Hauptmenü öffnen

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.

OpenCL

OpenCL.jpg
Basisdaten

Entwickler Khronos Group
Erscheinungsjahr 28. August 2009
Aktuelle Version 2.2-11
(19. Juli 2019)
Aktuelle Vorabversion 2.2 provisional
(18. April 2016)
Betriebssystem plattformunabhängig
Programmiersprache C, C++
Kategorie Programmierschnittstelle
Lizenz verschieden
www.khronos.org/opencl

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 Bugfix und Aktualisierung in Headern von Spir-V.[8]

In Zukunft soll OpenCL als OpenCL-V ein Teil von Vulkan werden und so noch breitere Unterstützung gewinnen.[9][10] Zuletzt wurde nun OpenCL Next für 2019 angekündigt mit neuen Informationen.[11]

ArchitekturBearbeiten

 
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 (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 muss zur Entwicklungszeit nicht bekannt sein, auf welcher Hardware das Programm zur Laufzeit 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.

SpeichermodellBearbeiten

 
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 CBearbeiten

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 "event handler".

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-ObjektenBearbeiten

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 extra umkopieren zu müssen.

ErweiterungenBearbeiten

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).

ImplementierungenBearbeiten

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.[12] Aktuelle Grafikkarten der Generationen GCN 4 (RX 400 / RX 500) sowie GCN 5 (Vega) unterstützen OpenCL 2.0 vollständig.[13] 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.[14]
  • Intel OpenCL SDK: Intel hat auch eine kommerzielle SDK (2.0 für GPU und 2.1 für CPU ab Gen7).[20][21][22][23]
  • 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[24] und auch in iOS einsetzt.
  • Nvidia: Nvidia bietet eine OpenCL-Implementierung für seine GPGPU-Schnittstelle CUDA unter Linux, Windows und macOS an.[25] Die Generation der Tesla-Chips G80 und GT200 (Nvidia Tesla) unterstützt OpenCL 1.1 mit aktuellen Treibern ab Version 341.95.[26] 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.[27]

Open Source:

  • Intel Beignet: Intel hat für Linux und Android das Open Source Projekt Beignet aufgesetzt.[28][29] Zuletzt wurde im November 2016 nach der schon längeren Unterstützung von OpenCL 1.2 (ab Ivy Bridge) die Unterstützung von OpenCL 2.0 angekündigt.[30] 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 aktuell OpenCL 2.1-Unterstützung (neu auch ab Broadwell).[31] OpenCL 2.2 soll in "Compute Runtime" zeitnah folgen.[32]
  • 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 Performance unterstützt. ROCm-Version 2.4 hat einige Leistungsverbesserungen und Unterstützung für TensorFlow 2.0.[33] Version 2.5 unterstützt die Thrust-Bibliothek mit rocThrust.[34] Aktuell ist Version 2.8.
  • POCL: Portable OpenCL (OpenCL 1.2, OpenCL 2.0 überwiegend)[35], 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.[36][37][38] Die Performance ist durch fehlende Optimierung und Software teilweise schwach mit Faktor 1:5 bis 1:10 zur AMD Windows Implementierung. Mit POCL 1.1 wird die Performance zum Teil stark verbessert und SPIR mit SPIR-V experimentell unterstützt.[39] Mit Version 1.2 wird HWOC 2.0 sowie nun OpenCL 1.2 komplett unterstützt.[40][41][42][43] Mit Version 1.3 wird Mac OSX unterstützt.[44]
  • GalliumCompute (Clover): Mit Clover[45] 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.[46] Viele Tests für OpenCL 1.0 bis 1.2 werden hiermit 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.[47][48] 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.[49]

Eine Liste zertifizierter Produkte liegt bei Khronos vor.[50]

Diese müssen wie die Implementierungen die Tests der Khronos Conformance Test Suite (CTS) bestehen.[51]

AnwendungssoftwareBearbeiten

Viele rechenintensive Programme nutzen OpenCL zur Beschleunigung:[52]

GrafikprogrammeBearbeiten

  • FAST: Bildverarbeitung für Medizinanwendungen[70]
  • KLMeansCL: Entrauscher Plugin für AVISynth[71]
  • UFO: Bildverarbeitung von Synchrotron-Spuren[72]

3D-RendererBearbeiten

AudioBearbeiten

  • 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.[77] 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[78]

VideoBearbeiten

SimulationBearbeiten

  • Advanced Simulation Library[91]
  • SecondSpace OpenCL-Programm zur Simulation von Wellen im 2D-Raum.
  • PATRIC Particle-in-cell-Code[92]
  • Bullet: GPU rigid body simulation using OpenCL[93][94]
  • Monte-Carlo Simulation on AM57x[95]
  • Intel Demo Real-Time Shallow Water Simulation[96][97]
  • Intel Code Samples[98]
  • GROMACS molekulare Simulationen ab Version 5.1[99][100]
  • FEM: SIEMENS NX Nastran 9.1+ und Simulia Abaqus 6.11+[101][102][103][104]
  • Neuronale Netze: clgen: Deep Learning Program Generator[105]
  • Neuronale Netze: nengo_ocl Gehirn-Simulationen mit Nengo[106]
  • Entschlüsselung: JohnTheRipper[107]

WebBearbeiten

BibliothekenBearbeiten

  • AMGCL: AMG algebraischer Multi-Grid Solver[115]
  • ArrayFire: is for parallel computing with an easy-to-use API with JIT-Compiler (Open Source)[116]
  • Bolt: STL compatible library for creating accelerated data parallel applications[117]
  • Boost.Compute: GPU/Parallel C++ Library für OpenCL[118]
  • Chlorine: C++11 Bibliothek zum einfachen Nutzen von OpenCL 1.2+[119]
  • CLBlast: getuntes clBlas[120]
  • clMAGMA: OpenCL port of the MAGMA project, a linear algebra library similar to LAPACK but for Multicore+GPU Systems[121][122]
  • DeepCL: Bibliothek für neurales Training[123]
  • GEGL-OpenCL: Gimp GEGL mit OpenCL[124]
  • GpyFFT: Python Wrapper for FFT mit clFFT[125]
  • MOT: Maastricht Optimization Toolbox[126]
  • Neanderthal: BLAS und LAPACK Implementierung für Clojure[127]
  • Netlib BLAS[128] mehr in BLAS
  • OpenCLGA: genetische Algorithmen mit PYOpenCL[129]
  • PARALUTION[130]
  • random123: Kollektion von Zufallszahlengeneratoren (counter-based random number generators (CBRNGs))[131]
  • VexCL: vector expression template library (MIT-Lizenz)[132]
  • ViennaCL: freie Open-Source Linear Algebra Bibliothek der TU Wien[133]
  • HIP: OpenSource C++ Toolkit für OpenCL und Cuda[134]
  • Projekt Coriander: Konvertierung von CUDA in OpenCL 1.2 mit CUDA-on-CL[135][136]
  • Projekt TF-Coriander: Tensorflow mit OpenCL 1.2[137]

Sprachen KopplungBearbeiten

  • ClojureCL: parallel OpenCL 2.0 mit Clojure[138]
  • dcompute: natives Ausführen von D[139]
  • Erlang OpenCL Binding[140]
  • OpenCLAda: Binding Ada zu OpenCL[141]
  • OpenCL.jl: Julia Bindings[142]
  • PyOpenCL: Python Kopplung[143]
  • JavaScript: WebCL

WeblinksBearbeiten


Tutorials

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

EinzelnachweiseBearbeiten

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