标题中的“Intel核显host多线程与单线程OpenCL”指的是在Intel集成显卡上，使用OpenCL编程模型时，针对主机(host)代码的多线程与单线程性能差异。OpenCL是一种开放标准，允许开发者利用CPU、GPU和其他并行计算设备进行异构计算，以提高应用的计算效率。 描述中提到，“单线程下使用CPU作为device可达到1.8秒”，这意味着当仅使用一个线程，并且将OpenCL计算任务分配给CPU执行时，完成特定计算任务需要1.8秒的时间。而在“多线程下使用了多设备耗时是15.8秒”，这表示当使用多个线程并同时利用多个设备（可能是CPU和GPU）时，总的执行时间反而增加到了15.8秒。这种情况可能是因为多线程和多设备之间的同步开销、数据传输成本或者任务分配不当导致的。对比AMD平台，以前的单线程和多线程执行时间都是17.3秒，表明Intel平台在多线程优化上存在挑战。 对于OpenCL编程，理解线程管理和设备分配至关重要。在Intel核显上，开发者需要考虑如何有效地分配工作项(kernel)到不同的线程，以及如何平衡CPU和GPU的负载。多线程的优势在于可以充分利用系统资源，特别是在处理大量并行任务时，但是过度的线程创建和管理可能会带来额外的开销，尤其是在跨设备通信时。 在实际应用中，可能需要使用如OpenMP这样的库来实现主机端的多线程，而OpenCL用于设备上的并行计算。为了优化性能，开发者需要关注以下几个方面： 1. **任务划分**：合理地将任务划分为小的计算单元，使得每个工作项(kernel)可以独立执行，减少数据依赖。 2. **线程同步**：避免不必要的线程同步，尤其是在多设备环境下，同步可能导致性能瓶颈。 3. **数据局部性**：确保数据访问模式有利于缓存，减少内存访问延迟。 4. **设备选择**：根据设备特性选择合适的设备执行任务，例如，对于计算密集型任务，GPU通常比CPU更快；而对于数据传输频繁的任务，CPU的内存带宽可能更有优势。 5. **线程绑定**：将OpenCL线程绑定到特定的CPU核心，可以减少线程调度开销，提升性能。 6. **优化编译器选项**：使用适当的编译器标志，如Intel的OpenCL SDK提供的选项，来优化代码生成。 7. **性能监控**：使用性能分析工具（如Intel VTune Amplifier）来检测和定位性能瓶颈。 通过深入理解Intel核显的架构和OpenCL的编程模型，结合适当的优化策略，可以最大化多线程和多设备并行计算的优势，从而提升应用的整体性能。对于压缩包内的文件，可能是包含源代码示例、性能测试结果或者相关文档，可以帮助进一步理解和优化OpenCL在Intel平台上的应用。

官网给出了脚本直接安装Intel OpenCL driver,我之前都是自己新建一个txt将这段脚本复制过去，结果安装时总是出错，不能复制！要直接下载。

众所周知，opengl在GPU以及CPU显卡软件的各种程序编译中起着决定性的作用，很多挖矿软件亦是运用opengl的强大调动CPU或者GPU的浮点指令集合，从而实现算力提升的目标。然而很多老旧CPU和GPU却不曾拥有这一功能，为此intel公司针对旗下的CPU扩展了sdk_for_opencl，以此解决相应问题。软件很好用，大家可以试试，很快解决opengl drivers缺失的问题。

intel opencl sdk 用户手册

最近需要在win平台上结合kinect2获取点云数据，需要搭建libfreenect2+openni2+opencv+opencl环境，opencl下载需要注册一下，这里把intel_opencl分享在这里。由于只能上传小于220M的文件，这里把百度云链接放在文档里。