我正在尝试运行向量加法的应用程序，其中我需要同时启动多个内核，因此，对于并发内核启动，我最后一个问题中有人建议我使用多个命令队列。它是由阵列定义的
context = clCreateContext(NULL, 1, &device_id, NULL, NULL, &err);
for(i=0;i<num_ker;++i)
{
queue[i] = clCreateCommandQueue(context, device_id, 0, &err);
}
我收到一个错误"命令被信号11终止"，在上面的代码附近。
我正在使用for循环来启动内核，同时也使用排队数据
for(i=0;i<num_ker;++i)
{
err = clEnqueueNDRangeKernel(queue[i], kernel, 1, NULL, &globalSize, &localSize,
0, NULL, NULL);
}
问题是我不确定哪里出了问题，我在某个地方看到了我们可以制作命令队列的数组，所以这就是我使用数组的原因。另一个信息是，当我不使用A for循环，只是手动定义多个命令队列时，它工作得很好。
我也读了你的最后一个问题，我认为你应该首先重新思考你真正想做什么，以及OpenCL是否真的是这样做的方式。
OpenCL是一个用于masive并行处理和数据处理的API。其中每个内核（或排队任务）对许多数据并行操作值，因此在许多数量级上优于任何串行CPU处理。
OpenCL的典型用例是1个内核运行数百万个工作项。如果更先进的应用程序可能需要不同内核的多个序列，以及CPU和GPU之间的特殊同步。
但并发性从来都不是必需的（否则，单核CPU将无法执行任务，而且情况永远不会如此。它会更慢，好吧，但仍然可以运行它）
即使需要同时运行两个任务。所花费的时间是否同时相同：
非并发情况：
Kernel 1: *
Kernel 2: -
GPU Core 1: *****-----
GPU Core 2: *****-----
GPU Core 3: *****-----
GPU Core 4: *****-----
并发案例：
Kernel 1: *
Kernel 2: -
GPU Core 1: **********
GPU Core 2: **********
GPU Core 3: ----------
GPU Core 4: ----------
事实上，非并发情况是优选的，因为至少第一个任务已经完成，并且进一步的处理可以继续。
据我所知，您想要做的是同时运行多个内核。以便内核完全并发运行。例如，运行100个内核（相同或不同的内核）并同时运行它们。
这根本不适合OpenCL模型。事实上，in可能比CPU单个线程慢得多
如果每个内核都独立于其他内核，那么一次只能为一个内核分配一个内核（SIMD或CPU）（因为它们只有一台PC），即使它们可以同时运行1k个线程。在理想的情况下，这将在一个由几个内核（6-10）组成的池中转换OpenCL设备，这些内核串行地消耗排队的内核。这是假设API也支持它和设备，但情况并非总是如此。在最坏的情况下，您将拥有一个运行单个内核的设备，并且浪费了99%。
可以在OpenCL中完成的事情的示例：
- 数据处理。相乘矢量、模拟粒子等
- 图像处理、边界检测、滤波等
- 视频压缩、编辑、生成
- 光线跟踪、复杂灯光数学等
- 排序
不适合OpenCL的东西的例子：
- 正在终止异步请求（HTTP、trafic、交互式数据）
- 处理少量数据
- 处理每种类型都需要完全不同处理的数据
在我看来，使用多个内核的唯一真实用例是后者，无论你做什么，在这种情况下性能都会很糟糕。最好使用多线程池。