일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
Tags
- deep_learning
- Qubit
- GPU
- POD
- 양자역학의공준
- 쿠버네티스
- HA
- flash_memory
- 반도체
- SpMM
- cloud
- C++
- jhDNN
- CUDA
- 반도체기초
- nvidia
- sycl
- stl
- Compression
- kubernetes
- DRAM
- 클라우드
- CuDNN
- convolution
- Semiconductor
- jhVM
- 딥러닝
- dnn
- FPGA
- quantum_computing
Archives
- Today
- Total
목록gpgpu (1)
Computing
GPU 프로그램이 느린 이유 - 1 : Memory Bound
GPU 프로그램이 빠른 이유 GPU는 대표적인 manycore processor들 중 하나[1]로, 4개 혹은 8개의 core를 가지는 일반 CPU와는 다르게 수 천개의 core를 가지고 있다. 이렇게 많은 core를 이용하여 각 데이터를 독립적으로 계산하는 data parallellim을 달성한다. Fig 1.는 CPU와 GPU의 하드웨어 디자인 방향이 어떻게 다른 지를 보여준다. 초록색 영역은 ALU (arithmetic logic unit)으로 실제 계산이 이뤄지는 영역이며, 각 ALU(초록 박스 하나하나)는 독립적으로 instruction stream(thread)을 계산할 수 있다.. 노란색 영역은 Control logic 영역으로 명령어를 해석하고 instruction 실행 최적화를 계산한다...
가속기 Accelerator/GPU
2022. 3. 31. 00:10