一、为什么要有矢量数据类型

向量化并行是现代处理器提升性能的重要方法。X86架构的CPU中的SSE/AVX都是SIMD（SingleInstruction Multiple Data，单指令多数据）模式。而当前GPU架构则是采用SIMT（SignleInstructtion Multiple Thread，单指令多线程）模式。

对于当前GPU架构来说，向量化的方法是SIMT。一个指令，同时有多个工作项执行。工作项映射到GPU上的硬件单元（AMD GPU为stream processor，NVIDIA GPU为CUDA Core）执行。这样的硬件单元处理的是标量数据。这使得我们在编写内核代码时无须显式地编写向量化代码，降低了GPGPU程序开发难度。对于GPU这样的设备，我们在内核直接使用标量数据即可。

二、OPENCL向量类型

下表中，变量类型后面是一个n来定义矢量中的元素个数，对所有矢量数据类型，支持的n值包括2、3、4、8和16。另外，double类型的矢量数据也是需要设备支持双精度时才可用。

声明为一个标量或矢量数据类型的变量要按所用数据类型的大小（字节数）对齐。内置的数据类型大小按2的幂字节数对齐。如果一个内置数据类型的大小不是2的幂，则要按紧邻的下一个2的幂值对齐。例如，一个f loat4变量要按16字节边界对齐，char2变量要按2字节边界对齐。一个包含3个分量的矢量数据类型，这个数据类型的大小为

4*sizeof

（分量）,这说明了包含3个分量的矢量数据类型要按

4*sizeof

（分量）边界对齐。

三、CUDA/HIP向量类型

四、OPENCL 与CUDA/HIP关于vec3内存地址对齐的区别

1、对于OPENCL，vec3地址对齐与同类型vec4一致，换言之，vec3对齐与同类型vec4对齐一致。

2、对于CUDA/HIP，vec3地址对齐与向量元素类型对齐一致（可以通过上面各个类型对齐表来加深理解）

五、实际应用

在将OpenCL-CTS中的test_conformance/vectors例子移植到CUDA/HIP平台上就会遇到OPENCL与CUDA/HIP关于vec3内存地址对齐的区别，需要根据CUDA/HIP的特性修改代码使得该例子可以在CUDA/HIP上测试通过。

参考文献：

1.

2.CUDA_C_Programming_Guide（NVIDIA官网文档）