GPU通用计算编程模型
这是我阅读General-Purpose Graphics Processor Architecture的一篇笔记，本文对应书中第二章的内容。
执行模型
现代GPU普遍采用SIMD来实现数据级（data-level）并行，程序员通过诸如CUDA等API以在GPU上启动一系列的线程（thread）执行工作。其中，每个线程可以有独立的执行路径（execution path），并且可以访问不同区域的内存。从硬件的角度看，GPU会将线程分成若干组，每个组被称为一个warp（在AMD的术语中称为wavefront）以利用线程的规律性和空间局部性。这种执行模型被称为SIMT（single-instruction, multi-threads）。
GPU计算程序都从CPU开始。对于独立显卡而言，CPU需要首先为计算任务在GPU上申请显存，然后将数据传输到GPU，最后在GPU上加载计算任务。对于集成显卡而言，则可以直接在GPU上加载计算任务，而无需传输数据（集成显卡使用内存作为显存）。
CUDA的编程模型与compute shader很像。如上所述，GPU中若干线程组成一个warp，每个warp中的所有线程会尽量同时执行相同的指令以提高性能。多个warp组合在一起又组成线程块（thread block），这种组合方式很像划分网格。假设一个线程是第i个线程块的第j个warp的第k个线程，那么使用(i, j, k)可以唯一地标记这个线程。而又如果每个线程块包含warpNum个warp，每个warp包含threadNum个线程，那么用i * warpNum + j * threadNum + k就可以作为每个线程唯一的ID。
不过在实际的编程中，warp对程序员是不可见的。取而代之的是，j * threadNum + k这个整体作为线程的局部ID。在CUDA中，它对应内置变量threadIdx，而线程块的ID对应blockIdx，每个线程块包含的线程数量对应blockDim。而在HLSL的compute shader中，线程块的ID对应于SV_GroupID，而线程的局部ID对应于SV_GroupThreadID。
同一线程块中的线程能够共享一块高速内存，这块内存在NVIDIA的术语中称为共享内存（shared memory）。GPU的每个流处理器（streaming multi-processor, SM）都包含一块独立的共享内存。在同一个流处理器内，这块共享内存根据线程块的数量又划分成多块。在AMD的术语中，共享内存被称为本地数据存储（local data storage, LDS），每个流处理器包含16-64KB的共享内存。共享内存的访问是很快的，合理利用共享内存做缓存能够有效提高运算速度。除了共享内存，AMD的GPU还存在一个全局数据存储（global data store, GDS）。在图形管线中，GDS用于在不同的shader之间传递运算结果。
GPU指令集架构
和CPU一样，GPU并不能直接执行高级语言，比如HLSL、GLSL或者CUDA，而只能执行二进制代码。不过与amd64和x86不太一样的是，GPU的指令集往往并不通用，而且很可能不向前兼容。诸如DirectX、Vulkan等API通常只能将shader交给驱动程序编译成GPU可执行的程序。
NVIDIA的ISA
NVIDIA提供了一组比较高级的ISA，叫做Parallel Thread Execution ISA（PTX）。PTX非常类似于汇编语言，但仍然不能在GPU上直接执行，它更像是DXIL、LLVM IR这种中间语言，也因此PTX不被局限在NVIDIA的某一个架构上。PTX仍然需要经过驱动程序转译或者CUDA SDK提供的ptxas来编译成GPU可执行的ISA，NVIDIA称之为SASS。不同GPU的SASS可能会有所差别甚至完全不同。
PTX与SASS都很像RISC ISA，它们的不同主要体现在两点上：
- PTX可以使用无限多的寄存器，但SASS只能使用有限的寄存器；
- SASS中可以使用非访存指令访问参数，但PTX的参数必须放在独立的参数地址空间。
AMD的ISA
AMD的GCN架构和NVIDIA的架构最主要的区别之一是AMD的标量与向量指令是分开的。在AMD的GCN架构中，每个计算单元包含1个标量单元和4个向量单元，向量单元的计算结果只对本线程可见，但标量单元的计算结果被一个warp内的所有线程共享。
