测试项目简介之CUDA-Z

    ● 测试项目简介之CUDA-Z

    CUDA-Z就像我们常用的CPU-Z或者GPU-Z，但是具体参数就变成了针对CUDA应用方面的信息，支持CUDA信息查询，还可以测试电脑CUDA的速度。目前该软件更新到了0.5.95版，该程序需要与NVIDIA公司的GeForce 8000，9000，GT100和GTX200系列，或者Quadro和Tesla卡和ION离子芯片显卡相搭配。该程序仅2.25MB，属于免费版系统检测软件。

    此版本可以显示GPU核心运算能力和性能、显存容量和带宽。它显示了所有CUDA技术的单精度浮点和整数运算性能。同时它也显示了支持双精度操作的GT200芯片的最新显卡特性。该软件还可以生成一个HTML格式和TXT纯文本文件报告，方便用户参考。

    打开CUDA-Z软件后，可以很清楚地看到上面的4个选项卡，分别是Core（核心）、Memory（内存，这里值本地显存）、Performance（性能）、About（相关信息）。通过这4个界面，我们可以很清楚地了解到自己的NVIDIA显卡在通用计算方面的性能，当然这些都是硬件配置和理论性能。

    在Clock Rate中，我们可以看到自己的CUDA设备运行频率，当然这里的频率已经不是GPU的核心频率，而是流处理器频率。因为CUDA的运算部件就是GPU中曾今的着色器——流处理器。当然这个说法也不是完全准确，因为GPU核心中的某些单元，比如说仲裁器和Atomic单元工作频率还是和固定单元（也就是GPU核心）一样，这些单元为流处理器提供的源源不断的数据支持和控制，当然他们几乎没有参与实际的运算工作。

CUDA-Z软件的Core核心界面

    Multiprocessors代指流多处理器，也被称为SM（Stream Multiprocessors），在CUDA架构GPU，8个流处理器为一组，当然每个SM还包括两个SFU（Super Function Unit）特殊运算单元，GTX200架构中每个SM中增加了一个DPU（Double Precision Unit）双精度运算单元。

    Warp Size表示每个warp块包含的线程数，也可以称作粒度。线程发射粒度越小，代表GPU线程管理能力越强，但这会付出很大的硬件开销代价。目前市面上的所有N卡Warp Size都是32，但特殊情况下存在Half Warp，也就是说可以16个指令发射一次，这样可以进一步提高线程管理能力。

    Regs per Block代表每个多处理器的寄存器数量。

    Threads per Block代表每个Block中的最大线程数量。

    Watchdog Enabled代表GPU“监护人”能力，是一种特殊的防火墙功能。

    最下方的Threads Dimentions代表一个线程块的 x、y 和 z 维最大规格。

    Grid Dimentions则代表线程块网格各维度的最大规格。

    寄存器（Register）是GPU片上高速缓存器，执行单元可以以极低的延迟访问。寄存器的基本单元式寄存器文件（register file），每个寄存器文件大小为32bit。对于每个线程，局部存储器（Local memory）也是私有的。如果寄存器被消耗完，数据将被存在局部存储器中。共享存储器（Shared memory）也是GPU片内的高速存储器。它是一块可以被同一block中的所有线程访问的可读写存储器。它的访问速度几乎和寄存器一样快，所以是实现线程间通信的延迟最小的方法。全局存储器（Global memory）位于显存（占据了显存的绝大部分），CPU和GPU都可以对其进行读写访问。常数存储器（Constant memory）中的数据位于显存，但拥有缓存加速以节约带宽，常数存储器是只读的地址空间。纹理存储器（Texture memory）也是一种只读存储器，由GPU负责纹理渲染的图形专用单元发展而来，具备一些特殊功能。

存储器界面

    Total Global代表本地显存容量，这是是扣除了2D帧后缓存的显存容量。

    Shared Per Block代表每个block的缓存容量。

    Pitch代表最高点，可以理解为最大线性单位缓存，就是每个SM可以在单位周期内使用的缓存总数。

    Total Constant代表连续缓存块数。

    Texture Alignment代表纹理簇大小。

    GPU Overlap翻译为GPU重叠，实际上可以理解为GPU的SLI扩展能力。

    性能界面分为存储性能和核心性能两个部分，在介绍这部分之前，我们要先熟悉几个专有名词。

    CUDA编程模型将CPU作为主机（Host），GPU作为协处理器（co-processor）或者称为设备（Device），在一个系统中可以存在一个主机和多个设备。

    在这个模型中，CPU与GPU协同工作各司其职。CPU负责进行对逻辑性强的事物处理和串行计算，GPU则专注于执行高度线程化的并行处理任务。CPU和GPU拥有各自独立的存储器地址空间：主机端的内存和设备端的显存。CUDA对内存的操作与一般的C程序基本相同，但是增加了一种新的Pinned memory；操作显存则需要调用CUDA API中的存储器管理函数，这些管理操作包括开辟、释放和初始化显存空间，以及在主机端和设备端进行数据传输等。

Performacne性能界面

    CUDA-Z的存储性能测试，包括主机到设备（Host to Device）、设备到主机（Device to Host）、设备到设备（Device to Device）3个方面。其中的Pinned指页锁定内存（也被称为page-locked），而Pageable指可分页内存，它们都位于主机（CPU）端。

    第二部分GPU核心性能分别测试了单精度浮点运算能力Single-precision Float、双精度浮点运算能力Double-precision Float、32位整数运算能力32-bit Integer和24位浮点运算能力24-bit Integer。G92核心的GTS250没有双精度运算能力，所以这一栏为不支持。GTX200系列以上显卡测试后可以得到相关数据。

    需要注意的是这里的测试数据都是理论值，实际运算时，会有很多不同情况出现。比如运算程序中循环和分支过多，都会严重影响GPU的运算能力。衰减程度视架构设计和运算器周边资源配备而定。

    下方的选项是：Update Results in Background（后台更新测试数据），选择后数据会实时更新。而Export按钮则可以由用户自行选择生成一个TXT或者HTML报告。

    最后的About界面显示了CUDA-Z软件的制作信息，有兴趣的朋友可以点击链接去他们的网站进行了解。