はじめに
PS3 に Xubuntu 9.10 をインストールして，Cell のプログラミングを試そうとしている記録です．
OpenCL
IBM が公開している Cell 用の OpenCL SDK をかなり強引な方法を使いました がインストールしました．サンプルプログラムは全てコンパイル＆実行できて いるので，インストールには一応成功しているようです．
OpenCL_Guide.pdf に指定されているあらかじめ必 要とされるパッケージは，cell-sdk というパッケー ジでまとめてインストール可能でした．他に numactl もインストールします．また，OpenCL の SDK は rpm パッケージで公開されているので，alien もインストールしておきました．
opencl-01.1.tar.gzに含まれる rpm パッケージは， alien で deb パッケージに変換したものをインス トールしました．
xlc.opencl.01.1.linux.ppc.isoに含まれる rpm パッ ケージは alien では変換できないと言う情報が Web 上に出ていたので，xlc_install を強引に書 き換えて rpm コマンドで直接インストールしまし た．その際，依存関係のチェックルーチンを常に成功させ，またrpmに --force-debian --nodeps --ignorearch オプションを書き加えました．
サンプルプログラムの julia を実行する時に，libstdc++.so.6の 64bit 版を要求されましたので，イン ストールしました．また，spu を使用するために /etc/fstab に none /spu spufs gid=spu 0 0 を追加しました．
SPU を使った場合の julia の実行結果は次のようになりました．
$./julia_ocl -a -b Device: "ACCELERATOR CellBE processor" Loading program binary 'julia_kernel_ACCELERATOR_CellBE_processor_lwgsize1'.... 50 Frames took 2.090000 seconds. Rate = 6.271388 Mpixels/sec
Matrix Multiplication on Cell
KHRONOS の Tutorials and Sample Code でも紹介されている GPGPU Programming (OpenCL) のページの Matrix Multiplication を PS3 上の OpenCL で動 かしてみるついでに，色々試してみました．
Matrix Multiplication 2 で紹介されているソースコードはほとんどそのまま PS3 上で動作しましたが，速度はかなり遅かったです．PPE 上で実行させた計 算との比較は次のような結果になりました．コードは main.c と kenel1.cl の通りです．"clock.h", "clock.c" は OpenCL のサンプルから取って来てます．また，エラーチェック をほとんど行っていないので，その点はあらかじめ注意してください．
kernel took 104.449997 seconds cpu took 149.699997 seconds acceleration ratio 1.433222 different result 0/1048576
SPU(SPE) は SIMD 演算の機能を持っているので，kernel のコード中で明示的 にベクトル型(float4)を使用して計算の高速化を図ってみましたが，使い方が 悪いのか結果はかえって遅くなりました．コードは kenel1s.cl です．
kernel took 105.029999 seconds cpu took 149.800003 seconds acceleration ratio 1.426259 different result 0/1048576
高速化が行われている Matrix Multiplication 3 の kernel のコードがコン パイルできなかったので，同じロジックながら task parallel のモデルに作 り変えました．コードは main2.c と kenel2.cl の通りです． BLOCK_SIZE を 16, 32, 64, 128 と変えて実行しました が，64 が最速で 128 はメモリー不足でした．local メモリーの確保は host 側からも行えるし，そうするとバイナリの使いまわしも容易になるんですが， 実行速度が落ちました．
BLOCK_SIZE is 16 -- Matrix size is 1024x1024 kernel took 0.850000 seconds cpu took 148.399994 seconds acceleration ratio 174.588226 different result 0/1048576 BLOCK_SIZE is 32 -- Matrix size is 1024x1024 kernel took 0.540000 seconds cpu took 148.820007 seconds acceleration ratio 275.592590 different result 0/1048576 BLOCK_SIZE is 64 -- Matrix size is 1024x1024 kernel took 0.420000 seconds cpu took 148.029999 seconds acceleration ratio 352.452393 different result 0/1048576 BLOCK_SIZE is 128 -- Matrix size is 1024x1024 Aborted
ソースコードから毎回コンパイルさせるとかなり遅く感じますが，あらかじめ コンパイル済みの kernelをロードさせて実行させると快適に計算が進みます． 余録として何故か kernel の実行時間も短くなる傾向が見られます．検算は 外してます．
time ./main2 BLOCK_SIZE is 64 -- Matrix size is 1024x1024 kernel took 0.360000 seconds real 0m1.030s user 0m0.613s sys 0m0.163s
このバージョンは十分高速 (350 倍以上)なので，SIMD 化は試してませんが， 先の例からするとコンパイラが最適化する際に SIMD を活用しているような感 じもするので，自前で変に意識しない方が良いかもしれません．