypen und Funktionen zur parallelen Verarbeitung, wurde an anderer Stelle aber auch eingeschränkt (siehe unten). Es handelt sich somit nicht um eine Obermenge von C, dennoch haben beide Sprachen viele Gemeinsamkeiten.

Ergänzend zu den C99-Datentypen unterstützt OpenCL C folgende Datentypen:

  • half: 16 Bit Gleitkommazahlen nach IEEE 754r.
  • Vektordatentypen: Die Datentypen char, uchar, short, ushort, int, uint, long, ulong und float gibt es als Vektoren mit 2, 4, 8 und 16 Elementen. Die Elementanzahl wird hierbei an den Namen der Datentypen angehängt, also z. B.: uchar4, float8 oder int16. Mit OpenCL 1.1 wurden zusätzlich drei-elementige Vektoren eingeführt.
  • image2d_t: Ein zweidimensionales Bild.
  • image3d_t: Ein dreidimensionales Bild.
  • sampler_t: Ein sampler, der definiert, wie ein Bild abgetastet wird.
  • event_t: Ein Ereignisbehandler.

Folgende Datentypen wurden zudem für spätere Versionen von OpenCL reserviert:

  • booln: Ein Vektor mit Wahrheitswerten.
  • double, doublen: 64-Bit-Gleitkommazahlen und -vektoren. Eine Erweiterung für double existiert bereits, deren Unterstützung ist aber bei OpenCL 1.0 nicht erforderlich.
  • halfn: Ein Vektor mit 16-Bit-Gleitkommazahlen.
  • quad, quadn: 128-Bit-Gleitkommazahlen.
  • complex {half | float | double | quad}: Komplexe Zahlen mit unterschiedlicher Genauigkeit.
  • complex {half | float | double | quad}n: Vektoren komplexer Zahlen mit unterschiedlicher Genauigkeit.
  • imaginary {half | float | double | quad}: Imaginäre Zahlen mit unterschiedlicher Genauigkeit.
  • imaginary {half | float | double | quad}n: Vektoren imaginärer Zahlen mit unterschiedlicher Genauigkeit.
  • {float | double}nxm: nxm Matrizen mit 32 oder 64 Bit Genauigkeit.
  • long double, long doublen: Gleitkommazahlen und -vektoren mit mindestens der Genauigkeit von double und maximal der Genauigkeit von quad.
  • long long, long longn: Vorzeichenbehaftete 128-Bit-Ganzzahlen und -vektoren.
  • unsigned long long, unsigned long longn: Vorzeichenlose 128-Bit-Ganzzahlen und -vektoren.

Arithmetische Operationen (+, -, *, /, %, ++, --), Vergleichsoperationen (>, >=, ==, !=, <= <), Bitoperatoren (&, |, ^, ~) sowie logische Operatoren (&&, ||) sind sowohl für skalare Datentypen definiert als auch für Vektoren. Werden sie auf Vektoren angewendet, so wird die Operation komponentenweise durchgeführt. Hier verhält sich OpenCL analog zu bekannten Shadersprachen wie zum Beispiel GLSL.

Ebenfalls den Shader-Sprachen entlehnt sind eine Reihe mathematischer Funktionen, die ebenfalls komponentenweise durchgeführt werden, beispielsweise Sinus, Cosinus, Wurzel, Minimum, Maximum etc.

Gegenüber C ist OpenCL C unter anderem in folgenden Punkten eingeschränkt:

  • Es gibt keine Funktionszeiger
  • Rekursion ist nicht möglich.
  • Felder ("arrays") dürfen keine variable Länge haben.

Nutzung von OpenGL- und DirectX-Objekten[Bearbeiten | Quelltext bearbeiten]

OpenCL kann direkt auf Objekte von OpenGL oder DirectX (nur unter Windows) zugreifen, etwa auf Texturen. Somit kann OpenCL genutzt werden, um beispielsweise Texturen zu ändern, ohne die Daten umkopieren zu müssen.

Erweiterungen[Bearbeiten | Quelltext bearbeiten]

Wie OpenGL kann auch OpenCL durch herstellerspezifische Erweiterungen um zusätzliche Funktionen ergänzt werden. Beispiele für bereits definierte Erweiterungen sind:

  • Gleitkommazahlen mit doppelter Genauigkeit (64-Bit-Gleitkommazahlen, cl_khr_fp64).
  • Vektoren von Gleitkommazahlen mit halber Genauigkeit (16-Bit-Gleitkommazahlen, cl_khr_fp16).
  • Die Art des Rundens bei Gleitkommaoperationen zu definieren (cl_khr_select_fprounding_mode).
  • Schreiben in 3D-Bilder (cl_khr_3d_image_writes).

Implementierungen[Bearbeiten | Quelltext bearbeiten]

OpenCL kann für beliebige Betriebssysteme und Hardwareplattformen – genau wie OpenGL und OpenAL – implementiert werden. So ist in der Spezifikation von CPUs, GPUs, DSPs und dem Cell-Prozessor die Rede. Es existiert zudem eine Spezifikation für eingebettete Systeme mit reduzierten Anforderungen.

  • AMD: Die OpenCL-Implementierung von AMD ermöglicht die Nutzung von GPUs über ihre GPGPU-Schnittstelle ATI-Stream und von CPUs mit SSE3 für Linux und Windows.[15] Aktuelle Grafikkarten der Generationen GCN 4 (RX 400 / RX 500) sowie GCN 5 (Vega) unterstützen OpenCL 2.0 vollständig.[16] Dies gilt auch für die Grafikkarten der älteren Generationen GCN 2 und GCN 3. Die veralteten Architekturen GCN 1 sowie Terascale 2 unterstützen OpenCL 1.2. Ab der R700-Baureihe wurde OpenCL 1.1 unterstützt. Unter Windows wird ab dem Treiber 19.1.1 auch OpenCL 2.1 unterstützt. Unklar ist hier, welche Hardware hiervon profitieren kann. Vega-Chips können aktuell nur bis OpenCL 2.0 agieren.[17]
  • Intel OpenCL SDK: Intel hat auch eine kommerzielle SDK (2.0 für GPU und 2.1 für CPU ab Gen7).[23][24][25][26]
  • LLVM: Die OpenCL-Implementierungen von Nvidia, Intel und Apple setzen technisch auf LLVM auf, einer Technologie, die Apple in macOS ab Version 10.5 in seinem JIT-OpenGL-Compiler[27] und auch in iOS einsetzt.
  • Nvidia: Nvidia bietet eine OpenCL-Implementierung für seine GPGPU-Schnittstelle CUDA unter Linux, Windows und macOS an.[28] Die Generation der Tesla-Chips G80 und GT200 (Nvidia Tesla) unterstützt OpenCL 1.1 mit aktuellen Treibern ab Version 341.95.[29] Fermi unterstützt OpenCL 1.1. Maximal wird OpenCL 1.2 (mit den Chips der Kepler- und Maxwell-GPU) unterstützt. Auch die neue Pascal-GPU unterstützt mit den bisherigen Treibern der 370er-Reihe nur OpenCL 1.2, sowohl in der GeForce-10-Reihe als auch der Quadro- und Tesla-Serie. Mit der Treiber-Version 378.66 wird erstmals OpenCL 2.0 als Beta in wichtigen Funktionen unterstützt.[30]

Open Source:

  • Intel Beignet: Intel hat für Linux und Android das Open-Source-Projekt „Beignet“ aufgesetzt.[31][32] Zuletzt wurde im November 2016 nach der schon längeren Unterstützung von OpenCL 1.2 (ab Ivy Bridge) die Unterstützung von OpenCL 2.0 angekündigt.[33] Aktuell ist Version 1.3.2 mit optionalem OpenCL 2.0 mit Optimierungsbedarf.
  • Intel Compute Runtime (NEO): Unter dem Codenamen NEO wurde ein neuer Open-Source-Treiber für Hardware ab Skylake entwickelt mit OpenCL 2.1-Unterstützung (neu auch ab Broadwell).[34] OpenCL 2.2 soll in "Compute Runtime" zeitnah folgen.[35] OpenCL 3.0 ist für Tigerlake aktuell in Entwicklung.
  • ROCm: Im Rahmen der Initiative OpenCompute hat AMD in Zusammenarbeit mit der Open Source-Gemeinschaft das Projekt ROCm gestartet. ROCm läuft ab Grafikkarten der Generation GCN 3 und CPUs mit PCI Express 3.0 (AMD Ryzen oder Intel Haswell). Der Funktionsumfang von OpenCL 2.0 wird unterstützt. Seit der Version 1.8 werden experimentell auch Prozessoren mit PCIe 2.0 mit AMD GCN 3-Grafikkarten bei geringerer Rechenleistung unterstützt. ROCm-Version 2.4 hat einige Leistungsverbesserungen und Unterstützung für TensorFlow 2.0.[36] Version 2.5 unterstützt die Thrust-Bibliothek mit rocThrust.[37] Version 3.5 unterstützt OpenCL 2.2.[38] Aktuell ist Version 3.5.1.
  • POCL: Portable OpenCL (OpenCL 1.2, OpenCL 2.0 überwiegend)[39], in der Version 1.0 mit experimentellem Nvidia Cuda Backend für die Nutzung von Nvidia GPUs. Damit ist Open Source OpenCL auf Nvidia-Hardware möglich mit erheblich mehr Möglichkeiten als bei Mesa.[40][41][42] Die Leistung ist durch fehlende Optimierung und Software teilweise schwach mit Faktor 1:5 bis 1:10 zur AMD-Windows-Implementierung: mit POCL 1.1 wird sie zum Teil stark verbessert und SPIR mit SPIR-V experimentell unterstützt.[43] Mit Version 1.2 wird HWOC 2.0 sowie nun OpenCL 1.2 vollständig unterstützt.[44][45][46][47] Mit Version 1.3 wird macOS unterstützt.[48] Version 1.4 unterstützt mehr SPIR und SPIR-V.[49] Aktuell ist Version 1.5[50]
  • GalliumCompute (Clover): Mit Clover[51] ist seit Mitte 2011 eine unter der GPL stehende Implementierung für Linux in der Entwicklung, die ebenfalls auf LLVM aufsetzt und eine CPU oder – indirekt über Mesa 3D – eine Grafikkarte nutzen soll. Clover wurde in das Mesa-Projekt integriert und ist Teil von GalliumCompute.[52] Viele Tests für OpenCL 1.0 bis 1.2 werden damit noch nicht bestanden. Mit dem Wechsel von TGSI auf NIR wird OpenCL in Mesa wieder stärker entwickelt, um mit Open-Source-Treibern für Grafikkarten von AMD (mit RadeonSI) und nVidia (mit Nouveau) nutzbar zu sein.
  • Shamrock: Ein Ableger von Clover für Android ARM V7+ ist Shamrock.[53][54] OpenCL 1.2 wird voll unterstützt. Der Khronos-Test wurde mit der "OpenCL 2.0 Samples Suite" für die Beispiele bis 1.2 zuletzt bestanden.
  • triSYCL: Freie OpenCL-2.2-Implementierung mit SYCL.[55]

Eine Liste zertifizierter Produkte liegt bei Khronos vor.[56]

Diese müssen wie die Implementierungen die Tests der Khronos Conformance Test Suite (CTS) bestehen.[57]

Anwendungssoftware[Bearbeiten | Quelltext bearbeiten]

Viele rechenintensive Programme nutzen OpenCL zur Beschleunigung:[58]

Grafikprogramme[Bearbeiten | Quelltext bearbeiten]

  • FAST: Bildverarbeitung für Medizinanwendungen[76]
  • KLMeansCL: Entrauscher-Plugin für AVISynth[77]
  • UFO: Bildverarbeitung von Synchrotron-Spuren[78]

3D-Renderer[Bearbeiten | Quelltext bearbeiten]

Audio[Bearbeiten | Quelltext bearbeiten]

  • CUETools: Mit dem CUERipper von den CUETools können die FLAC-Dateien besonders schnell mit der Funktion FLACCL von WAV-Format in FLAC konvertiert werden mit der Nutzung von OpenCL in den modernen Grafikkarten.[83] Dabei sind Beschleunigungen von Faktor 10 bis 100 für diesen Teil des Rip-Prozesses möglich, abhängig von schnellen Grafikkarten und SSD-Datenspeichern gegenüber normaler CPU und Festplatte.
  • CN24: semantisches Analysewerkzeug[84]

Video[Bearbeiten | Quelltext bearbeiten]

Simulation[Bearbeiten | Quelltext bearbeiten]

  • Advanced Simulation Library[97]
  • SecondSpace OpenCL-Programm zur Simulation von Wellen im 2D-Raum.
  • PATRIC Particle-in-cell-Code[98]
  • Bullet: GPU rigid body simulation using OpenCL[99][100]
  • Monte-Carlo Simulation on AM57x[101]
  • Intel Demo Real-Time Shallow Water Simulation[102][103]
  • Intel Code Samples[104]
  • GROMACS molekulare Simulationen ab Version 5.1[105][106]
  • FEM: SIEMENS NX Nastran 9.1+ und Simulia Abaqus 6.11+[107][108][109][110]
  • Neuronale Netze: clgen: Deep Learning Program Generator[111]
  • Neuronale Netze: nengo_ocl Gehirn-Simulationen mit Nengo[112]
  • Entschlüsselung: JohnTheRipper[113]

Web[Bearbeiten | Quelltext bearbeiten]

Bibliotheken[Bearbeiten | Quelltext bearbeiten]

  • AMGCL: AMG algebraischer Multi-Grid Solver[121]
  • ArrayFire: is for parallel computing with an easy-to-use API with JIT-Compiler (Open Source)[122]
  • Bolt: STL compatible library for creating accelerated data parallel applications[123]
  • Boost.Compute: GPU/Parallel C++ Library für OpenCL[124]
  • Chlorine: C++11 Bibliothek zum einfachen Nutzen von OpenCL 1.2+[125]
  • CLBlast: getuntes clBlas[126]
  • clMAGMA: OpenCL port of the MAGMA project, a linear algebra library similar to LAPACK but for Multicore+GPU Systems[127][128]
  • DeepCL: Bibliothek für neurales Training[129]
  • GEGL-OpenCL: Gimp GEGL mit OpenCL[130]
  • GpyFFT: Python Wrapper for FFT mit clFFT[131]
  • MOT: Maastricht Optimization Toolbox[132]
  • Neanderthal: BLAS und LAPACK Implementierung für Clojure[133]
  • Netlib BLAS[134] mehr in BLAS
  • OpenCLGA: genetische Algorithmen mit PYOpenCL[135]
  • PARALUTION[136]
  • random123: Kollektion von Zufallszahlengeneratoren (counter-based random number generators (CBRNGs))[137]
  • VexCL: vector expression template library (MIT-Lizenz)[138]
  • ViennaCL: freie Open-Source Linear Algebra Bibliothek der TU Wien[139]
  • HIP: Open Source C++ Toolkit für OpenCL und Cuda[140]
  • Projekt Coriander: Konvertierung von CUDA in OpenCL 1.2 mit CUDA-on-CL[141][142]
  • Projekt TF-Coriander: Tensorflow mit OpenCL 1.2[143]

Sprachenkopplung[Bearbeiten | Quelltext bearbeiten]

  • ClojureCL: parallel OpenCL 2.0 mit Clojure[144]
  • dcompute: natives Ausführen von D[145]
  • Erlang OpenCL Binding[146]
  • OpenCLAda: Binding Ada zu OpenCL[147]
  • OpenCL.jl: Julia Bindings[148]
  • PyOpenCL: Python Kopplung[149]
  • JavaScript: WebCL

Weblinks[Bearbeiten | Quelltext bearbeiten]


Tutorials

  • OpenCL. Universität Erlangen, archiviert vom Original am 4. März 2016; abgerufen am 6. Januar 2019.

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. Khronos OpenCL API Registry Spezifikation und Headerdateien (englisch)
  2. " Heise: OpenCL im Mac" Heise: OpenCL auf dem Mac im Jahr 2014
  3. "Apple-Support: OpenCL auf dem Mac-Rechnern" nur OpenCL 1.0 bis 1.2 auf den macOS-Rechnern, kein OpenCL 2.x (Stand April 2016)
  4. " Khronos OpenCL Overview 2.1" PDF mit Überblick von OpenCL 2.1 in Englisch
  5. https://www.heise.de/developer/meldung/Khronos-aktualisiert-Spezifikationen-fuer-OpenCL-2-1-und-SPIR-V-1-0-2922960.html
  6. https://www.heise.de/developer/meldung/Khronos-veroeffentlicht-vorlaeufige-Spezifikation-fuer-OpenCL-2-2-3177422.html
  7. https://www.khronos.org/news/permalink/khronos-releases-opencl-2.2-with-spir-v-1.2
  8. https://www.khronos.org/blog/opencl-2.2-maintenance-update-released
  9. https://www.pcper.com/reviews/General-Tech/Breaking-OpenCL-Merging-Roadmap-Vulkan
  10. http://www.phoronix.com/scan.php?page=news_item&px=IWOCL-2017-OpenCL
  11. https://github.com/google/clspv
  12. Vulkan Update SIGGRAPH 2019., S. 24.
  13. https://www.phoronix.com/scan.php?page=article&item=siggraph-2018-khr&num=2
  14. https://www.phoronix.com/scan.php?page=article&item=opencl-30-spec&num=1
  15. AMD zu ATI Stream und OpenCL (Memento vom 9. August 2009 im Internet Archive) (1. Oktober 2009)
  16. https://www.amd.com/en/support/kb/release-notes/rn-pro-win-18-7-1
  17. https://www.geeks3d.com/20190111/amd-adrenalin-2019-edition-19-1-1-released-with-better-fortnite-support-and-vulkan-1-1-96/
  18. ARM Introduces New Graphics Processor with OpenCL Support. (Memento vom 14. November 2010 im Internet Archive) 10. Oktober 2010
  19. Intel springt mit „Sandy Bridge“ auf den OpenCL-Zug auf. 13. August 2010
  20. S3 Graphics launched the Chrome 5400E embedded graphics processor. 27. Oktober 2009
  21. VIA Brings Enhanced VN1000 Graphics Processor. (Memento vom 15. Dezember 2009 im Internet Archive) 10. Dezember 2009
  22. OpenCL Development Kit for Linux on Power (30. Oktober 2009)
  23. http://www.phoronix.com/scan.php?page=news_item&px=Intel-OpenCL-SDK-Linux-2016R2
  24. https://software.intel.com/en-us/articles/whats-new-code-builder-2016-r2
  25. https://software.intel.com/en-us/whats-new-code-builder-2016-r3
  26. https://software.intel.com/en-us/blogs/2017/07/28/2017-opencl-whats-new
  27. Chris Lattner: A cool use of LLVM at Apple: the OpenGL stack. (Memento vom 4. November 2006 im Internet Archive) 15. August 2006 (LLVM-Chefentwickler, Apple-Angestellter)
  28. Nvidia zu OpenCL (28. September 2009)
  29. http://de.download.nvidia.com/Windows/Quadro_Certified/341.95/341.95-win8-win7-winvista-quadro-grid-release-notes.pdf
  30. https://streamcomputing.eu/blog/2017-02-22/nvidia-enables-opencl-2-0-beta-support/
  31. https://www.freedesktop.org/wiki/Software/Beignet/
  32. http://www.phoronix.com/scan.php?page=news_item&px=Intel-Beignet-Android
  33. http://www.phoronix.com/scan.php?page=news_item&px=Beignet-Birthday-CL2
  34. https://github.com/intel/compute-runtime/releases
  35. Michael Larabel: Intel Open-Sources LLVM Graphics Compiler, Compute Runtime With OpenCL 2.1+. phrononix, 16. Februar 2018, abgerufen am 22. April 2018.
  36. Michael Larabel: Radeon ROCm 2.4 Released With TensorFlow 2.0 Compatibility, Infinity Fabric Support. In: Phoronix. 8. Mai 2019, abgerufen am 8. Mai 2019 (englisch).
  37. https://www.phoronix.com/scan.php?page=news_item&px=Radeon-ROCm-2.5-Released
  38. https://github.com/RadeonOpenCompute/ROCm/tree/roc-3.5.0
  39. http://portablecl.org/docs/html/features.html#
  40. http://portablecl.org/cuda-backend.html
  41. https://www.phoronix.com/scan.php?page=article&item=pocl10-epyc-xeon&num=1
  42. http://portablecl.org/pocl-1.0.html
  43. http://portablecl.org/pocl-1.1.html
  44. http://portablecl.org/pocl-1.2.html
  45. https://github.com/pocl/pocl/wiki/OpenCL-1.2-missing-features
  46. https://github.com/pocl/pocl/issues?q=milestone%3A1.2+is%3Aclosed
  47. https://github.com/pocl/pocl/releases
  48. http://portablecl.org/pocl-1.3.html
  49. http://portablecl.org/pocl-1.4.html
  50. http://portablecl.org/pocl-1.5.html
  51. Website des Clover-Projekts, Blog des Clover-Entwicklers
  52. https://www.x.org/wiki/Events/XDC2013/XDC2013TomStellardCloverStatus/XDC2013TomStellardCloverStatus.pdf
  53. https://s3.amazonaws.com/connect.linaro.org/lca14/presentations/LCA14-412-%20GPGPU%20on%20ARM%20SoC%20session.pdf
  54. https://git.linaro.org/gpgpu/shamrock.git/about/
  55. https://github.com/triSYCL/triSYCL
  56. https://www.khronos.org/conformance/adopters/conformant-products#opencl
  57. https://github.com/KhronosGroup/OpenCL-CTS
  58. http://www.amd.com/de-de/solutions/professional/hpc/opencl
  59. https://www.khronos.org/news/permalink/gimp-2.8-rc-1-includes-opencl-acceleration
  60. http://www.tomshardware.de/photoshop-cs6-gimp-aftershot-pro-opencl-opengl,testberichte-241066-5.html
  61. https://www.phoronix.com/scan.php?page=news_item&px=More-GEGL-OpenCL-Support
  62. https://wiki.gimp.org/wiki/Roadmap
  63. http://www.amd.com/en-us/press-releases/Pages/amd-and-adobe-creative-suite-6-2012apr23.aspx
  64. http://www.tomshardware.de/photoshop-cs6-gimp-aftershot-pro-opencl-opengl,testberichte-241066-6.html
  65. ImageMagick: Architecture. Abgerufen am 7. August 2015.
  66. http://www.imagemagick.org/script/opencl.php
  67. http://www.agisoft.com/downloads/system-requirements/
  68. http://cgpress.org/archives/cgreviews/photoscan-review/2
  69. http://www.darktable.org/2012/03/darktable-and-opencl/
  70. Archivierte Kopie (Memento vom 2. Mai 2016 im Internet Archive)
  71. http://www.phoronix.com/scan.php?page=article&item=darktable-opencl-gpu&num=1
  72. http://www.phoronix.com/scan.php?page=article&item=darktable-22-amdnv&num=1
  73. http://www.blurate.com/
  74. http://www.halcon.com/
  75. http://www.tomshardware.de/photoshop-cs6-gimp-aftershot-pro-opencl-opengl,testberichte-241066-12.html
  76. https://github.com/smistad/FAST
  77. https://github.com/Khanattila/KNLMeansCL
  78. http://ufo-core.readthedocs.io/en/latest/using/index.html
  79. http://semiaccurate.com/2012/06/11/amd-and-autodesk-speed-up-maya-with-opencl/
  80. http://streamcomputing.eu/blog/2013-12-28/professional-consumer-media-software-opencl/
  81. http://developer.amd.com/community/blog/2015/07/10/collaboration-and-open-source-at-amd-blender-cycles/
  82. https://wiki.luxcorerender.org/LuxMark
  83. Vergleich Konvertierung mit CPU Core i7 und verschiedenen GPU mit FLACCL
  84. https://github.com/cvjena/cn24
  85. https://handbrake.fr/news.php?article=27
  86. Heise: FFmpeg mit OpenCL
  87. http://support.apple.com/en-us/HT202239
  88. http://streamcomputing.eu/blog/2013-12-28/professional-consumer-media-software-opencl/
  89. http://streamcomputing.eu/blog/2013-12-28/professional-consumer-media-software-opencl/
  90. http://streamcomputing.eu/blog/2013-12-28/professional-consumer-media-software-opencl/
  91. http://www.sonycreativesoftware.com/de/
  92. http://www.vegascreativesoftware.com/de/
  93. https://s-a-m.com/products/alchemist-xf-%E2%80%93-highest-quality-file-based-format-and-framerate-conversion-software/c-24/p-228
  94. http://www.tomshardware.com/reviews/opencl-simhd-vreveal,3122-11.html
  95. http://www.tomshardware.de/opencl-simhd-vreveal,testberichte-240965.html
  96. http://www.tomshardware.de/opencl-simhd-vreveal,testberichte-240965-3.html
  97. http://asl.org.il/
  98. http://web-docs.gsi.de/~sappel/diplomarbeit_jutta_fitzek.pdf
  99. http://www.multithreadingandvfx.org/course_notes/GPU_rigidbody_using_OpenCL.pdf
  100. http://bulletphysics.org/wordpress/
  101. http://www.ti.com/lit/ug/tiduar9/tiduar9.pdf
  102. https://www.khronos.org/assets/uploads/developers/library/2011_GDC_OpenCL/Intel-OpenCL-Water-Sim_GDC-Mar11.pdf
  103. https://software.intel.com/sites/default/files/managed/2c/79/intel_ocl_shallow_water_win.zip
  104. https://software.intel.com/en-us/intel-opencl-support/code-samples
  105. http://manual.gromacs.org/documentation/5.1/install-guide/index.html#opencl-gpu-acceleration
  106. https://github.com/StreamComputing/gromacs
  107. http://www.cadplace.de/Hardware/Hardware-allgemein/OpenCL-bietet-Simulationsperformance-fuer-Nastran-und-Abaqus
  108. https://www.amd.com/Documents/abaqus-solution-sheet.pdf
  109. https://www.amd.com/Documents/nastran-solution-sheet.pdf
  110. Archivierte Kopie (Memento vom 14. Oktober 2016 im Internet Archive)
  111. https://github.com/ChrisCummins/clgen
  112. https://github.com/nengo/nengo_ocl
  113. https://github.com/magnumripper/JohnTheRipper
  114. http://techcrunch.com/2014/03/19/webcl-will-soon-let-web-developers-harness-the-power-of-multi-core-gpus-and-cpus-from-the-browser/
  115. http://techcrunch.com/2014/03/19/webcl-will-soon-let-web-developers-harness-the-power-of-multi-core-gpus-and-cpus-from-the-browser/
  116. Archivierte Kopie (Memento vom 16. November 2016 im Internet Archive)
  117. https://github.com/clMathLibraries/clBLAS
  118. https://github.com/clMathLibraries/clSPARSE
  119. https://github.com/clMathLibraries/clFFT
  120. https://github.com/clMathLibraries/clRNG
  121. https://github.com/ddemidov/amgcl
  122. http://arrayfire.com/
  123. Archivierte Kopie (Memento vom 16. März 2015 im Internet Archive)
  124. https://github.com/boostorg/compute
  125. https://github.com/Polytonic/Chlorine
  126. https://github.com/CNugteren/CLBlast
  127. http://icl.cs.utk.edu/magma/software/view.html?id=207
  128. Archivierte Kopie (Memento vom 29. April 2016 im Internet Archive)
  129. https://github.com/hughperkins/DeepCL
  130. https://github.com/OpenCL/GEGL-OpenCL
  131. https://github.com/geggo/gpyfft
  132. https://github.com/cbclab/MOT
  133. https://github.com/uncomplicate/neanderthal
  134. http://www.netlib.org/blas/index.html
  135. https://github.com/PyOCL/OpenCLGA
  136. http://www.paralution.com/
  137. http://www.thesalmons.org/john/random123/releases/latest/docs/index.html
  138. https://github.com/ddemidov/vexcl
  139. http://viennacl.sourceforge.net/
  140. https://github.com/GPUOpen-ProfessionalCompute-Tools/HIP
  141. http://www.phoronix.com/scan.php?page=news_item&px=CUDA-On-CL-Coriander
  142. http://www.iwocl.org/wp-content/uploads/iwocl2017-hugh-perkins-cuda-cl.pdf
  143. https://github.com/hughperkins/tf-coriander
  144. https://github.com/uncomplicate/clojurecl
  145. https://github.com/libmir/dcompute
  146. https://github.com/tonyrog/cl
  147. https://github.com/flyx/OpenCLAda
  148. https://github.com/JuliaGPU/OpenCL.jl
  149. https://github.com/pyopencl/pyopencl