在Kepler architecture whitepaper中，NVIDIA声明SMX上有32个特殊功能单元（SFU）和32加载/存储单元（LD / ST）。
SFU用于“快速近似超越操作”。不幸的是，我不明白这是什么意思。另一方面，在Special CUDA Double Precision trig functions for SFU，据说它们只能以单精度工作。在K20Xm上这仍然是正确的吗？
LD / ST单元显然用于存储和加载。是否需要通过其中一个内存加载/写入？它们也被用作单个扭曲吗？换句话说，目前只能编写或读取一个经线吗？
干杯， 岸堤
答案 0 :(得分：3)
SFU用于“快速近似超越操作”
SFU计算__cosf()，__expf()等功能。
另一方面，据说，它们只能以单精度工作，这在K20Xm上仍然是正确的吗？
根据最近的CUDA C Programming Guide, section G.5.1，它们仍然只能以单精度工作。
这是有道理的，因为如果你需要双精度，你不太可能使用不准确的数学函数。您可以参考this answer获取有关双精度算术优化的建议。
双精度操作的实现细节可以在/usr/local/cuda-5.5/include/math_functions_dbl_ptx3.h中找到（或者在安装CUDA Toolkit的任何地方）。
例如。对于sin和cos，它使用Payne-Hanek参数减少，然后是泰勒展开（直到14阶）。
对于双精度计算，SFU似乎仅在__internal_fast_rcp和__internal_fast_rsqrt中使用，后者又用于acos，log，cosh和其他几个函数（见math_functions_dbl_ptx3.h）。因此，如果没有正在进行的内存事务，大部分时间它们都会停止，就像LD / ST单元一样停止。
是否需要通过其中一个内存/写入？
是的，每次访问全局内存。
它们是否也被用作单个扭曲？换句话说，目前只能写一个或正在阅读的经线吗？
单位数仅限制每个周期发出的指令数。即每个时钟周期可以发出32个读指令，并且可以返回32个结果。
一条指令可以读/写最多128个字节，因此如果warp中的每个线程读取4个字节并且它们被合并，则整个warp将需要单个加载/存储指令。如果访问是未合并的，则应发出更多指令。
此外，单位为pipelined，意味着单个单位可以同时执行多个读/存储请求。
答案 1 :(得分：1)
不要接受这个作为答案 - 我们希望有人会来回答你关于双精度超越操作的问题。我只是想谈谈你的问题的第二部分，关于LD / ST单位。
LD / ST单位显然是用于存储和加载。
是
是否需要通过其中一个内存/写入？
是
它们是否也用作单个扭曲？
是的，warp中的所有活动线程始终在同一时钟周期内发出相同类型的指令。如果该指令是加载或存储，则它将被发送给LD / ST单元。如果线程处于非活动状态（由于循环或条件执行），相应的LT / ST单元将保持空闲状态。
换句话说，目前只能写一个或正在阅读的经线？
不，LD / ST单元每个时钟可以接受一次加载或存储操作，即使存储器延迟可能是几百个周期。因此，当一个warp发出加载指令时，LD / ST单元将开始检索该数据。取决于数据的warp中的指令在数据到达之前不会被发布。在下一个时钟周期中，warp仍然可以执行其他独立指令（指令级并行）。甚至其他独立的加载或存储指令。另一个有资格被调度的warp也可以在下一个时钟周期发出另一个加载指令，并且它自己进入等待状态（线程级并行）。此时，LD / ST单位正在跟踪两个待定结果。由于缓存和合并，第二个warp的数据可能首先到达。当warp的数据到达时，它将被分配给指令中指定的寄存器，然后解析特定的数据依赖性。