问题1：在费米架构中，每个SM中存在两个warp调度器，是不是就是说每次可以发出两束warp指令呢？
问题2： 在费米架构中，一束warp包含32个线程，为什么执行的时候，每次只有16个线程处于活跃状态，而不是32个线程
都处于活跃状态？如果是因为每个SM有两个warp调度器的原因，为什么设计的时候不设计成只有一个呢？
谢谢解答。
这个每次有歧义，因为SM中存在2种时钟频率，基本频率和倍频。这个“每次”给您按照倍频算了。
（1）是的，的确如此。“每两次”，可以为来自2个warp中4条指令进行发射给执行单元的。（手册里有详细说明，这里不赘述了）。也就等效于，“每次”，为来自2个warp的2条指令进行发射。
（2）因为处于某些考虑，每个warp sheduler, 同时为16个线程发射2条指令，是等效于1次为32个线程发射1条指令的。这样实际还是等效于您的“32个线程都处于活动状态（为他们执行指令）的”。
（3）为何如此设计，可能处于众多考虑。例如每次抓取一个warp后，scheduler所需要的各种资源（指令，执行单元的安排等等），设计的复杂度，执行的效率，等因素，可能设计成2个更为容易，更能表达性能。这些可能是设计人员的考虑因素。
举个例子，上文说了，为2个warp在2个周期内执行4条指令。固然等价于为1个warp在2个周期内执行8条指令。但如果设计1个能力加倍的超级warp scheduler, 可能复杂度和成本要远远大于2.所以不如拆分成2个简单些了。
当然这是硬件设计人员考虑的，我们无法知道影响他们思考的实际因素。这只是猜测。
感谢版主的回答，这里还有一个小的问题，就是为16个线程发射2条指令，那么这16个线程是如何执行这两条指令的呢？是同时执行，还是轮流执行？另外看到有Dual Issue的文章说道，执行一条指令至少需要四个时钟周期，但是每两个时钟周期就可以发送一条指令，可能是我理解有误，但是如果是这样的话，指令执行速度应当是小于指令获取速度，因此，给16个线程发2条指令执行我就不太能想通。最后还有一个小小的问题，手册是指CUDA编程手册么？谢谢版主。
楼主您好。
实际上，线程是数据和代码流的载体，而不是一个执行者。具体的执行，是执行单元执行来自线程中的指令（以及执行过程还会使用来自线程中的数据, 例如线程私有的寄存器等)。
issue速率和指令的执行需要多少个cycles是无关的。这要归功于现在的流水线设计。假设某工厂，从生产的流水线一头，每分钟都会流入元件，开始制造的；但可能此流水线很长，需要10个步骤才能完成，10分钟后产品才能出来。但这并不妨碍每分钟都制造一个元件的。
而上文的warp/half-warp和这个类似，每个周期都开始执行某指令，不代表某指令必须立刻完成，他完全可以几个周期，甚至几十个周期才能完成。
关于您询问的手册，一般可以参考《CUDA Programming Guide》，《CUDA Toolkit Reference Manual》，《CUDA Best practices guide》等。这些书籍跟随NV的toolkit免费发布。也可以参考本坛的yyfn风辰的作品《CUDA编程指南》。这个是中文版的。也许对您方便点。
谢谢版主耐心解答，版主早点休息，注意身体，祝版主身体健康
您客气了。服务您是我的荣幸。
感谢您的深夜来访，祝您工作、生活愉快！