转自：https://blog.csdn.net/qq_25680531/article/details/80907499

OpenCL和CUDA是两种异构计算的编程模型。

NVIDIA在2007年正式发布CUDA之后，一直大力推广这种编程模型，主要集中在科学计算这一块，原因是这个领域的很多应用程序属于数据并行类型，因此利用CUDA在NVIDIA自家的GPU上加速原来单线程的程序一般都能取得满意的加速效果。

OpenCL最早是由Apple提出，后来交给了Khronos这个开放标准组织。OpenCL 1.0 在2008年底正式由Khronos发布，比CUDA晚了整整一年。由于NVIDIA的CUDA取得了先机，OpenCL则不那么流行，玩的人比较少。

这两种异构计算模型，基本思想其实是非常接近的。我个人的观点是这两东东差别不大，所以学会其中一个，另一个则能触类旁通。网上有不少争论到底是CUDA还是OpenCL好，各种观点都有，其实是肥环瘦燕，各有所好。对初学者来说，可能CUDA可能更简单点，需要关注的东西相对少一点；OpenCL由于要考虑不同平台，要注意的方面多一点，个人觉得比较罗嗦，但目前又不可少。

本人背景不是搞计算机的，所以硬件软件的底层并不是太关心，关注的是这两种编程模型的具体实现，所以比较了一下两种模型的实施步骤

先来CUDA

1.  在device (也就是GPU) 上申请内存
2.  将host (也就是CPU) 上的数据拷贝到device
3.  执行CUDA kernel function
4.  将device上的计算结果传回host
5.  释放device上的内存

记住这5大步，也就掌握了CUDA的基本思路。

来看看OpenCL

1. 检测申请计算资源
   • 检测platform
   • 检测platform对应的device
   • 建立context
   • 建立command queue
   • 在context内申请存储空间
2. 将host (也就是CPU) 上的数据拷贝到device
3. OpenCL代码编译
   
   • 读入OpenCL （kernel function） 源代码
   • 编译创立program 句柄
   • 创立一个 OpenCL kernel 句柄
   • 申明设置 kernel 的 参数
   • 设置NDRange
4. 运行kernel 
5. 将device上的计算结果传回host
   
6. 释放计算资源
   • 释放kernel
   • 释放program
   • 释放device memory
   • 释放command queue
   • 释放context

6大步骤，共10几个小步。

用OpenCL C的话，一个都不能少；用C++ wrapper的话可以稍微简单点，第6步不用程序员自己写了，C++的destructor会自动释放这些资源。

NIVIDIA在介绍OpenCL的时候，把它当作一种类似与CUDA driver API 的底层实现，将CUDA runtime API 称为一种高层实现。其实OpenCL和CUDA在很多方面是非常类似的。