OpenCL和CUDA是兩種異構計算的編程模型。
NVIDIA在2007年正式發佈CUDA之後，一直大力推廣這種編程模型，主要集中在科學計算這一塊，原因是這個領域的很多應用程序屬於數據並行類型，因此利用CUDA在NVIDIA自家的GPU上加速原來單線程的程序一般都能取得滿意的加速效果。
OpenCL最早是由Apple提出，後來交給了Khronos這個開放標準組織。OpenCL 1.0 在2008年底正式由Khronos發佈，比CUDA晚了整整一年。由於NVIDIA的CUDA取得了先機，OpenCL則不那麼流行，玩的人比較少。
這兩種異構計算模型，基本思想其實是非常接近的。我個人的觀點是這兩東東差別不大，所以學會其中一個，另一個則能觸類旁通。網上有不少爭論到底是CUDA還是OpenCL好，各種觀點都有，其實是肥環瘦燕，各有所好。對初學者來說，可能CUDA可能更簡單點，需要關注的東西相對少一點；OpenCL由於要考慮不同平臺，要注意的方面多一點，個人覺得比較羅嗦，但目前又不可少。
本人背景不是搞計算機的，所以硬件軟件的底層並不是太關心，關注的是這兩種編程模型的具體實現，所以比較了一下兩種模型的實施步驟
先來CUDA
- 在device (也就是GPU) 上申請內存
- 將host (也就是CPU) 上的數據拷貝到device
- 執行CUDA kernel function
- 將device上的計算結果傳回host
- 釋放device上的內存
記住這5大步，也就掌握了CUDA的基本思路。
來看看OpenCL
- 檢測申請計算資源
- 檢測platform
- 檢測platform對應的device
- 建立context
- 建立command queue
- 在context內申請存儲空間
- 將host (也就是CPU) 上的數據拷貝到device
- OpenCL代碼編譯
- 讀入OpenCL （kernel function） 源代碼
- 編譯創立program 句柄
- 創立一個 OpenCL kernel 句柄
- 申明設置 kernel 的 參數
- 設置NDRange
- 運行kernel
- 將device上的計算結果傳回host
- 釋放計算資源
- 釋放kernel
- 釋放program
- 釋放device memory
- 釋放command queue
- 釋放context
6大步驟，共10幾個小步。
用OpenCL C的話，一個都不能少；用C++ wrapper的話可以稍微簡單點，第6步不用程序員自己寫了，C++的destructor會自動釋放這些資源。
NIVIDIA在介紹OpenCL的時候，把它當作一種類似與CUDA driver API 的底層實現，將CUDA runtime API 稱爲一種高層實現。其實OpenCL和CUDA在很多方面是非常類似的。
