GPU的硬體結構，也不是具體的硬體結構，就是與CUDA相關的幾個概念：thread，block，grid，warp，sp，sm。
sp: 最基本的處理單元，streaming processor 最後具體的指令和任務都是在sp上處理的。GPU進行平行計算，也就是很多個sp同時做處理
sm:多個sp加上其他的一些資源組成一個sm, streaming multiprocessor. 其他資源也就是儲存資源，共享記憶體，寄儲器等。
warp:GPU執行程式時的排程單位，目前cuda的warp的大小為32，同在一個warp的執行緒，以不同資料資源執行相同的指令。
grid、block、thread：在利用cuda進行程式設計時，一個grid分為多個block，而一個block分為多個thread.其中任務劃分到是否影響最後的執行效果。劃分的依據是任務特性和
GPU本身的硬體特性。
下面幾張硬體結構簡圖 便於理解(圖片來源於網上）
以上兩圖可以清晰地表示出sm與sp的關係。
此圖反應了warp作為排程單位的作用，每次GPU排程一個warp裡的32個執行緒執行同一條指令，其中各個執行緒對應的資料資源不同。
上圖是一個warp排程的例子。
一個sm只會執行一個block裡的warp，當該block裡warp執行完才會執行其他block裡的warp。
進行劃分時，最好保證每個block裡的warp比較合理，那樣可以一個sm可以交替執行裡面的warp，從而提高效率，此外，在分配block時，要根據GPU的sm個數，分配出合理的
block數，讓GPU的sm都利用起來，提利用率。分配時，也要考慮到同一個執行緒block的資源問題，不要出現對應的資源不夠。