CPU와 GPU의 차이점

CPU는 다양한 많은 물건을 넣을수 있는 트럭이고 - 빠르고 다재다능하다, GPU는 특정 물건을 넣을수 있는
스포츠 카다 - 복잡한 문제를 수천 또는 수백만 개의 개별 작업으로 나누고 한 번에 해결, 수학적 계산 능력이
CPU에 비해 탁월하다. 병렬 처리에 적합하다. 

 

구조적으로 CPU는 한 번에 몇 개의 소프트웨어 스레드를 처리 할 수있는 많은 캐시 메모리가있는 몇 개의 코어로
구성 된다. 반대로 GPU는 수천 개의 스레드를 동시에 처리 할 수있는 수백 개의 코어로 구성 된다.

 

GPU는 전 세계적으로 AI 붐을 일으켰고. 현대 슈퍼 컴퓨팅 의 핵심 부분이되었다.GPU 게이머들에게 높이

평가되지만 암호화에서 네트워킹, AI에 이르기까지 모든 종류의 작업을 가속화하는 가속기가되었다.

 

CPU	GPU
중앙 처리 유닛	그래픽 처리 장치
여러 코어	많은 코어
짧은 대기 시간	높은 처리량
직렬 처리에 적합	병렬 처리에 적합
한 번에 몇 가지 작업 수행 가능	한 번에 수천 가지 작업 수행 가능

 

직렬 (CPU) 처리 와 병렬 (GPU) 처리 차이점 동영상

- 페인트로 그림을 그리는 방법으로 설명. 로보트-CPU, 기계-GPU

 

GPU 처리가 왜 삐를수 밖에 없는지 동영상을 보면 알수 있다. AI가 발전 하는 이유이고,  GPU는 "딥 러닝"이라는
기술의 핵심이 된 이유다. 딥 러닝은 신경망을 통해 방대한 양의 데이터를 쏟아 부어 인간 코더가 설명하기에는
너무 복잡한 작업을 수행하도록 훈련시킨다. 자동차 산업, 로봇공학 산업, 의료및 생명 과학 산업등에서 이미지 인식,

다양한 실제 시나리오 적용, 복잡한 작업 학습, 이미지 분석 속도 향상등 . . 에 GPU가 필수로 적용 되고 있다.

 

 

---

CUDA

 

2007 년에 처음 출시 된 병렬 컴퓨팅 플랫폼을 통해 코더는 코드에 몇 가지 간단한 명령을 삽입(CUDA)하여
범용 처리를 위해 GPU의 컴퓨팅 성능을 활용할 수 있었다

 

 CUDA는 범용 컴퓨팅에 GPU를 간단하고 우아하게 사용 하는 병렬 컴퓨팅 플랫폼 및 프로그래밍 모델 이다.

프로그램 개발자는 여전히 익숙한 C, C ++, Fortran 또는 계속 확장되는 지원 언어 목록으로 프로그래밍하고
몇 가지 기본 키워드 형태로 이러한 언어의 확장을 통합한다. 이러한 키워드를 통해 개발자는 엄청난 양의
병렬 처리를 표현하고 GPU에 매핑되는 응용 프로그램 부분으로 컴파일러를 지시 할 수 있다.

 

 

CAD 분야에서도 GPU를 이용한 제품이 나왔고, 점점 더 기능은 확장되고, 혁신적인 기능이 추가 될것 입니다