我需要编写一个 OpenCL 程序，用于将大型缓冲区(数百万个浮点数(减少为单个浮点数。为了问题的简单性，我在这里假设我需要计算所有浮点数的总和。
所以我写了一个内核，它以浮点缓冲区作为输入，并用 64 的数据包对其进行求和。它将结果写入小 64 倍的缓冲区。然后，我迭代此内核的调用，直到数据足够小，可以复制回主机上并由 CPU 求和。
我是 OpenCL的新手，我是否需要在每个内核之间设置屏障以便它们按顺序运行，或者 OpenCL 是否足够智能以检测到第 n 个内核传递正在写入用作 n+1 个内核输入缓冲区的输出缓冲区？
还是有更聪明的方法？
如果您为所有
内核启动使用单个按顺序的命令队列(即不使用 CL_QUEUE_OUT_OF_ORDER_EXEC_MODE_ENABLE 属性(，则每个内核调用将在下一次开始之前运行完成 - 您不需要任何明确的障碍来强制执行此行为。
如果使用无序命令队列或多个队列，则可以通过使用 OpenCL 事件强制实施数据依赖关系。每次调用clEnqueueNDRangeKernel都可以选择返回一个事件对象，该对象可以作为依赖项传递给后续命令。