多核的误区 手机GPU各指标参数揭秘

　　除了这些较为传统的指标，企业开始按照产品中所包含的内核数量来说明架构已经较为常见。尽管按照既定状况来说，内核数量的含义已经被GPU市场曲解。也就是说，这个词语具有延展性，经过一段时间这个词语在反映常见功能方面已经有所更新。我来说明内核数量的常见意义。

　　什么是内核？

　　这要依据实际情况而定。内核数量的意义在以前是表示处理器前端的数量。内核并不复杂，前端的作用是调度执行线程。几乎所有高级GPU都已经简化设计，在计算资源前端设置多个调度器和相关调度逻辑，执行预订的任务。

　　每个调度器跟踪数个需要执行的线程，在单个时钟周期中运行单个程序的单一指令。单个指令指标的作用是在一组算资源上运行程序，不考虑线程数量或者计算资源的共享方式，这是内核的通常定义。

　　但是，我们也用这个内核来说明Series5 SGX GPU的整个状况。例如在SGX544MP3中，共有SGX544MP3的3个完整例程—可以复用所有GPU资源，我们称之为MP3配置，或者叫3核 GPU。

　　多核的误区

　　因此，随着高级移动系统中CPU内核数量迅速增加， GPU厂商要表达的信息是GPU也是多核设计，我们的许多竞争对手将独立的ALU流水线视作内核以强调其优势。但这些ALU流水线不能实现完全独立的相互 调度，这些流水线与SIMD模式中的流水线一样每个时钟周期运行同一指令。并未出现我们所指的独立前端或独立指令指针，但尽管如此市场依然称其为一个内 核。

　　我们按照同样的方式从基本的构建模块---统一着色器集群(Unified Shading Cluster，USC)到独立流水线来说明PowerVR Rogue，来看一下如何计算内核数量。

　　PowerVR Rogue USC

　　Rogue的架构是由多个模块构建而成，这些模块称为统一着色器集群，简称USC。我们扩展这个架构来满足客户对GPU的需求，以支持系统级芯片及专门的细分市场，我们将数个USC以及其他相关资源连接在一起后集成在整个GPU IP上。

　　打开USC，您会发现用于分析数据并得出结果的是数个ALU流水线。我们并行设置这些流水线，每个USC设置16个流水线。这样设置的原因是，图像 呈并行处理，其中多个相关的数据，通常是矢量或像素同时运行。事实上，高级像素着色的属性驱动相关像素是并行的，因此有必要同时运行这些高级像素。

　　标量SIMD执行和矢量低效

　　USC的关键属性是按照标量模式处理数据。也就是说对于给定的工作项目，例如一个象素，USC不是在同一时钟周期内的同一独立管道上同时执行红、 绿、蓝和透明度的矢量。相反， USC在一个时钟周期内执行一个红色组件，接下来执行蓝色组件，以此类推，直到执行完所有组件。为实现矢量基准单位的峰值吞吐量，标量SIMD单元并行处 理多个工作项目。例如，每个时钟周期内处理一个像素的4-wide矢量的峰值吞吐量相当于4-wide 标量SIMD单元，可在每个时钟周期内处理四个像素。



　　表面上看这两种方法的吞吐量相同。但是，高级GPU负载通常由使用许多不同数据宽度的数据组成。例如，通常颜色数据宽度为4 ( ARGB )，而纹理坐标的数据宽度通常为2 ( UV)，还有许多标量实例( 1个组件)处理，如典型的光照计算一样。

　　在光照计算中，如果数据处理没有填满整个矢量宽度时，就会浪费矢量处理器宝贵的计算资源。在标量架构中，正执行的运算采用一种运算类型，在同一时间 运行一个组件，并行处理同一任务。例如着色处理中完全由标量处理组成，在4-wide矢量架构中执行25%的任务，而在标量SIMD架构中本应执行 100%的任务。

　　多个低功耗ALU！

　　我们再来说说USC并行任务中的独立流水线。共有16个流水线，每个流水线内部实际上存在数个执行任务的ALU。即2个FP32 ALU，2个FP16 ALU，以及1个专用函数ALU 。

　　为什么使用专用FP16 ALU？主要是为了节省功耗同时也是为了提高性能。与FP32 ALU相比，简化ALU逻辑复杂度可以较低功耗执行FP16指令组，同时可执行更多的运算，在每个时钟周期实现更高的吞吐量。稍后您就会明白。

　　在高级图像渲染中以较低精度计算可能需要耗费较多时间，而APIs Rogue力求在所有通用图形中支持混合精度运算，其中包括Direct3D 11，以及更常见的OpenGL ES2和ES3 APIs。在嵌入式图形运算中没有构建混合精度计算流水线是个错误，原因是执行混合精度工作量会造成功率放大。

　　性能和功能

　　各个ALU的功能并不一样，我们来看一下每个ALU的作用，以便了解其性能：

　　PowerVR Series6, Series6XT和Series6XE中的FP32 ALU能够在每个时钟周期执行2浮点运算。每个USC即每个时钟周期的64 FLOP峰值。



　　PowerVR Series6 GPU内共有最多8个统一着色集群( USC )

　　PowerVR Series6 GPU中的FP16 ALU能够在能够在每个时钟周期执行最高3浮点运算，我们在Series6XE和Series6XT 改进了FP16 ALU可在每个时钟周期执行最高4浮点运算。按照不同的产品和系列，每个USC在每个时钟周期执行高达128浮点运算。升级型Series6XE和 Series6XT更为灵活，执行流水线部分运算的编译器更为容易。



　　PowerVR Series6XT GPU内共有最多8个Unified Shading Clusters( USC )

　　最后来说一下具有专用功能的ALU，ALU可处理更复杂的算法和三角运算，如正弦、余弦、对数、倒数和亲和数、标量运算。按照这些运算的性质，设置了ALU输出精度和性能。

　　增强ALU内核配置

　　现在，我已经说明从构建USC块到利用16个并行管道执行任务来说明Rogue计算架构，各个管道有较大的专用计算资源，我们按照竞争对手的方式来 说明内核。每个USC包括：32 FP32 ALU内核，高达64个FP16 ALU内核、16 个USC专用函数ALU内核。

　　按照同样的方式将Rogue与市场竞争产品比对，ALU内核这个术语很重要，我们希望大家尽可能按这条思路来解释内核。

　　最后，请记住，Imagination根据不同的产品Series6, Series6XT和Series6XE设置1对多的USC。以下为两个实例：

　　PowerVR G6230: 两个Series6 USC-64 FP32 ALU内核，每个时钟周期执行高达128 FLOP – 64 FP16 ALU 内核，每个时钟周期执行高达192 FLOP。也就是按照600MHz的频率执行高达115.2 FP16 GFLOPS及高达76.8 FP32 GFLOPS。



　　PowerVR GX6650: 六个Series6XT USC-192 FP32 ALU内核，每个时钟周期执行高达384 FLOP –384FP16 ALU 内核，每个时钟周期执行高达786 FLOP。也就是按照600MHz的频率执行高达460.8FP16 GFLOPS及高达230.4 FP32 GFLOPS。