NVIDIA GPU卡有几种架构？

Posted 2023-03-26

1、 “NVIDIA显卡的核心微架构经历了Tesla时代、Fermi时代、Kepler时代后，马上要进入Maxwell时代了。微架构越来越精细，性能也越来越强，当然最幸福的还是用户们，因为画面体验越来越好。”这一段是在网上查到的。
2、培训老师说Tesla是个系列名称，或者说是一个品牌，而Fermi和Kepler才是架构名称。那Fermi架构出现之前的架构名称是什么？
以上两种说法哪个正确啊，如果Tesla是架构名称，那么Tesla C2075是Fermi架构，Tesla K20是Kepler架构，有点迷糊。

GT200系列以前都是用G9X,G8X,G7X，NV4X等等来标注核心，但无架构名。
GT300系列开始采用GT作为核心前缀。

从GT400系列开始，采用费米这个架构名称，GF作为核心前缀。
GT600开始升级为开普勒架构，GK作为核心前缀，
GT700中的GTX750TI开始采用麦克斯韦架构，GM作为核心前缀，
未来还有瓦特（音译）架构。
至于Tesla，只是费米架构时代出现的一种显卡系列代号，主要用于专业卡或计算卡，和GeForce是并列的，后者针对的是游戏卡。 参考技术A tesla是计算卡，其实严格来算已经不是显卡了，是用来组合超算的，不是构架名称，是型号，构架就费米，开普勒，以及下一代麦克斯韦尔有构架的说法，以前就说是什么什么型号的芯片 参考技术B 貌似 费米以前 无构架命名 也就是 400 系列才开始的费米 称呼 以前的 200 系列 还有更早的 9000 系列 8000 系列 7000 系列 都没具体的 构架名称本回答被提问者采纳 参考技术C 每一代GPU都有一种架构！很多架构都是在初始架构的基础上进行升级的！所以楼主不必困惑！ 参考技术D

❖2008 - Tesla

Tesla最初是给计算处理单元使用的，应用于早期的CUDA系列显卡芯片中，并不是真正意义上的普通图形处理芯片。

❖2010 - Fermi

Industrial Light and Magic首席技术官Richard Kerris发起了首届GPU技术大会，该大会聚集了高性能计算领域最聪明的人才。NVIDIA利用该活动推出其代号为 “Fermi” 的下一代CUDA GPU架构。Fermi是第一个完整的GPU计算架构。首款可支持与共享存储结合纯cache层次的GPU架构，支持ECC的GPU架构。

NVIDIA与谷歌合作在其Tegra处理器上发挥android的功能。

❖2012 - Kepler

Kepler相较于Fermi更快，效率更高，性能更好。基于Kepler的GeForce GTX 600系列，可提供当时世界上最快的游戏性能。橡树岭国家实验室推出世界顶级超级计算机Titan，当时也是由基于Kepler的NVIDIA Tesla GPU提供动力。

❖2014 - Maxwell

其全新的立体像素全局光照 (VXGI) 技术首次让游戏 GPU 能够提供实时的动态全局光照效果。基于 Maxwell 架构的 GTX 980 和 970 GPU 采用了包括多帧采样抗锯齿 (MFAA)、动态超级分辨率 (DSR)、VR Direct 以及超节能设计在内的一系列新技术。

❖2016 - Pascal

Pascal 架构将处理器和数据集成在同一个程序包内，以实现更高的计算效率。1080系列、1060系列基于Pascal架构。

❖2017 - Volta

Volta 配备640个Tensor 核心，每秒可提供超过100万亿次浮点运算(TFLOPS) 的深度学习效能，比前一代的Pascal 架构快5倍以上。基于Volta架构的NVIDIA Tesla V100是NVIDIA当前最为先进的人工智能 GPU。

❖2018 - Turing

Turing架构配备了名为RT Core的专用光线追踪处理器，能够以高达每秒 10 Giga Rays 的速度对光线和声音在 3D 环境中的传播进行加速计算。Turing架构将实时光线追踪运算加速至上一代NVIDIA Pascal™ 架构的25倍，并能以高出CPU 30多倍的速度进行电影效果的最终帧渲染。同时Turing还配备全新Tensor Core（一款用于加速深度学习训练和推理的处理器），能够极大加速 AI 增强功能，如去噪、分辨率缩放和视频调速，并有助构建具有全新超强功能的应用程序。2060系列、2080系列显卡也是跳过了Volta直接选择了Turing架构。

众所周知，NVIDIA的GPU在目前是云端人工智能加速的主流解决方案，大多数深度学习库都对英伟达GPU提供最佳支持。宽泛科技作为英特尔、英伟达等芯片及品牌厂商的核心合作伙伴，NVIDIA潜力AI公司加速计划成员，携手专注为人工智能提供硬件解决方案及相关服务，已成为国内过万家企业、院校及研究机构的信息化解决方案供应商。

GPU Context是啥意思，NVIDIA架构中的GPU硬件通道

【中文标题】GPU Context是啥意思，NVIDIA架构中的GPU硬件通道

【英文标题】：what is meant by GPU Context,GPU hardware channel in NVIDIA'S architectureGPU Context是什么意思，NVIDIA架构中的GPU硬件通道

【发布时间】：2014-05-30 00:55:06

【问题描述】：

在阅读一些与GPU计算相关的论文时，我一直在理解这两个术语GPU Context，下面的GPU硬件通道是对它们的简要介绍，但我可以'不明白他们的意思，

命令：GPU 使用特定架构运行 命令。每个 GPU 上下文 都分配有 CPU 上运行的程序的 FIFO 队列 提交命令。计算和数据传输 GPU 上只有当相应的 命令由 GPU 自己调度。

频道：每个GPU上下文都分配有一个GPU 命令调度所在的硬件通道 管理。 Fermi 不允许多个通道 同时访问同一个GPU功能单元，但是 允许它们共存被自动切换 硬件。

所以有一个清晰而简单的解释。

【参考方案1】：

GPU 上下文描述为here。它表示执行某些任务（例如 CUDA 计算、图形、H.264 编码等）共同需要和实例化的所有状态（数据、变量、条件等）。 CUDA 上下文被实例化以在 GPU 上执行 CUDA 计算活动，或者由 CUDA 运行时 API 隐式地执行，或者由 CUDA 驱动程序 API 显式地执行。

命令只是一组数据，以及要对这些数据执行的指令。例如，可以向 GPU 发出命令以启动内核，或将图形窗口从桌面上的一个位置移动到另一个位置。

通道代表主机 (CPU) 和 GPU 之间的通信路径。在现代 GPU 中，这利用了 PCI Express，并表示主机和设备中的状态和缓冲区，它们通过 PCI express 交换，向 GPU 发出命令并向 GPU 提供其他数据，以及通知 CPU GPU 活动。

在大多数情况下，使用 CUDA 运行时 API，没有必要熟悉这些概念，因为它们都被抽象（隐藏）在 CUDA 运行时 API 之下。