不仅是游戏谈Fermi架构下通用计算的优化_新闻台

　　CUDA是NVIDIA的GPU通用运算技术，它运算速度高效精炼而著称。而X86则在通用领域有着天然的优势，即具备最广泛的软件应用支持。相信，至今没有一个指令级体系可以拥有如此广泛的软资源。CUDA要做到如此兼容，并非简单CUDA-x86编译器可以解决。

　　不过广泛的支持是要付出一定的代价。因此每一代新的x86处理器设计时都需要兼容前一代处理器的指令。所以导致x86臃肿的架构。同时，你可以发现，同样的应用可以不加修改地在新x86处理器上得道更高效的运行。

四块Tesla组成

　　相对于通用架构的CUDA体系，在代码编写方面是一种更加接近硬件的语言，因此如果要在新CUDA硬件上更加高效实现以往应用，则需要在指令应用到新的技术。在x86硬件方面，在此10年几乎没有革命性的变化，相对而言G80自从发布以来，CUDA硬件拥有了多次不为用户所知的重要变化。

　　首次是最原始的G80架构，代表的产品是8800GTX。紧跟的是GT200核心的变革，最后也是最新的CUDA硬件Fermi的到来。

流处理器越多实时线程越多

　　CUDA硬件区别一般的多核处理器，其最大不同是拥有更多的运算单元。举例说，一般的4核处理器只拥有4个物理处理器核心。而一款GTX480却拥有480个流处理器，而GTX580更具备512个CUDA核心之多。

　　因此，高效的应用需要程序中建立足够多的线程让GPU充分地工作。当然，一般较为简单的做法是为不同的核心创建不同的代码，让其执行的时候去识别不同设备ID来调用不同的内核代码。

　　当然，更为高效的做法是编写一个具备自适应核心数量的代码。此方法不但可以具备良好的兼容性，同时更可以不加修改地适用于往后的新硬件。

　　在流处理器架构上，每一代产品都有不同的变化。首次采用此命名是因为该单元具备通用执行的能力。即该单元可以同时执行整型和浮点指令。在G80芯片上，SPs单元具备全速的单精度浮点运算以及24位整型指令。而在Fermi的CUDA核心里面，便可以同时执行全速的单精度以及32位整型运算。

Block中的线程映射

　　注释：在CUDA中所说的shared memory并非直接的翻译为共享内存，它是由于高速晶体管组成的高速内存，速度和寄存器高速缓存一致，并且对程序员不透明。而且shared memory和代码中的指令同名，因此一般不作翻译。

　　新存储体系的应用优化

　　存储体系是变化是GPU向CPU靠拢的一个标志，第一代的G80的存储体系和GT200体系都是寄存器、shared memory和DRAM（显存）架构。因此，一般高级应用需要到高速缓存来提速的时候，通常需要shared memory代替或者用只读的纹理缓存代替。由于硬件的限制，此前两代对于一些通用算法实现的效率受制在高速缓存上。