对 nvidia GPU 上的计算单元和预期核心的混淆
Confusion over compute units and expected cores on nvidia GPU
我有一个 nvidia GTX 750 Ti card，它被宣传为具有 640 个 CUDA 内核。事实上，nvidia 设置应用程序也报告了这一点。
我正在尝试使用此卡在 Linux 上进行 OpenCL 开发。现在，我从 OpenCL 环境（如果有所不同，则通过 PyOpenCL）报告计算单元的数量为 5。我的理解是 nvidia 设备上的一个计算单元映射到一个多处理器，据我所知是 32 SIMD单位（我假设是 CUDA 核心）。
显然，5 * 32 不是 640（而是预期值的四分之一）。
关于 nvidia 上工作单元的含义，我是否遗漏了什么？该卡还驱动图形输出，这将使用一些计算能力——是否有一部分处理能力保留给图形使用？ （如果是这样，我可以更改吗？）。
NVIDIA 有一个 whitepaper for the NVIDIA GeForce GTX 750 Ti，值得一读。
OpenCL 计算单元转换为 NVIDIA GPU 术语中的流式多处理器。 GPU 中的每个 Maxwell SMM 包含 128 个处理元素 ("CUDA cores") - 和 128*5 = 640。设备的 SIMD 宽度仍然是 32，但是每个计算单元 (SMM) 可以同时向四个不同的 warp 发出指令。
我有一个 nvidia GTX 750 Ti card，它被宣传为具有 640 个 CUDA 内核。事实上，nvidia 设置应用程序也报告了这一点。
我正在尝试使用此卡在 Linux 上进行 OpenCL 开发。现在，我从 OpenCL 环境（如果有所不同，则通过 PyOpenCL）报告计算单元的数量为 5。我的理解是 nvidia 设备上的一个计算单元映射到一个多处理器，据我所知是 32 SIMD单位（我假设是 CUDA 核心）。
显然，5 * 32 不是 640（而是预期值的四分之一）。
关于 nvidia 上工作单元的含义，我是否遗漏了什么？该卡还驱动图形输出，这将使用一些计算能力——是否有一部分处理能力保留给图形使用？ （如果是这样，我可以更改吗？）。
NVIDIA 有一个 whitepaper for the NVIDIA GeForce GTX 750 Ti，值得一读。
OpenCL 计算单元转换为 NVIDIA GPU 术语中的流式多处理器。 GPU 中的每个 Maxwell SMM 包含 128 个处理元素 ("CUDA cores") - 和 128*5 = 640。设备的 SIMD 宽度仍然是 32，但是每个计算单元 (SMM) 可以同时向四个不同的 warp 发出指令。