CUDA学习（八十六）
计算能力6.x：
多处理器由以下部分组成：
- 64（计算能力6.0）或128（6.1和6.2）用于算术运算的CUDA内核
- 用于单精度浮点超越函数的16（6.0）或32（6.1和6.2）特殊功能单元，
- 2（6.0）或4（6.1和6.2）warp调度程序。
当一个多处理器被执行时，它首先在它的调度器中进行分配。 然后，在每个指令发布时间，每个调度程序为其分配的一个warp指令发出一条指令，如果有的话，该指令即可执行。
多处理器具有：
- 一个由所有功能单元共享的只读常量高速缓存，可加速驻留在设备内存中的常量内存空间的读取速度，
- 一个统一的L1 /纹理缓存，用于从24 KB（6.0和6.2）或48 KB（6.1）的全局内存读取数据，
- 大小为64 KB（6.0和6.2）或96 KB（6.1）的共享内存。
纹理单元也使用统一的L1 /纹理缓存，实现纹理和表面存储器中提到的各种寻址模式和数据过滤。
还有一个由所有多处理器共享的L2缓存，用于缓存对本地或全局内存的访问，包括临时寄存器溢出。 应用程序可以通过检查l2CacheSize设备属性来查询L2缓存大小。
高速缓存行为（例如，读取是否高速缓存在统一的L1 /纹理高速缓存和L2中或L2中）可以使用对加载指令的修饰符以逐访问为基础部分配置。
全局内存：
全局内存的运行方式与计算能力5.x的设备相同。
共享内存：
共享内存的运行方式与计算能力5.x的设备相同。
计算能力7.x（终于到Volta架构的GPU了，比Pascal架构的介绍多好多）：
Architecture：
多处理器由以下部分组成：
- 用于单精度算术运算的64个FP32内核，
- 用于双精度算术运算的32个FP64内核，
- 用于整数运算的64个INT32内核，
- 8个混合精度的Tensor Cores用于深度学习矩阵算术
- 16个用于单精度浮点超越函数的特殊功能单元
- 4个warp调度器。
多处理器在其调度程序中静态分配其warp。 然后，在每个指令发布时间，每个调度程序为其分配的一个warp指令发出一条指令，如果有的话，它就可以执行了。
多处理器具有：
- 一个由所有功能单元共享的只读常量高速缓存，可加速驻留在设备内存中的常量内存空间的读取速度，
- 一个总大小为128 KB的组合数据缓存和共享内存。
共享内存从128 KB数据高速缓存中分区出来，可以配置为0,8,16,32,64或96 KB。其余数据高速缓存充当L1高速缓存，并且也被纹理单元使用，用于实现纹理和表面内存中提到的各种寻址和数据过滤模式。
