프로그래밍 마스시브하게 병렬 처리기: 실습 중심 접근

이 과정은 CUDA C 환경을 사용한 GPU 컴퓨팅과 병렬 프로그래밍에 대한 포괄적인 소개를 제공합니다. GPU 아키텍처, 데이터 병렬성, 스레드 관리, 메모리 최적화 및 고급 성능 고려 사항을 다루며, MRI 재구성 및 분자 시각화와 같은 실제 사례 연구를 통해 설명합니다.

4.9

36.0h

569 학생들

12개 레슨

0 좋아요

인공지능

강좌 개요

콘텐츠 요약

이 과정은 CUDA C 환경을 활용한 GPU 컴퓨팅과 병렬 프로그래밍에 대한 포괄적인 소개를 제공합니다. GPU 아키텍처, 데이터 병렬성, 스레드 관리, 메모리 최적화 및 고급 성능 고려 사항을 다루며, MRI 재구성 및 분자 시각화와 같은 실제 사례 연구를 통해 설명됩니다.

실용적이고 실습 중심의 가이드를 통해 고성능 병렬 컴퓨팅의 기술을 숙달하세요.

저자: 데이비드 B. 키르크, 웬메이 웨이 후

감사의 말: 아이언 버크, 존 닉올스, NVIDIA DevTech 팀, 젠슨 황, 데이비드 루브케, 빌 비안, 사이먼 그린, 마크 해리스, 맨주 헤지, 나데엠 모하메드, 브렌트 오스터, 피터 쉴러, 에릭 영, 시릴 제러.

학습 목표

멀티코어 CPU와 멀티코어 GPU의 설계 철학과 성능 전개 방식을 구분합니다.
현대적인 GPU 아키텍처의 핵심 구성 요소(예: 스트리밍 멀티프로세서(SM) 및 메모리 구조)를 식별합니다.
암다할의 법칙을 적용하여 이론적 속도 향상을 계산하고 순차적 블로킹의 영향을 파악합니다.
고정 기능 파이프라인과 프로그래머블 통합 프로세서 배열 간의 아키텍처 차이를 비교합니다.
GPGPU가 중간 단계로서의 역할과 초기 샷터 프로그래밍 모델의 제약 조건을 설명합니다.
원자 연산, 장벽 동기화, 이중 정밀도 지원과 같은 하드웨어 기능이 확장 가능한 일반 목적 컴퓨팅으로의 전환을 가능하게 했음을 분석합니다.
행렬-행렬 곱셈 알고리즘 내에서 데이터 병렬성을 식별하고 활용합니다.
할당, 호스트와 디바이스 간의 데이터 전송, 할당 해제를 포함한 디바이스 메모리 관리를 구현합니다.
적절한 스레드 인덱싱과 그리드/블록 구성으로 CUDA 커널을 생성하고 실행합니다.
복잡한 데이터 구조를 GPU 하드웨어에 매핑하기 위해 다차원 스레드 계층 구조(그리드 및 블록)를 설계합니다.

수업

Lesson

수업