我正在研究一种算法，它可以多次执行几乎相同的操作。由于该运算由一些线性代数（BLAS）组成，我想我会尝试使用 GPU 来完成此操作。
我已经编写了内核并开始将内核推送到命令队列上。因为我不想在每次通话后等待，所以我想我会尝试将我的通话与事件进行菊花链连接，然后开始将它们推送到队列中。
call kernel1(return event1)
call kernel2(wait for event 1, return event 2)
...
call kernel1000000(wait for event 999999)
现在我的问题是，所有这些都被推送到驱动程序存储队列的图形芯片吗？我可以使用的事件数量或命令队列的长度有限制，我环顾四周但找不到这个。
我正在使用 atMonitor 来检查 GPU 的利用率，很难将其提升到 20% 以上，这可能只是因为我无法足够快地将调用推送到那里吗？我的数据已经存储在 GPU 上，我传递的只是实际的调用。
首先，您不应该等待来自前一个内核的事件，除非下一个内核对前一个内核具有数据依赖性。设备利用率（通常）取决于队列中始终有准备好的东西。仅当需要等待事件时才等待事件。
“所有这些都被推送到驱动程序存储队列的图形芯片吗？”
这是实现定义的。请记住，OpenCL 不仅仅适用于 GPU！就 CUDA 式设备/主机二分法而言，您可能应该考虑“主机”上的命令队列操作（对于大多数实现）。
尝试对多个内核调用进行排队，并且在它们之间不等待。另外，请确保您正在使用最佳的工作组规模。如果您同时执行这两项操作，您应该能够充分利用您的设备。
不幸的是，我不知道你所有问题的答案，你现在也让我想知道同样的事情，但我可以说我怀疑 OpenCL 队列是否会变满，因为你的 GPU 应该完成执行最后一个排队的任务至少 20 个命令提交之前的命令。不过，只有当您的 GPU 有“看门狗”时，这才是正确的，因为这会阻止执行长得离谱的内核（我认为是 5 秒或更长时间）。