Review: Nvidia Geforce GTX 680

Στην περίπτωση του παλαιότερου GF114, κάθε Streaming Multiprocessor διέθετε 48 πυρήνες CUDA, οι οποίοι ήταν οργανωμένοι σε τρεις ομάδες των δεκαέξι, και οι οποίοι συνοδεύονταν από 16 μονάδες load/store, 16 interpolation SFUs, 8 special function SFUs και 8 μονάδες texture. Την τροφοδοσία των παραπάνω μονάδων με δεδομένα, φρόντιζε ένα ζευγάρι warp schedulers που μπορούσε να επεξεργαστεί τέσσερις εντολές ανά κύκλο ρολογιού. Στην αρχιτεκτονική Fermi, διαφορετικά στοιχεία στο εσωτερικό κάθε SM λειτουργούσαν σε διαφορετική συχνότητα, με τους warp schedulers και τις μονάδες texture να λειτουργούν στην συχνότητα του πυρήνα, ενώ οι shaders (CUDA cores), και οι μονάδες load/ store units και SFU λειτουργούσαν σε διπλάσια συχνότητα.

Η διάταξη των στοιχείων στο εσωτερικό ενός Streaming Multiprocessor νέας γενιάς

Στις GPUs αρχιτεκτονικής Fermi, ένα warp διαιρείται και στην συνέχεια εκτελείται μέσα σε 2 κύκλους του shader clock (αρχικά σειρά έχουν 16 threads, και στην συνέχεια είχαμε ακόμη 16 threads στον επόμενο κύκλο ρολογιού. Χάρη στην διπλάσια συχνότητα του shader clock, η Nvidia κατάφερνε να πραγματοποιήσει ένα πλήρες warp μέσα σε ένα κύκλο ρολογιού του πυρήνα, την ίδια ώρα που για να το επιτύχει αυτό χρησιμοποιούσε το μισό κυριολεκτικά hardware!

Σήμερα, με την αρχιτεκτονική Kepler, όπου ο στόχος είναι η υψηλή απόδοση/ watt, και σε συνδυασμό με την κλίμακα ολοκλήρωσης 28nm που τις επέτρεψε να στριμώξει περισσότερα transistors σε λιγότερο χώρο, κατέστη δυνατόν να καταργηθεί η διπλάσια συχνότητα του shader clock που ήταν υπεύθυνη εν’ μέρη για την υψηλή κατανάλωση των chip της. Δύο ζευγάρια warp schedulers (ανά SMX ) αναλαμβάνουν να διαχειριστούν τις εντολές ανάμεσα στους 192 πυρήνες CUDA (μιλάμε για εξαπλάσια αύξηση σε σχέση με το GF110 και τετραπλάσια σε σχέση με το GF114). Έτσι, για να επιτευχθεί ένα πλήρες warp, ήταν απαραίτητο – αφού όλα τα στοιχεία του πυρήνα θα εργάζονται με την ίδια συχνότητα – να αυξηθεί ο αριθμός των στοιχείων του hardware (περισσότεροι πυρήνες CUDA, περισσότερες μονάδες load/ store, περισσότερες μονάδες texture κ.α). Με λίγα λόγια, διπλασίασε το hardware σε αρκετές περιπτώσεις μέσα σε κάθε SMX, για να επιτύχει το ίδιο ή και καλύτερο αποτέλεσμα όσο αφορά στην απόδοση, με παράλληλη μείωση της κατανάλωσης. Για αυτό δεν πρέπει οι χρήστες να συγκρίνουν την απόδοση της παλαιότερης και νέας αρχιτεκτονικής, με βάση τον αριθμό των πυρήνων CUDA.