决战性能之巅！NV双芯旗舰GTX590评测

    讲完了GPC（内含光栅引擎）和SM（内含多形体引擎）之后，就轮到了GF100的最小单元——流处理器，现在NVIDIA将它称为CUDA核心。

9.4 GF100图形架构：第三代流处理器的诸多改进

    论单个CUDA核心，GF100与GT200/G80的基本功能是相同的，沿用了之前的1D标量流处理器设计，无论程序要求什么类型的指令，都可以通过线程分配器打散之后交给CUDA核心处理，从而保证任何指令都能获得100%的执行效率。

GF100的SM与CUDA结构

    虽说像素和顶点等4D指令依然是主力，但在进入DX10时代后Z缓冲区（1D）或纹理存取（2D）等非4D指令所占比重越来越多，此时NVIDIA的标量流处理器架构处理起来依然如鱼得水。

● CUDA核心的改进：

    每一个CUDA核心都拥有一个完全流水线化的整数算术逻辑单元（ALU）以及浮点运算单元（FPU）。GF100采用了最新的IEEE754-2008浮点标准，2008标准的主要改进就是支持多种类型的舍入算法。新标准可以只在最终获取数据时进行四舍五入，而以往的标准是每进行一步运算都要四舍五入一次，最后会产生较大的误差。

    GF100能够为32bit单精度和64bit双精度运算提供FMA（Fused Multiply-Add，积和熔加）指令，而GT200只在64bit时才能提供。FMA不仅适用于高性能计算领域，事实上在渲染紧密重叠的三角形时，新的FMA算法能够最大限度的减少渲染误差。

● 16个载入/存储单元：

    每一个SM都拥有16个载入/存储单元，从而在每个时钟周期内均可为16个线程运算源地址与目标地址。支持的单元能够将每个地址的数据载入和存储到高速缓存或显存中。

● 四个特殊功能单元：

    GF100每个SM内部还拥有额外的四个SFU（Special Function Units，特殊功能单元），可用于执行抽象的指令，例如正弦、余弦、倒数和平方根，图形插值指令也在SFU上执行。每个SFU在一个时钟周期内针对每个线程均可执行一条指令，一个Warp（32个线程）的执行时间可超过八个时钟周期。SFU流水线从分派单元中分离出来，让分派单元能够在SFU处于占用状态时分发给其他执行单元。复杂的程序着色器在特殊功能专用硬件上的运行优势尤为明显。

● 双Warp调度器：

    SM可对32个为一组的并行线程（又叫做Warp）进行调度。每个SM拥有两个Warp调度器以及两个指令分派单元。这样就能够同时发出和执行两个Warp。

    GF100的双Warp调度器可选出两个Warp，从每个Warp发出一条指令到16个核心、16个载入/存储单元或4个特殊功能单元。因为Warp是独立执行的，所以GF100的调度器无需检查指令流内部的依存关系。通过利用这种优秀的双指令执行（Dual-issue）模式，GF100能够实现接近峰值的硬件性能。

    大多数指令都能够实现双路执行，两条整数指令、两条浮点指令或者整数、浮点、载入、存储的混合指令以及SFU指令均可同时执行。但双精度指令不支持与其它指令同时分派。