이 책에 대하여
이 책의 구성
이 책의 대상 독자와 필요한 전제 지식에 관해
Chapter 1 [입문] 프로세서와 GPU
1.1 컴퓨터 시스템과 이미지 표시의 기초
프레임 버퍼, VRAM, 디스플레이 인터페이스
__ 컴퓨터로 이미지를 표시하는 원리
__ 이미지를 표시하는 디스플레이 브라운관과 래스터 주사
__ 액정 디스플레이 - 액정 셀, 픽셀, dpi
__ 프레임 버퍼와 디스플레이 인터페이스
1.2 3D 그래픽의 역사
문자에서 그림, 2D, 3D로. 고품질과 실시간
__ 초기 그래픽
__ 컴퓨터 그래픽 이용 확대 - 고품질 이미지, 실시간 그리기
__ 3차원 물체의 모델링과 표시
1.3 3D 모델 만들기
패널, 좌표, 배치, 빛
__ 종이 등 모델링 만들기 - 패널, 지역 좌표와 전역 좌표
__ 행렬을 적용하여 위치나 방향을 바꾸어 배치 - 모델링 변환, 시점 변환, 모델링 뷰 변환, 트랜스포즈
__ 빛의 반사 계산 - 라이팅
1.4 CPU와 GPU의 차이
프로세서도 적재적소에
__ GPU는 병렬 처리로 높은 성능을 실현 - 수십~수천 개의 연산기, GDDR DRAM
__ GPU의 출현
__ GPU 컴퓨팅의 출현 - 부동소수점 연산으로 넓어진 활약 장소
__ GPU는 대량 병렬 프로세서 - 데스크톱 PC를 위한 CPU와 게임을 위한 GPU 비교
__ GPU는 병렬 처리에서 높은 성능 발휘
__ CPU와 GPU의 이종 시스템과 그에 따른 문제
1.5 사용자 가까이에 있는 다양한 GPU
SoC, CPU 칩 내장, Discrete GPU
__ 휴대전화용 GPU - 스마트폰이나 태블릿용 SoC 탑재
__ CPU 칩에 내장된 GPU - Intel Core 시리즈, AMD APU
__ Discrete GPU와 그래픽 워크스테이션 - 소비전력 200W를 넘는 범위에서 최고의 성능을 원하는 사용자
1.6 GPU와 주된 처리 방식
메모리 공간, 그릴 때의 GPU 메모리 확보 방식, 병렬 처리
__ 공통 메모리 공간인가 별도 메모리 공간인가?
__ 풀 버퍼 방식인가, 타일링 방식인가? - 그릴 때의 GPU 메모리 확보 방식
__ SIMD 방식인가, SIMT 방식인가? - 좌표와 픽셀 색 4요소를 하나로 묶어 다루기
1.7 정리
Chapter 2 GPU와 계산 처리의 변천
2.1 그래픽과 가속기의 역사
게임기, PC 그래픽
__그래픽 처리 하드웨어의 역사 - 게임, 하이엔드 시뮬레이터, 과학 기술 계산
__ 아케이드 게임기
__ 가정용 게임기
__ 그래픽
2.2 그래픽 보드 기술
2D 배경+스프라이트, BitBLT, 2D/2.5D/3D 그래픽 가속기
__ 2D 배경+스프라이트
__ BitBLT
__ 2D 그래픽 가속기
__ 3D 그래픽 가속기
2.3 과학 기술 계산에 GPU 응용
유니파이드 셰이더, 배정도 부동소수점 연산, 프로그래밍 환경
__ 유니파이드 셰이더
__ GPU를 이용한 과학 기술 계산 - G80 아키텍처
__ 과학 기술 계산은 32비트로는 정밀도 부족 - GT200 아키텍처, GF100 Fermi GPU
__ CUDA 프로그래밍 환경
__ 오류 검출과 수정
2.4 병렬 처리 패러다임
기본, MIMD/SIMD/SIMT의 차이
__ GPU 좌표 변환 계산을 병렬화함 - 병렬 계산을 위한 기초 지식
__ MIMD형 프로세서
__ SIMD형 프로세서
__ SIMD 실행 문제
__ SIMT 실행
2.5 정리
Chapter 3 [기초 지식] GPU와 계산 처리
3.1 3D 그래픽의 기본
OpenGL의 렌더링 파이프라인을 예로 들어
__ [기초 지식] OpenGL의 렌더링 파이프라인
__ 프래그먼트 셰이더 - 프래그먼트의 색과 깊이 방향의 위치를 계산
__ 샘플마다 연산 - 렌더링 파이프라인의 마지막
3.2 그래픽 처리를 수행하는 하드웨어의 구조
Intel HD Graphics Gen 9 GPU의 예
__ Intel HD Graphics Gen 9 GPU 코어 - 강력한 GPU를 탑재한 PC용 프로세서
3.3 [스피드 학습] 게임 그래픽과 GPU
하드웨어와 소프트웨어, 그 진화의 궤적 - 특별 기고: 니시카와 젠지(西川 善司)
__ [하드웨어 분야의 진화] 첨단 3D 게임 그래픽은 아케이드부터 - 고유의 시스템, 고유의 3D 그래픽
__ PlayStation과 세가 새턴이 불러온 3D 게임 그래픽 데모크라시 - PC 3D 그래픽의 여명기
__ DirectX 7 시대 - 진정한 의미의 ‘GPU’가 등장하기 시작
__ 프로그래밍 가능 셰이더 시대의 개막 - Shader Model (SM) 사양
__ [소프트웨어 분야의 진화] 근대 게임 그래픽의 ‘3개의 신기’ - 표현 요소로 보는 근대 게임 그래픽
__ [빛 표현] 법선 매핑 - HD 게임 그래픽 시대에 이르러 요구된 하이 디테일 표현
__ [그림자 표현] 최신 GPU도 그림자 자동 생성 메커니즘은 탑재하지 않음
__ [현재 주류인 그림자 표현] 깊이 그림자 기법 - 다양한 그림자를 만들 수 있게 됨
__ HDR 렌더링 - 현실 세계의 휘도를 가능한 한 정확히 표현하려면
__ HDR 렌더링이 가져온 3가지 효능
3.4 과학 기술 계산과 GPU
높은 연산 성능으로 용도가 확장됨
__ 과학 기술 계산의 대상은 범위가 무척 넓음
__ 과학 기술 계산과 부동소수점 연산 - 극단적으로 큰 수와 극단적으로 작은 수를 동시에 다루려면
__ 부동소수점 연산의 정밀도 사용 구분 - 그래픽, 스마트폰, 과학 기술 계산
3.5 병렬 계산 처리
프로세서의 코어 수 증가와 계산/프로그램의 관계
__ GPU의 데이터 병렬과 스레드 병렬
__ 3D 그래픽의 병렬성 - 정점 좌표 변환, 픽셀 셰이딩
__ 과학 기술 계산의 병렬 계산 - 병렬화를 어떻게 활용할 것인가?
3.6 GPU 관련 하드웨어
메모리 용량, 대역폭, CPU와의 연결, 오류와 대책
__ 장치 메모리 관련 기초 지식
__ CPU와 GPU의 연결
__ 전자 회로의 오류 구조와 대책
3.7 정리
Chapter 4
[상세] GPU의 대량 병렬 처리
4.1 GPU의 병렬 처리 방식
SIMD와 SIMT
__ SIMD 방식 - 4개의 좌표 값을 묶어 하나의 데이터로 취급
__ SIMT 방식 - 하나씩 계산
4.2 GPU 구조
NVIDIA Pascal GPU
__ NVIDIA Pascal GPU 기초 지식
__ NVIDIA GPU의 명령 실행 구조 - [하드웨어 관점] 프로그램의 구조와 실행
__ 여러 개의 스레드 실행
__ SM 실행 유닛
__ GPU의 메모리 시스템 - 연산기에 직접 연결한 고속 최상위 기억 레지스터 파일부터
__ 워프 스케줄러 - 연산 대기 시간을 숨김
__ 프레디케이트 실행 - 조건 분기 실현
4.3 AMD와 ARM의 SIMT 방식 GPU
AMD GCN 아키텍처와 ARM Bifrost GPU
__ AMD GCN 아키텍처 GPU
__ 스마트폰용 SoC
__ ARM Bifrost GPU
4.4 GPU 사용성을 개선한 최근의 기술
유니파이드 메모리, SSG, 세밀도 프리엠프션
__ 유니파이드 메모리 주소
__ NVIDIA Pascal GPU의 유니파이드 메모리
__ AMD Polaris GPU의 SSG
__ 세밀도 프리엠프션 - 명령이 끝날 때 처리를 바꿈
4.5 오류 검출과 수정
과학 기술 계산 용도에서는 필수인 기능
__ 과학 기술 계산의 계산 결과와 오류
__ 오류 검출과 수정의 기본 원리
__ 패리티 체크
__ ECC - 허밍 부호
__ 강력한 오류 검출 능력이 있는 CRC
__ 장치 메모리 ECC 문제
4.6 정리
Chapter 5 GPU 프로그래밍의 기본
5.1 GPU 호환성의 사고방식
완전한 상위 호환은 어려운 상황
__ 하드웨어 호환성, 기계어 명령 수준의 호환성
__ NVIDIA의 추상화 어셈블러 PTX
__ GPU 언어 수준의 호환성 - CUDA와 OpenCL
5.2 CUDA
NVIDIA의 GPU 프로그래밍 환경
__ CUDA의 C 언어 확장
__ CUDA 프로그램에서 사용하는 변수 - 벡터형 변수 지원
__ 장치 메모리의 할당/해제와 호스트 메모리와의 데이터 전송
__ [간단한 예] 행렬 합을 계산하는 CUDA 프로그램
__ CUDA의 수학 라이브러리
__ NVIDIA GPU의 계산 능력
__ CUDA 프로그램의 실행 제어
__ CUDA의 다이내믹 패러렐리즘
__ CUDA의 유니파이드 메모리
__ 여러 개의 GPU 시스템 제어
5.3 OpenCL
업계 표준 GPU 계산 언어
__ OpenCL이란?
__ OpenCL의 변수
__ OpenCL의 실행 환경
__ 커널 실행
__ OpenCL의 메모리
__ OpenCL 프로그램 예
5.4 GPU 프로그램 최적화
성능 이끌어내기
__ NVIDIA GPU의 그리드 실행
__ 메모리 액세스 효율화
__ 더블 버퍼를 사용하여 통신과 계산을 겹침
5.5 OpenMP와 OpenACC
지시자를 이용한 GPU 프로그래밍
__ OpenMP와 OpenACC의 기초 지식
__ NVIDIA가 힘을 쏟는 OpenACC
__ OpenMP를 사용한 병렬화
__ OpenACC와 OpenMP4
5.6 정리
Chapter 6 GPU 주변 기술
6.1 GPU의 장치 메모리
대량 데이터를 고속으로 공급
__ DRAM
6.2 CPU와 GPU 사이의 데이터 전송
PCI Express 관련 기술, NVLink, CAPI
__ PCI Express
__ NVIDIA의 NVLink
__ IBM의 CAPI
__ AMD의 SSD 탑재 GPU - 빅데이터 처리에 위력을 발휘할 가능성
6.3 정리
Chapter 7 GPU 활용의 최전선
7.1 딥러닝과 GPU
신경망의 기본부터 활용 예까지
__ 딥러닝에 사용되는 신경망
__ 딥러닝에 필요한 계산과 GPU
__ 커스텀 ASIC이나 FPGA를 이용한 딥러닝 - 강력한 경쟁자
__ 딥러닝에서의 GPU 활용 사례
7.2 3D 그래픽과 GPU
다양한 3D 사례
__ NVIDIA의 GRID
7.3 슈퍼컴퓨터와 GPU
높은 연산 성능을 추구
__ 세계 상위 15위까지의 슈퍼컴퓨터 상황
__ 츠쿠바대학의 HA-PACS/TCA 슈퍼컴퓨터
__ 슈퍼컴퓨터는 어디에 사용하는가?
7.4 정리
Chapter 8 프로세서와 GPU 기술 동향
8.1 CPU는 어떻게 될 것인가?
스마트폰 SoC용, 데이터센터용 CPU
__ 스마트폰 SoC용 CPU
__ 데이터센터용 CPU
__ 고성능 CPU 기술 동향
8.2 GPU는 어떻게 될 것인가?
GPU의 종류와 미래
__ GPU 종류
__ 스마트폰 GPU는 어떻게 될 것인가?
__ 하이엔드 GPU는 어떻게 될 것인가?
__ Knights Landing - CPU와 가속기 일체화
__ PEZY-SC - 일본발 매니 코어 CPU
8.3 소비전력 절감
아키텍처 혹은 회로 기술로 해결
__ 아키텍처에 의한 전력 절약 설계 - 커스텀 로직, 동영상, 딥러닝
__ 회로 기술에 의한 전력 절약
8.4 딥러닝 지원
AI에의 도전
_ 딥러닝 처리 엔진 - 16비트 반정도 부동소수점 연산과 8비트 고정소수점 연산 기능
8.5 정리
찾아보기
