Nvidia GPU列表-GeForce 900系列-写道：

4 Single precision performance is calculated as 2 times the number of
shaders multiplied by the base core clock speed.

即例如对于GeForce GTX 970，我们可以计算性能：

1664内核* 1050 MHz * 2 = 3494 GFlops峰值(3494400 MFlops)

我们可以在"处理能力(峰值)GFLOPS-单精度"列中看到此值。

但是为什么我们必须乘以2？

上面写着：http://devblogs.nvidia.com/parallelforall/maxwell-most-advanced-cuda-gpu-ever-made/

SMM uses a quadrant-based design with four 32-core processing blocks
each with a dedicated warp scheduler capable of dispatching two
instructions per clock.

好的，nVidia Maxwell是超标量架构，每个时钟调度两个指令，但是每个时钟1个CUDA内核(FP32-ALU)可以处理多于1条指令吗？

我们知道1个CUDA核心包含两个单位：FP32单位和INT单位。但是INT单位与GFlops(每秒浮点运算)无关。

即一个SMM包含：

• 128 FP32单元
• 128 INT单位
• 32 SFU单位
• 32 LD / ST单元

要获得GFlops的性能，我们应该仅使用：128个FP32单元和32个SFU单元。

即如果同时使用128个FP32单元和32个SFU单元，则每1 SM的每个时钟可以获得160条带浮点运算的指令。

即我们必须乘以1,2 =(160/132)instad 2。

1664内核* 1050 MHz * 1,2 = 2096 Glops峰值

为什么在Wiki中写到我们必须将Cores * MHz乘以2？

CUDA"核心"(也称为SP)最通常是指SM(流式多处理器)中的单精度浮点单元。 CUDA内核可以在每个时钟周期启动一个单精度浮点指令。 (该单元是流水线的，因此它可以每个时钟启动一条指令，并且可以每个时钟退役一条指令，但是无法在给定的时钟周期内完全处理给定的指令。)

例如，如果该指令是单精度加法或单精度乘法，则该内核可以每个时钟贡献一个浮点运算，因为加法或乘法算作一个浮点运算。另一方面，如果该指令是FMA指令(浮点乘法加法)，则内核将在同一时间段内执行浮点乘法和浮点加法运算。这意味着一条指令实际上可以执行两项操作。在计算峰值理论吞吐量时，FMA的这种用法会导致2倍增。

因此，一个内核只能在每个时钟上处理(即启动，退出)一条指令，但是如果该指令是FMA，则算作两个浮点运算。