本文深入探讨了CUDA中单精度浮点加法指令的执行周期，通过实验发现并非手册所述的4个时钟周期，而是20个。原因在于数据相关性导致指令不能并行执行。实验表明，当线程数达到160时，可以填满流水线，且流水线宽度为16个指令，长度为10步，每个步骤平均执行时间为2个时钟周期。此外，流水线的瓶颈部件节拍也是2个时钟周期，验证了CUDA流水线的工作原理。
前文提及,通过试验表明,在130M显卡上,单精度浮点加法计算的串行执行要每指令20个时钟周期.与cuda手册上提及
的4周期差距甚大.(试验结果数据：频率/实测性能=1.5/0.0745679=20.116)
曾考虑到过，现代cpu其实都是以流水线方式处理每一条指令的(取指，译吗,计算，保存结果等等)。进入流水线的前几
条指令可能因为要在流水线中按脉冲流动，消耗时间会较长。但是一旦启动后，应该是按瓶颈部件的节拍流出结果的啊。
前文的测试程序表明，最少有7500条相同的单精度浮点加法指令连续流入流水线，流水线的长度不可能有那么长的，
早充满了。而且，瓶颈部件的节拍也不可能是20个周期。不然的话，当多线程执行时，每4周期就执行不了32条指令！
而实践表明这个理论值是可以达到的。
基于以上思考，我一下子被卡住了,没法自我解释。呵呵。
直到刚才和网上大牛ic.expert交流，他的一句"这段程序中每条指令都是前后相关的（即下一条指令会用到上一条指令
的结果），所以他的指令发射状态应该是一条指令走过Read Registerfiles + SP Pipeline后，下一条指令才会继续上
一条指令的动作"点醒了梦中人。是啊，怎么忘了数据相关呐！前文的程序中，两条指令之间是高度数据相关的。这样，
也就意味着前一条指令没执行完毕，后一条指令是没法进入流水线的(不然，在不知道前面结果情况下，后面没法得到正
确的结果--并行的基本限制！)。
前文的试验结果表明，130M上的SP的流水线的总执行时间(从进
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
