随着人工智能、渲染、仿真技术以及支持高动态范围（HDR）的 4K 显示器逐渐进入主流市场，GPU（图形处理单元）的内存需求也在迅速增长。这一需求的增加源自多个方面，包括更复杂和庞大的模型与数据集、多任务工作流程、多个显示器上显示的高分辨率内容以及团队协作等因素。
在现代专业工作环境中，GPU 内存的重要性比以往任何时候都更为突出。尤其是工程、设计、影视制作和科学计算等领域的工作流程，对大容量 GPU内存的依赖不断增加……
什么是 CPU 内存 ？
GPU 内存是 GPU 上的专用内存，主要用于存储临时数据缓冲区。这些缓冲区在 GPU 执行复杂数学运算、图形渲染和视觉数据处理时起着关键作用。通常而言，执行特定指令前，GPU 通常需要在内存中存储大量数据，包括几何信息、纹理数据和计算参数。高效的数据存储与管理是 GPU 快速处理任务的核心。
NVIDIA Tesla V100 GPU 内存结构
在实际应用场景中，系统通常需要将大量小型数据包从 CPU 或全局内存传输到 GPU 内存进行处理。如果 GPU 内存资源不足，数据传输频率和处理速度会受到影响，导致性能瓶颈和延迟。这种情况尤其常见于高分辨率图像处理、3D 建模和复杂的实时渲染任务。
值得注意的是，GPU 内存是独立于系统 RAM 的专用内存空间，专为图形和计算任务优化。它在快速存储和访问数据中扮演着重要角色，尤其是在高性能计算和实时应用中，对整体计算效率和响应速度有直接影响。
有时，在处理人工智能（AI）和机器学习（ML）模型等需要大量数据的复杂工作负载时， GPU 内存的使用要求常被低估。AI/ML 模型通常需要处理庞大数据集和复杂算法，此时内存资源的有效利用至关重要。GPU 内存的使用效率和带宽常是影响系统性能的关键瓶颈之一。
对于这些高强度计算任务，GPU 不仅需要大容量内存来存储数据，还需要足够的内存带宽以确保数据在处理器与内存间的高速传输。因此，内存容量和带宽在处理 AI、深度学习模型及其他繁重工作负载时至关重要。随着技术的发展，工作负载对 GPU 内存的需求持续增长，这强调了在设计和使用 GPU 时充分考虑内存资源分配和管理的重要性。
常见的 GPU 内存解析
在云计算体系中，“内存”作为硬件系统的基石，为各类应用提供了存储和处理数据的空间。从庞大的数据中心到微小的嵌入式系统，内存的性能直接影响着整个系统的响应速度和处理能力。无论是大数据分析中海量数据的快速处理，人工智能模型的实时训练和推理，还是物联网设备对实时性的严苛要求，高效的内存利用都是提升系统性能的关键。
通常而言，在 GPU 内存体系中，不同类型的内存具有各自的特性和适用场景。合理地选择和利用这些内存类型，对于提升应用程序的性能至关重要。
在深入研究 GPU 中的各种内存类型之前，首先需要明确内存的基本分类。通常，在讨论内存时，我们会将其分为两种主要类型：物理内存和逻辑内存。这一区分在理解 GPU 内存架构以及如何优化其使用时至关重要。
1. 物理内存
通常指的是实际存在于硬件中的内存，包括显卡上的 VRAM（视频随机存取存储器）以及其他存储组件。这种内存是真实存在的硬件资源，决定了 GPU 能够直接存储和访问数据的容量。物理内存的大小直接影响了 GPU 在处理大量数据时的能力，尤其是在运行复杂的图形任务、训练深度学习模型或者执行大规模计算时，物理内存的容量越大， GPU 能够处理的数据集就越大，从而减少内存溢出和性能瓶颈的发生。
2. 逻辑内存
逻辑内存则是从编程和软件层面上定义的内存。它并不与物理内存一一对应，而是通过抽象层次为开发者提供了一种管理内存资源的方式。在 GPU 编程中，逻辑内存的概念包括不同类型的存储区域，例如寄存器、共享内存、全局内存和本地内存等。每种逻辑内存有着不同的访问速度、容量和适用场景，开发者在编写代码时需要根据具体任务和需求，合理选择和管理这些逻辑内存，以最大化性能。
这种对内存的划分帮助我们在理解 GPU 工作机制时，明确硬件资源和软件管理之间的区别。物理内存提供了硬件层面的基础，而逻辑内存则通过编程模型来合理管理和调度这些资源。优化应用程序的性能往往需要充分理解这两者之间的关系，确保物理内存得到高效利用，同时最大限度地发挥逻辑内存的优势，避免资源浪费和性能瓶颈。
接下来，我们先来看一下 GPU 的逻辑内存架构图，具体可参考如下所示：
(1) 共享 GPU 内存
当 GPU 的 VRAM（视频内存）不足时，系统会调用另一种内存类型来补充。这种内存类型通常是指共享内存（Shared Memory），在 CUDA 编程模型中发挥着重要作用。多个线程可以在同一 GPU 块中共享这些 CUDA 内存空间，从而在处理资源密集型任务时提高效率。
共享内存的特点是其生命周期与创建它的块（Block）相同，也就是说，一旦该块结束执行，分配给共享内存的数据也会被释放。
共享内存的主要优势在于：提供了一种比全局内存更快的访问方式，允许同一线程块中的多个线程同时访问和共享数据，而不必每次都通过较慢的全局内存传输。这种机制在处理大量数据时，能够极大地减少内存访问延迟，从而提升整体计算效率。因此，在并行计算和资源密集型任务（如科学计算、图像处理和机器学习）中，共享内存的合理利用可以显著加快计算速度。
然而，GPU 的共享内存是有限的资源，且通常分配给每个线程块的共享内存量是固定的。这意味着，开发者在编写 CUDA 程序时，必须仔细规划内存的分配和使用，以避免超出共享内存的容量限制。如果任务需要的内存超过了共享内存的容量，GPU 就不得不依赖速度较慢的全局内存，可能导致性能下降。
(2) 注册 GPU 内存
在大多数情况下，访问寄存器的指令不消耗时钟周期。然而，读后写依赖关系和银行冲突可能导致延迟。具体而言，写后依赖项的读后延迟大约为 24 个时钟周期。对于配备 32 个内核的较新 CUDA 设备来说，可能需要多达 768 个线程才能完全隐藏这种延迟。
除了读写延迟之外，寄存器压力也会严重影响应用程序性能。当任务所需的寄存器不足时，就会发生寄存器压力。这种情况下，数据将“溢出”到本地内存中进行存储，从而导致性能下降。
有效管理寄存器使用对于优化 CUDA 应用程序的性能至关重要。通过仔细分配线程和优化内存访问模式，可以减轻这些潜在的性能瓶颈。
(3) 本地 GPU 内存
本地 GPU 内存是由操作系统内核分配的静态内存，在 CUDA 编程中，此类内存被视为线程的本地内存。每个线程只能访问其自身分配的本地内存。这种内存访问速度较慢，因为它通过寄存器或共享内存进行操作，效率不如直接使用寄存器。
在实际应用中，本地内存的使用会导致性能下降，尤其是在需要频繁数据访问的情况下。因此，在 CUDA 编程中，优化内存使用、尽量减少对本地内存的依赖，对于提升程序执行效率至关重要。
当然，我们也可以将上述内存划分为其他形式，比如，纹理内存（Texture Memory）、常量内存（Constant Memory）以及其他内存等。
而对于 GPU 的物理内存架构图，可参考如下：
上述架构图所述与块和线程的关系非常相似，但在这里我们讨论的是流式多处理器（SM）和流式处理器（SP）。每个 SM 都拥有自己独立的共享内存、缓存、常量内存和寄存器资源，这些资源仅供该 SM 内部的线程使用。然而，所有 SM 之间共享相同的全局内存资源，所有线程都可以访问该内存。
GPU 内存常用场景解析
在 GPU 中，内存带宽是决定其在处理内核和内存之间数据传输速度的关键因素。内存带宽可以通过两种主要方式来衡量：一是内存与计算内核之间的数据传输速度，二是连接这两者之间的总线数量和带宽。
内存带宽对 GPU 的性能有着深远的影响，直接影响到各种任务的处理效率。例如，在进行计算密集型任务时，如大规模的机器学习（ML）项目、医疗影像分析或高端游戏，内存带宽的宽度会显著影响计算的生产力和任务的执行速度。内存带宽越大，GPU 能够更高效地传输和处理数据，从而提高整体计算性能和响应速度。
对于复杂的任务，如神经网络的训练和推断，一个拥有更宽内存带宽的 GPU 可以避免数据传输成为性能瓶颈。大规模的 ML 项目通常需要处理大量的权重和激活值，这些数据需要在计算内核和内存之间迅速传输。更高的内存带宽意味着 GPU 能够在并行处理时更有效地访问和利用数据，提升计算的吞吐量和效率。
此外，不同类型的应用对内存带宽的需求也有所不同。例如，图像和视频处理相关的机器学习项目（如图像识别、对象检测等）通常需要较高的内存带宽，因为这些任务涉及大量的视觉数据处理和高频率的数据传输。足够的内存带宽可以确保 GPU 能够高效地处理和存储大量的视觉数据，避免由于带宽不足而造成的数据传输延迟。
相比之下，涉及声音处理或自然语言处理（NLP）的任务通常对内存带宽的需求较低。这些工作负载通常涉及的数据量较小，因此可以在较低带宽的 GPU 上有效处理，而不会造成明显的性能瓶颈。尽管如此，足够的内存带宽仍然能够优化这些应用的处理效率和响应速度。
因此，毫无疑问地讲，内存带宽在 GPU 的性能表现中起着至关重要的作用。其宽度直接影响到数据传输的速度和计算的效率，尤其在处理高数据量和高计算需求的任务时尤为重要。选择适合的 GPU时，了解内存带宽的要求可以帮助确保计算资源的有效利用，并优化应用程序的整体性能。
Reference ：
- [1] https://www.engineering.com/why-gpu-memory-matters-more-than-you-think/
- [2] https://www.microway.com/hpc-tech-tips/gpu-memory-types-performance-comparison/
