SIMT: a mesma instrução, várias threads
O modelo de execução que torna as GPUs rápidas.
SIMT: a mesma instrução, várias threads é uma aula grátis de CUDA Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de CUDA Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de CUDA Academy inclui 4 aulas no total.
How the GPU Stays Busy
Milhares de núcleos precisam de uma maneira inteligente de serem instruídos sobre o que fazer. A resposta da GPU é SIMT: Single Instruction, Multiple Threads (Instrução Única, Múltiplas Threads). ⚡
One Instruction, Many Threads
No SIMT, uma instrução é transmitida para todo um grupo de threads de uma só vez. Cada thread executa essa mesma etapa, mas em seu próprio conjunto de dados.
Same Recipe, Different Ingredients
Imagine uma cozinha onde cada cozinheiro segue exatamente o mesmo passo da receita, mas cada um trabalha em um prato diferente. Esse passo compartilhado é a sua instrução. 🍳
Meet the Warp
A GPU agrupa threads em conjuntos de 32 chamados de warp. Um warp é a unidade real que é executada em conjunto, em lockstep, uma instrução de cada vez.
Why Bundles of 32
Emitir uma instrução para 32 threads de uma só vez é muito mais barato do que 32 comandos separados. Esse compartilhamento é exatamente de onde vem a eficiência da GPU.
Each Thread Has Its Own Data
As threads em uma warp compartilham a instrução, mas mantêm registradores privados. Portanto, a thread 0 e a thread 5 executam a mesma operação de soma, apenas com números diferentes.
SIMT Is Not Quite SIMD
O SIMD clássico processa vetores de largura fixa. O SIMT mantém a ideia de instruções compartilhadas, mas permite que cada thread se comporte de forma mais independente, quando necessário.
The Problem of Branches
E se metade de um warp seguir um ramo "if" e a outra metade não? As threads em um warp querem marchar juntas, então uma ramificação pode dividir o grupo.
if (x > 0) {
y = x * 2;
} else {
y = -x;
}Divergência de warps
Quando as threads de um warp discordam sobre um desvio, o warp executa cada caminho por vez e desativa os demais. Essa repetição serial é chamada de divergência.
A divergência reduz a velocidade
Como os caminhos divergentes são executados um após o outro, perde-se paralelismo. Manter um warp no mesmo caminho é uma ideia fundamental para obter kernels rápidos.
Por que SIMT escala tão bem
Com uma instrução alimentando 32 threads e muitos warps em execução, a GPU mantém suas unidades matemáticas ocupadas. É assim que SIMT se transforma em vazão bruta.
Verificação rápida
Vamos garantir que o vocabulário de SIMT esteja bem consolidado.
Recapitulação: SIMT
SIMT transmite uma instrução para um warp de 32 threads, cada uma operando sobre seus próprios dados. Evite desvios divergentes para manter todas as threads avançando juntas. 👍
Perguntas Frequentes
A aula “SIMT: a mesma instrução, várias threads” é grátis?
Sim — o texto completo de “SIMT: a mesma instrução, várias threads” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de CUDA Academy, atualize para CoddyKit PRO. O curso de CUDA Academy inclui 4 aulas no total.
O que vou aprender em “SIMT: a mesma instrução, várias threads”?
O modelo de execução que torna as GPUs rápidas. Você pratica CUDA Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar CUDA Academy?
Nenhuma experiência prévia é necessária. CUDA Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “SIMT: a mesma instrução, várias threads”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de CUDA Academy?
Sim. Cada aula de CUDA Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- CPU versus GPU: latência versus vazão
- SIMT: a mesma instrução, várias threads
- O que CUDA realmente é
- Problemas que aproveitam a GPU