NVIDIA Kepler 마이크로아키텍처

||<table align=center><table bordercolor=#000000><table width=100%><bgcolor=white> GPU 마이크로아키텍처 ||

{{{#!wiki style="margin: 0 -10px -5px;min-height:26px" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin: -6px -1px -11px"	<rowcolor=#fff,#000> 설계 기반	CUDA 연산 능력	칩셋명	등장 시기	인코더	디코더	사용 제품	공정 노드
<colcolor=black,white> Tesla	<colcolor=black,white> 1.0	<colcolor=black,white> G80	<colcolor=black,white>	<colcolor=black,white>	<colcolor=black,white>	<colcolor=black,white>	<colcolor=black,white>
Fermi	2.0	GF100	2010년				TSMC 40 nm
		GF110	2010년				TSMC 40 nm
	2.1	GF104	2010년				TSMC 40 nm
Kepler	3.0	GK104	2012년 3월			GeForce 600 GeForce 700 GeForce GTX TITAN	TSMC 28 nm
		GK106	2012년 9월				TSMC 28 nm
		GK107	2012년 6월				TSMC 28 nm
	3.5	GK110	2012년 11월				TSMC 28 nm
Maxwell	5.0	GM107	2014년 2월			GeForce GTX 750/750 Ti	TSMC 28 nm
		GM108	2014년 3월			GeForce 800M	TSMC 28 nm
	5.2	GM200	2015년 3월			GeForce GTX TITAN X GeForce GTX 980 Ti	TSMC 28 nm
		GM204	2014년 9월			GeForce 900	TSMC 28 nm
		GM206	2015년 1월				TSMC 28 nm
Pascal	6.1	GP102					TSMC 16 nm
		GP104	2016년 5월			GeForce 10	TSMC 16 nm
		GP106	2016년 7월				TSMC 16 nm
		GP107	2016년 10월				Samsung 14 nm
		GP108	2017년 5월				Samsung 14 nm
Turing	7.5	TU102				GeForce 20	TSMC 12 nm
Ampere	8.6	GA102				GeForce 30	Samsung 8 nm
Ada Lovelace	8.9	AD102				GeForce 40	TSMC 4 nm
서버/HPC용 (배정밀도 연산 성능 특화)
Kepler	3.7	GK210	2014년 11월			Tesla K80	TSMC 28 nm
Pascal	6.0	GP100	2016년 4월			Tesla P100 Quadro GP100	TSMC 16 nm
Volta	7.0	GV100	2017년 5월				TSMC 12 nm
Ampere	8.0	GA100					TSMC 7 nm
Hopper	9.0	GH100					TSMC 4 nm
저전력

}}}}}}}}} ||

1. 개요

2. 공개된 정보

2.1. 주요 변경점

• TSMC 40 nm → TSMC 28 nm (공정 미세화)
• 코어(SMX) 레벨 (Fermi 대비)
• SM(Streaming Multiprocessor) → SMX로 명칭 변경
• Compute Capability: 2.x → 3.0 / 3.5(GK110) / 3.7(GK210)
• 프론트 엔드
• 백 엔드
• 하드웨어 스케줄러 삭제

- 기존 Scoreboard 기반 비순차적 실행 방식의 RISC 아키텍처에서 VLIW 방식 아키텍처로 전환
- 하드웨어 스케줄링 구현에 투입되는 자원을 절약하는 효과
- 명령어 스케줄링은 컴파일러에 의해 정적으로 수행된다.
• 단정밀도 처리량이 사이클당 32 → 192로 증가
• 로드/스토어 처리량이 사이클당 16 → 32로 증가
• 텍스처 유닛의 수가 4 → 16으로 증가
• 메모리 서브시스템
• Atomic 메모리 작업의 처리량 개선

- 사이클당 1/9 (~0.111) → 1로 증가 (9배)
• 공유 메모리/L1 캐시

- 용량은 총 64 KB로 유지
- 공유 메모리/L1 캐시 간의 분할 옵션 추가

(16KB/48KB, 32KB/32KB, 48KB/16KB)
• 48 KB 크기의 읽기 전용 데이터 캐시 추가
• 기타
• 파이프라인 깊이 축소로 전성비 개선
• 프로세서 레벨
• Hyper-Q 도입 (GK110/GK210 한정)

- host가 GPU에서 동시에 수행할 수 있는 작업의 수가 1 → 32로 증가
- 이에 따라 GPU 활용률이 극적으로 향상되었다.
• Dynamic Parallelism (GK110/GK210 한정)

- 기존에는 CPU에서만 GPU에 작업을 생성할 수 있었던 데 비해 GPU에서 자체적으로 작업을 생성할 수 있게 됨에 따라 오버헤드가 감소하였다.

3. 사용 제품

3.1. GeForce 600

3.2. GeForce 700

4. 여담