GPU的硬件架构
GPU的整体架构图
GPU实际上是一个流处理器簇 Streaming Multiprocessors（SM）的阵列。如下图所示：
GPU（G80/GT200）卡的组成模块图
需要指出，每个
SM包含的SP数量依据GPU架构而不同，Fermi架构GF100是32个，GF10X是48个，Kepler架构都是192个，Maxwell都是128个。相同架构的GPU包含的SM数量则根据GPU的中高低端来决定。
流处理器簇结构
每个SM（streaming multiprocessor）由以下部分组成：
- CUDA Cores（CUDA核，也常称作SP（streaming processor））
- Shared Memory/L1 Cache （共享内存/L1缓存）
- Register File （寄存器文件）
- Load/Store Units （加载存储单元）
- Special Function Units （特殊功能单位）
- Warp Scheduler（Warp调度器）
SM基本架构
GPU中的每个SM都支持数百个线程的并发执行，通常是每个GPU有多个SM，所以有可能有数千个线程并发执行。CUDA采用了SIMT单指令多线程执行，一个指令32个线程执行，32个线程组织成warp。一个warp中的线程同一时刻执行同一个指令。每个线程有自己的指令技术计数器和寄存器，在自己的数据上执行指令。
warp：GPU执行程序时的调度单位，目前cuda的warp的大小为32，同在一个warp的线程，以不同数据资源执行相同的指令,这就是所谓 SIMT。
Warp的执行方式
当创建了一个kernel时，从逻辑上理解为kernel中的所有线程都在并行，但是从硬件物理条件上看同一时刻并不是所有的线程都在执行。因此Warp概念的提出，主要是将软件上并行的线程与硬件的实际架构连接起来。如下图所示：
Warp连接软硬件
warp是SM上的基本执行单元。当一个线程块分配到一个SM上时，线程块被组织成warps，SM上的warp调度器选择合适的warp执行。
warp执行示意图
warp一定是同一个block中的，如果一个block中的threads不足32个，则补足成为32个构成一个warp。
如图所示，本来只需要80个线程，但是实际上仍然需要32＊3=96个threads，尽管最后一个warp的16个线程没有使用，但是仍然会消耗SM上的资源，比如共享存储器、寄存器。
Warp分支
定义：一个warp中的线程执行不同的指令，叫做warp分支。 如果warp发生分支，则需要顺序执行每个分支路径。
warp分支示意图
在一个warp中所有线程都必须具有两个分支if…else….一个warp中如果有线程的条件为true，则执行if子句，其它为false的线程将等待if执行完成。然后执行else语句，当条件为true的线程则等待else执行完成。 为了获得更高的性能，尽量避免warp分支，warp是32个连续的线程，在算法允许的情况下，可以将数据分割，使同一个warp避免分支。
软件与硬件并行对比
软硬件对比图
通过上图可以看出，一个网格相当于一个GPU设备，网格下分成多个线程块，线程块则对应的SM，每个线程块又分为多个线程，每个线程相当于一个CUDA核。
参考
CUDA编程指南3.0 [【CUDA】学习记录（3）-硬件结构]https://www.jianshu.com/p/2fbd02311266
