圖形與計算那些事 AMD次世代架構(gòu)解析
隨著Tesla在高性能計算領域日漸深入人心，NVIDIA也在與科研工作者們進行深入的溝通，傾聽一線用戶的需求，以便在下代GPU核心中做出相應的優(yōu)化改進。當時用戶最大的需求有兩點：第一，科學家和超級計算只看重64bit雙精度浮點運算能力，GT200性能太低，只有單精度的1/8；第二：企業(yè)級用戶對穩(wěn)定性要求更高，傳統(tǒng)的顯卡不支持顯存ECC（錯誤檢查和糾正），計算出錯后效率較低。
這就是下一代GPU的設計目標。而且，這次GF100不僅要滿足并行計算的需求，還要兼顧DX11游戲性能，針對DX11新增的曲面細分、幾何運算做出相應的改進，時間緊、任務重、壓力大。
過于追求完美往往結(jié)果就會不完美，NVIDIA在GPU架構(gòu)設計部分做到了近乎完美，但是在芯片制造端掉了鏈子——由于GPU核心太大，臺積電40nm工藝還不夠成熟，導致GF100核心良率低下，沒能達到設計預期，最終的產(chǎn)品不僅功耗發(fā)熱很大，而且規(guī)格不完整。所以雖然當時GTX480顯卡的評價不是很高，但GF100核心的架構(gòu)極其優(yōu)秀的。等到工藝成熟之后的GF110核心以及GTX580顯卡，就毫無疑問的站在了游戲與計算的巔峰！
GF100是“四核心”設計：4個光柵化引擎
GF100/110可以看作是四核心設計
如果我們把Cayman看作是雙核心的設計，那GF100就是四核心的設計，它擁有四個GPC（圖形處理器集群）模塊，每個GPC都有各自的光柵化引擎（Raster Engine），而在以往都是整顆GPU共享一個Raster Engine。
GF100擁有16個多形體引擎
GF100與GT200最大的不同其實就是PolyMorph Engine，譯為多形體引擎。每個SM都擁有一個多形體引擎，GF100核心總共有多達16個。那么多形體引擎是干什么用的呢？為什么要設計如此之多？
為什么要這么多的多形體引擎？
之前的GPU架構(gòu)一直都使用單一的前端控制模塊來獲取、匯集并對三角形實現(xiàn)光柵化。無論GPU有多少個流處理器，這種固定的流水線所實現(xiàn)的性能都是相同的。但應用程序的工作負荷卻是不同的，所以這種流水線通常會導致瓶頸出現(xiàn)，流處理器資源未能得到充分利用。
實現(xiàn)光柵化并行處理的同時還要保持API的順序是非常困難的，這種難度阻礙了這一領域的重大創(chuàng)新。雖然單個前端控制單元的設計在過去的GPU中曾有過輝煌的歷史，但是隨著對幾何復雜度的需求不斷增長，它現(xiàn)在已經(jīng)變成了一個主要障礙。
Tessellation的使用從根本上改變了GPU圖形負荷的平衡，該技術(shù)可以將特定幀中的三角形密度增加數(shù)十倍，給設置于光柵化單元等串行工作的資源帶來了巨大壓力。為了保持較高的Tessellation性能，有必要重新平衡圖形流水線。
為了便于實現(xiàn)較高的三角形速率，NVIDIA設計了一種叫做“PolyMorph”的可擴展幾何引擎。每16個PolyMorph引擎均擁有自己專用的頂點拾取單元以及鑲嵌器，從而極大地提升了幾何性能。與之搭配的4個并行光柵化引擎，它們在每個時鐘周期內(nèi)可設置最多4個三角形。同時，它們還能夠在三角形獲取、Tessellation、以及光柵化等方面實現(xiàn)巨大性能突破。
這是Cayman的圖形引擎，是雙核心設計
AMD的Cayman核心是不分光柵化引擎和多形體引擎的，都可以算作是雙核心設計，GF100與Cayman相比，光柵化引擎是4:1，多形體引擎（包括曲面細分單元）是16:2，GF100的幾何圖形性能有多么強大已經(jīng)可以想象。
當NVIDIA的工程師通過計算機模擬測試得知幾何引擎將會成為DX11新的瓶頸之后，毫不遲疑的選擇了將單個控制模塊打散，重新設計了多形體引擎和光柵化引擎，并分散至每組SM或每個GPC之中，從而大幅提升了幾何性能，徹底消除了瓶頸。
GF100流處理器部分的改進
每一個CUDA核心都擁有一個完全流水線化的整數(shù)算術(shù)邏輯單元（ALU）以及浮點運算單元（FPU）。GF100采用了最新的IEEE754-2008浮點標準，2008標準的主要改進就是支持多種類型的舍入算法。新標準可以只在最終獲取數(shù)據(jù)時進行四舍五入，而以往的標準是每進行一步運算都要四舍五入一次，最后會產(chǎn)生較大的誤差。
GF100能夠為32bit單精度和64bit雙精度運算提供FMA（Fused Multiply-Add，積和熔加）指令，而GT200只在64bit時才能提供。FMA不僅適用于高性能計算領域，事實上在渲染緊密重疊的三角形時，新的FMA算法能夠最大限度的減少渲染誤差。
ATI所有的流處理器在執(zhí)行整數(shù)型加、乘指令時僅支持24bit精度，而NVIDIA CUDA核心支持所有整數(shù)指令全32位精度，符合標準編程語言的基本要求。整數(shù)ALU還經(jīng)過了優(yōu)化，可有效支持64位以及更高精度的運算，這一點是對手無法比擬的。
GF100擁有雙Warp調(diào)度器可選出兩個Warp，從每個Warp發(fā)出一條指令到16個核心、16個載入/存儲單元或4個特殊功能單元。因為Warp是獨立執(zhí)行的，所以GF100的調(diào)度器無需檢查指令流內(nèi)部的依存關系。通過利用這種優(yōu)秀的雙指令執(zhí)行（Dual-issue）模式，GF100能夠?qū)崿F(xiàn)接近峰值的硬件性能。
GF100首次引入一級緩存與動態(tài)共享緩存
GF100核心擁有很多種類的緩存，他們的用途不盡相同，其中一級緩存、共享緩存和紋理緩存位于SM內(nèi)部，二級緩存則是獨立的一塊，與光柵單元及顯存控制器相連。
以往的GPU都是沒有一級緩存的，只有一級紋理緩存，因為這些緩存無法在通用計算中用于存儲計算數(shù)據(jù)，只能用于在紋理采樣時暫存紋理。而在GF100當中，NVIDIA首次引入真正的一級高速緩存，而且還可被動態(tài)的劃分為共享緩存。
在GF100 GPU中，每個SM除了擁有專用的紋理緩存外，還擁有64KB容量的片上緩存，這部分緩存可配置為16KB的一級緩存+48KB共享緩存，或者是48KB一級緩存+16KB共享緩存。這種劃分方式完全是動態(tài)執(zhí)行的，一個時鐘周期之后可自動根據(jù)任務需要即時切換而不需要程序主動干預。
一級緩存與共享緩存是互補的，共享緩存能夠為明確界定存取數(shù)據(jù)的算法提升存取速度，而一級緩存則能夠為一些不規(guī)則的算法提升存儲器存取速度。在這些不規(guī)則算法中，事先并不知道數(shù)據(jù)地址。
對于圖形渲染來說，重復或者固定的數(shù)據(jù)比較多，因此一般是劃分48KB為共享緩存，當然剩下的16KB一級緩存也不是完全沒用，它可以充當寄存器溢出的緩沖區(qū)，讓寄存器能夠?qū)崿F(xiàn)不俗的性能提升。而在并行計算之中，一級緩存與共享緩存同樣重要，它們可以讓同一個線程塊中的線程能夠互相協(xié)作，從而促進了片上數(shù)據(jù)廣泛的重復利用并減少了片外的通信量。共享存儲器是使許多高性能CUDA應用程序成為可能的重要促成因素。
GF100擁有一個768KB容量統(tǒng)一的二級高速緩存，該緩存可以為所有載入、存儲以及紋理請求提供服務。二級緩存可在整個GPU中提供高效、高速的數(shù)據(jù)共享。物理效果、光線追蹤以及稀疏數(shù)據(jù)結(jié)構(gòu)等事先不知道數(shù)據(jù)地址的算法在硬件高速緩存上的運行優(yōu)勢尤為明顯。后期處理過濾器需要多個SM才能讀取相同的數(shù)據(jù)，該過濾器與存儲器之間的距離更短，從而提升了帶寬效率。
統(tǒng)一的共享式緩存比單獨的緩存效率更高。在獨享式緩存設計中，即使同一個緩存被多個指令預訂，它也無法使用其它緩存中未貼圖的部分。高速緩存的利用率將遠低于它的理論帶寬。GF100的統(tǒng)一共享式二級高速緩存可在不同請求之間動態(tài)地平衡負載，從而充分地利用緩存。二級高速緩存取代了之前GPU中的二級紋理緩存、ROP緩存以及片上FIFO。
GF100的緩存架構(gòu)讓各流水線之間可以高效地通信，減少了顯存讀寫操作
統(tǒng)一的高速緩存還能夠確保存儲器按照程序的順序執(zhí)行存取指令。當讀、寫路徑分離（例如一個只讀紋理路徑以及一個只寫ROP路徑）時，可能會出現(xiàn)先寫后讀的危險。一個統(tǒng)一的讀/寫路徑能夠確保程序的正確運行，同時也是讓NVIDIA GPU能夠支持通用C/C++程序的重要因素。
與只讀的GT200二級緩存相比，GF100的二級高速緩存既能讀又能寫，
而且是完全一致的。NVIDIA采用了一種優(yōu)先算法來清除二級緩存中的數(shù)據(jù)，這種算法包含了各種檢查，可幫助確保所需的數(shù)據(jù)能夠駐留在高速緩存當中。
關注我們
