1、梳理概念：sp，sm，thread，block，grid，warp
（1）硬件上， SP（streamingProcess），SM（streaming multiprocessor）。
SP：最基本的处理单元，也称为CUDA core。CUDA Core是NVIDIA在推出全新的Fermi架构后才出现的一个名词。简单的说，CUDACore就是以前所说的流处理器，是类似的东西，只是名字上的叫法不同而已，不过还是有区别的，具体区别查阅相关资料。最后具体的指令和任务都是在SP上处理的。GPU进行并行计算，也就是很多个SP同时做处理。
SM：多个SP加上其他的一些资源组成一个SM。也叫GPU大核，其他资源如：warpscheduler，register，sharedmemory等。SM可以看做GPU的心脏（对比CPU核心），register和sharedmemory是SM的稀缺资源。CUDA将这些资源分配给所有驻留在SM中的threads。因此，这些有限的资源就使每个SM中active warps有非常严格的限制，也就限制了并行能力。
需要指出：每个SM包含的SP数量依据GPU架构而不同，Fermi架构GF100是32个，GF10X是48个，Kepler架构都是192个，Maxwell都是128个。相同架构的GPU包含的SM数量则根据GPU的中高低端来定。
（2）软件上，hread，block，grid，warp。
thread：一个CUDA的并行程序会被以许多个threads来执行。
block：数个threads会被群组成一个block，同一个block中的threads可以同步，也可以通过sharedmemory通信。
grid：多个blocks则会再构成grid。
warp： GPU 执行程序时的调度单位，目前 cuda 的 warp 的大小为 32 ，同在一个 warp 的线程，以不同数据资源执行相同的指令 , 这就是所谓 SIMT-- Single InstructionMultiple Thread 。
2、硬件映射
Nvidia把32个threads组成一个warp，warp是调度和运行的基本单元。warp中所有threads并行的执行相同的指令，warp具有挂起，就绪，执行四种状态，由SM的硬件warpscheduler负责调度，达到隐藏延迟的作用。容忍长延迟操作,例如浮点算术及分支指令，大量的warp使得硬件可以在任意时间点找到一个可调度的warp。
由于每个SM上的硬件资源是有限的，所以每个SM上可以同时驻扎的block数量和thread数量是有限制的，相关限制可以在相关的手册中查询。例如：对于GT200，SM上最多驻扎8个block，每个SM最多驻扎1024个thread，GT200至多驻留30720线程。
好的执行配置：每个SM中的线程数达到容量最大值且对于长延迟操作可调度最大数量的warps.
一个SP可以执行一个thread，在GPU中可以同时（同一时钟周期内）执行的thread数量为总的sp数量，也就是总的CUDA核数量（个人理解，不一定正确，这个对性能提升没有太大的作用）。
