NVIDIA GPU 架构梳理
发布网友
发布时间：2024-10-07 04:59
共1个回答
热心网友
时间：2024-10-11 14:35
在探索并行计算的领域中，NVIDIA GPU在高性能计算领域占据主导地位。本文将对NVIDIA GPU架构的演变进行总结，以帮助深入理解其发展历程。
本文中提到的最近8种NVIDIA GPU微架构，分别是特斯拉(Tesla)、费米(Fermi)、开普勒(Kepler)、麦克斯韦(Maxwell)、帕斯卡(Pascal)、伏打(Volta)、图灵(Turing)和安培(Ampere)。其中最新架构为2020年宣布的Ampere架构。
Tesla架构是NVIDIA首个实现统一着色器模型的微架构，基于G80设计，开启了计算GPU的新纪元。Fermi架构作为NVIDIA自G80以来的最大飞跃，利用全新设计，专注于提升关键领域性能，如第三代流式多处理器、改进的内存子系统和NVIDIA GigaThread TM引擎。
Kepler架构在SM单元数量减少的同时，将每组单元中的CUDA内核数量增加，从32个激增至192个，体现了NVIDIA在GPU架构上的创新。
Maxwell架构进一步优化了SM单元设计，将四个Fermi架构的SM单元以2x2方式排列，形成SMM单元，每个单元包含四个32核处理块，提升了逻辑控制电路的精度和性能。
Pascal架构引入了核心概念，拥有GP100和GP102两种大核心，性能和制程工艺得到了显著提升，GPU模组包含60个SM单元，CUDA内核数量从每组64个增加到128个，并重新引入了DP双精度运算单元。
Volta架构在每个SM单元中引入了四个处理块，并拆分CUDA内核为FP32和INT32两部分，允许在同一时钟周期内同时执行浮点和整数指令，同时增加了Tensor Core张量单元，用于深度学习和AI运算。
Turing架构引入了三种核心，每个SM单元包含4个处理块，进一步优化架构设计，去掉了对FP64的支持。
Ampere架构在保留Tensor技术的同时，再次加入FP64核心，保持了自Volta架构以来的更新节奏，持续提升NVIDIA GPU的计算性能。
本文概述了NVIDIA GPU架构的演变过程，从Tesla架构到最新的Ampere架构，每一代架构都带来了显著的性能提升和技术创新，共同推动了GPU在高性能计算领域的进步。
