use*_*896 5 cuda nvidia kepler
在Kepler 架构白皮书中，NVIDIA 声明SMX 上有32特殊功能单元 (SFU) 和32加载/存储单元 (LD/ST)。
SFU 用于“快速近似超越运算”。不幸的是，我不明白这是什么意思。另一方面，在SFU 的特殊 CUDA 双精度触发函数中，据说它们只能在单精度下工作。这在 K20Xm 上仍然正确吗？
LD/ST 单元显然用于存储和装载。通过这些论文之一是否需要任何内存加载/写入？它们是否也用作单一经线？换句话说，是否可以只有一个当前正在写入或读取的经线？
干杯，安迪
SFU 用于“快速近似超越运算”
SFU 计算 等函数__cosf()。__expf()
另一方面，这里说它们只能以单精度工作，这在 K20Xm 上仍然正确吗？
根据最近的CUDA C 编程指南 G.5.1 节，它们仍然只能以单精度工作。
这是有道理的，因为如果您需要双精度，则不太可能使用不准确的数学函数。您可以参考此答案以获取有关双精度算术优化的建议。
/usr/local/cuda-5.5/include/math_functions_dbl_ptx3.h双精度运算的实现细节可以在（或安装 CUDA 工具包的任何位置）找到。例如sin，cos它使用 Payne-Hanek 参数约简，然后进行泰勒展开（最多 14 阶）。
对于双精度计算，SFU 似乎仅在__internal_fast_rcp和中使用__internal_fast_rsqrt，而 和 又在acos、log和cosh其他几个函数中使用（请参阅math_functions_dbl_ptx3.h）。因此，大多数时候它们会停止，就像 LD/ST 单元在没有正在进行的内存事务时会停止一样。
完成其中一项是否需要任何内存加载/写入？
是的，每次访问全局内存。
它们也用作单一经线吗？换句话说，是否只能有一个扭曲当前正在写入或读取？
单元的数量仅限制每个周期发出的指令数量。即每个时钟周期可以发出32条读指令，并且可以返回32个结果。
一条指令最多可读取/写入 128 个字节，因此如果 warp 中的每个线程读取 4 个字节并将它们合并，则整个 warp 将需要单个加载/存储指令。如果访问未合并，则应发出更多指令。
此外，单元是流水线的，这意味着单个单元可以同时执行多个读取/存储请求。