流处理器(SM,Streaming Multiprocessors):NVIDIA GPU架构中的一个重要组成部分。每个SM包含一组CUDA核心、寄存器文件、共享内存和其他资源，它们负责执行并行计算任务。SM的数量和特性会因不同的GPU架构而异，它们对于并行计算和图形处理非常重要。SM的数量和性能通常用于描述NVIDIA GPU的性能和计算能力.
CUDA Cores:用于通用和并行计算任务。用于执行通用计算任务的处理核心，
它们负责处理图形渲染、物理模拟、深度学习等各种计算工作负载。它们是GPU中最基本的计算单元，用于并行处理大规模数据和计算任务。
RT Cores：用于光线追踪渲染。专门设计用于光线追踪和实时光线追踪渲染。光线追踪是一种计算密集型的图形渲染技术，用于模拟光线在场景中的传播和交互，从而产生高质量的视觉效果。
Tensor Cores:用于深度学习计算。专门用于深度学习和人工智能计算的加速器。
它们能够高效地执行矩阵乘法和深度神经网络中的张量运算，
从而加速深度学习训练和推理任务。
基础时钟是GPU的默认工作频率，
而Boost时钟是GPU在需要更高性
能时可以提升到的最高频率。这
两个时钟频率对于评估GPU的性
能和功耗管理非常重要。
Boost时钟则是GPU在需要更多性能
时可以自动提升到的最高频率。当
GPU温度和功耗允许的情况下，Boost
时钟可以使GPU在需要更高性能时提
供更快的运算速度。
存储器介面/速率（Memory Interface/Speed）：存储器介面描述了GPU与显存之间的物理连接接口，通常以位数（如256位、384位）表示。而存储器速率则表示GPU与显存之间的数据传输速率，通常以MHz或Gbps为单位。存储器介面和速率共同决定了GPU与显存之间的通信带宽，对于提高GPU的图形渲染和计算性能非常重要。
存储器频宽（Memory Bandwidth）：存储器频宽是指GPU与其显存（显存是GPU用于存储图形数据和其他计算数据的内存）之间的数据传输速率。它通常以GB/s（gigabytes per second）为单位，表示GPU能够从显存中读取或写入数据的速度。存储器频宽越高，GPU能够更快地进行数据传输，从而提高图形渲染和计算性能。
可以根据存储器介面和速率参数计算得到存储器频宽。比如，对于RTX4080SUPER，其存储器频宽
为736GB/s=23Gbitps*256bit/(8bits/Byte)=736GB/s
存储器频宽和存储器介面/速率是评估GPU存储器性能的重要指标，它们直接影响着GPU的数据传输速度和性能表现
