我有一个绑定数据移动的CUDA应用程序（即从主机到设备的大型内存，在内核中完成的计算相对较少）。在较旧的GPU上，我受计算限制（例如QUADRO FX 5800），但是对于Fermi和Kepler架构，情况已经不再如此（对于我的优化代码）。
我刚刚将代码移到了GTX 680上，并且对计算性能的提升印象深刻，但是主机和GPU之间的带宽似乎有所下降（相对于我的Fermi M20270）。
总之，当我运行罐装SDK带宽测试时，我在GTX 680上获得~5000 MB /秒，而在M2070上获得~5700 MB /秒。我认识到GTX“只是一张游戏卡”，但GTX 680的规格似乎比M2070更令人印象深刻，除了总线宽度。
来自维基百科： M2070：102.4 GB /秒，GDDR3,512位总线宽度 GTX 680：192 GB /秒，GDDR5,256位总线宽度
我正在使用“--wc --memory = pinned”运行预制测试以使用写入组合内存。
我通过优化的CUDA代码获得的结果反映了我通过此测试获得的改进结果。
不幸的是，我不能在同一台机器上运行测试（并且只是切换视频卡），但是我已经在旧机器和新机器上尝试了GTX 680并获得了相同的“降级”结果（相对于我得到的）在M2070上。）
任何人都可以确认他们能够使用M2070 Quadro获得比GTX 680更高的吞吐量内存吗？带宽规范是否考虑到总线宽度？另一种可能性是我没有在GTX 680上正确/最佳地进行内存，但在这种情况下，是否有带宽测试的补丁，这样它也会显示我将数据传输到680比到了M2070？
感谢。
答案 0 :(得分：3)
正如Robert Crovella已经评论过，你的瓶颈是PCIe带宽，而不是GPU内存带宽。
你的GTX 680在这方面的表现可能比M2070高出两倍，因为它支持PCIe 3.0，它可以使M2070的PCIe 2.0接口的带宽翻倍。但是你需要一个支持PCIe 3.0的主板。
GPU内存的总线宽度本身并不是一个问题，即使对于受GPU内存带宽限制的程序也是如此。 Nvidia成功地大幅增加了GTX 680内存总线上使用的频率，这相当于弥补了相对于M2070的总线宽度减少。