在很多计算密集的应用中,Stencil算法(模板计算)是耗时最多和最为重要的计算核心。随着GPU通用计算加速卡出色的计算能力、功耗控制和编程的简化,GPU加速卡在科学研究中的工作站和超级计算机中得到普遍使用,如何在GPU这样的异构设备上将Stencil算法进行性能优化和提高效率便成了一个亟待解决的关键问题。在本文中,我们选取了3D7P这个典型应用进行研究。通过对这个典型应用在Kepler架构GPU上的优化和分析,我们探讨了不同优化手段对于计算性能产生的影响。NVIDIA Kepler架构是Tesla系列服务器级GPU中最新的架构,我们研究了Tesla K20、K40、K80,基本涵盖了Kepler架构的绝大部分核心。并借助性能分析工具——nvprof,通过收集程序执行中的硬件指标和性能事件,对Stencil计算在不同优化手段下性能的差异进行了比较和分析。对于访存受限类型的3D7P程序在不同的Tesla GPU上,经过性能调优后访存带宽基本达到了对应的实际带宽峰值。本文还对嵌入式开发板NVIDIA Jetson TX1进行了研究和分析。TK1是首个在嵌入式集成了Kepler核心GPU的开发板,而TX1是TK1的升级,其集成了NVIDIA最新Maxwell架构核心,并且拥有完整的CUDA开发平台。比较TX1和Kepler GPU的性能差异对我们深入了解Kepler架构和Maxwell架构对有重要的借鉴意义。同时也为我们以后研究Maxwell架构下的服务器级GPU性能分析与调优提供了参考。