經實驗得：
以此求gtx1050ti的記憶體事物顆粒大小：
載入顆粒：
在請求記憶體量<32位元組時，載入顆粒是32位元組。
在請求記憶體量》32位元組時，載入顆粒是16位元組。
儲存顆粒：
無論什麼情況都是32位元組。
小的記憶體顆粒適合做亂序的記憶體請求問題，因為記憶體事物效率相對較高。但在處理對齊合併記憶體請求時，由於顆粒小記憶體事物會增多，頻寬會下降。
所以各有所長。另外gtx1050ti的理論全域性記憶體頻寬是112g/s，實際頻寬是程式處理資料量/所耗時間的結果，是實際值。另外1m資料的賦值操作實驗一，耗時84us左右
核函式處理了1m的4位元組的inti的賦值運算：
b[i] = a[i];
套用公式一：262144×n×100% = 1<<20*4得：
載入顆粒16位元組
同理 儲存顆粒32位元組
核函式處理了1m的4位元組的float的加法賦值運算：
c[i] = a[i]+b[i];
套用公式一：524288×n×100%=1<<20×4×2 //最後的成2是因為處理了兩倍的載入資料量。得：
載入顆粒16位元組
同理 儲存顆粒32位元組
重複實驗一併開啟一級快取：
實驗發現：以上實驗結果都是在預設條件下：禁用一級快取（書上的預設情況是啟用一級快取）
下面啟用一級快取發現：
猜想：啟用一級快取，顆粒肯定會變大，且對這種對齊合併問題，記憶體效率應該是100%，（只要記憶體顆粒不大於32*4），速度應該加快。
但實驗結果是：
1.耗時（速度）與不啟用一樣。
2.載入記憶體效率是50%
如果按實際計算，
儲存和載入的顆粒都是32，頻寬提高一倍是應該的，但為什麼載入的效率是50%？
本篇的實驗和書上的啟用128，不啟用32位元組不相同，可能是現代的gpu全域性記憶體訪問的模式發生了變化，與之前版本的gpu不同而造成的。
最近的實驗發現，對全域性記憶體的訪問與書上有些不同，有很多疑問，可能是現代gpu的革新造成的，所以本篇所計算的16位元組的載入顆粒大小也可能是錯誤的，因為在nvidia官方文件裡說說明了3.0以上的計算能力的gpu預設的載入儲存顆粒都是32。還有在看自己的device屬性的時候，發現，我的gpu跟本沒有l1一級快取。所以記憶體訪問這裡就當成乙個黑箱，先不去管它，但後面解釋的共享記憶體等都是沒有問題的。
記憶體顆粒的理解
由於工藝上的原因，這個陣列不可能做得太大，所以一般記憶體晶元中都是將記憶體容量分成幾個陣列來製造，也就是說存在記憶體晶元中存在多個邏輯 bank，隨著晶元容量的不斷增加，邏輯bank數量也在不斷增加，目前從32mb到1gb的晶元基本都是4個。晶元組本身設計時在乙個時鐘週期內只允許對乙個邏輯bank進...
認識記憶體顆粒編號含義
認識記憶體的效能引數一般方法是讀取spd晶元中的資訊，但由於spd資訊需要在開機狀態下檢視，而且有一些不法商家也會刷寫spd晶元中的資訊來欺騙消費者。因此，認識記憶體更好的辦法是識別記憶體顆粒的編號，當然不能是被打磨過的。通過檢視顆粒編號的含義，可以更好地識別記憶體是否為 下面我們以市面上最常見的h...
記憶體顆粒位寬和容量 DRAM與記憶體基礎概念
sdram 與記憶體基礎概念 一 sdram 記憶體模組與基本結構 我們平時看到的 sdram 都是以模組形式出現，為什麼要做成這種形式呢？這首先要接觸到 兩個概念 物理 bank 與晶元位寬。pc133 時代的168pin sdram dimm 物理bank 傳統記憶體系統為了保證 cpu的正常工...