반응형
Ⅰ. GPU의 수행 능력 확대, GPGPU의 개요
가. GPGPU의 개념
- GPU를 그래픽 연산 뿐 아니라 일반 컴퓨팅 영역에도 활용하는 것을 목적으로 CPU가 맡았던 계산을 GPU로 하는 기술
나. GPGPU의 주요 특징
| - 기계 학습 성장 | - 기계 학습 기반 딥러닝의 폭발적 성장 기인 |
| - 빅데이터 처리 | - 단순비정형 데이터에 대해 GPU로 처리 |
| - SIMD/SIMT 구조 | - Control, Cache 부분 간소화한 코어집적/병렬처리 |
| - 플랫폼 지원 | - CUDA, OPENCL 등 GPGPU 플랫폼 기반 구현 가능 |
Ⅱ. GPGPU의 구성요소 및 플랫폼
가. GPGPU의 구성요소
| 구분 | 상세설명 | |
| 구성도 |  |
|
| 구성요소 | PCI 버스 연동부 | CPU와 통신 및 CPU 메모리 접근 |
| SIMD 코어 | 병렬 연산 처리 스레스 프로세서 | |
| 그래픽 메모리 | GPU 사용 고속 메모리 | |
| 캐시 메모리 | 코어 내/외부 공유 메모리 | |
나. GPGPU 플랫폼
| 플랫폼 | 설명 | 관련 |
| CUDA | - Compute Unified Device Architecture - 프로그램 모델 등 제공 병렬 처리 - CUDA Runtime/Drive API 구성 |
NVDIA |
| OpenCL | - OpenComputing Language - 이기종 시스템 처리 지원 - C, 런타임, API로 구성 |
크로노스 그룹 |
| C++AMP | - C++ Accelerated Massive Parallelism - Visual Studio에 추가된 이기종 지원 - 람다 표현과 병렬 반복문 결합 |
MS |
| OpenACC | - CUDA 추상화 프로그래밍 모델 - 컴파일러 지시문 기반 |
NVDIA |
Ⅲ. GPGPU 효율을 위한 CPU와 GPU 연계, HAS
| 구분 | 설명 |
| 개념 | - CPU와 GPU를 하나의 연산체로 간주하는 추상계층을 생성하여 GPU를 연산 보조용으로 사용하는 이기종 아키텍처 |
| 활용 |  |
- Heterogeneous Architecture System , GPGPU 기반 시스템 효율성 향상
반응형