딥 러닝 연산을 위한 GPU/CPU 성능 분석

Q: 이 논문에서 정의한 GPGPU란 무엇인가?

GPU의 연산 성능을 그래픽 처리 외의 범용 계산에 활용하기 위해 도입된 기술을 의미한다. 이는 병렬 처리에 특화된 GPU의 구조를 이용하여 복잡한 수치 연산이나 데이터 처리 속도를 가속화하는 데 목적이 있다.

Q: 행렬 곱 연산에서 CUDA 기반 GPU 처리와 CPU 기반 라이브러리의 성능 차이는 어떠한가?

연구 결과, CUDA로 구현한 행렬 곱 연산이 CPU 대비 최대 485배 높은 처리 성능을 보이며 가장 빠른 수행 시간을 기록하였다. CPU 기반으로는 MKL이 상대적으로 높은 성능을 보였으나 CUDA보다는 낮은 효율을 나타냈다.

최진서; 강동현

자료유형: 학술대회자료

저자정보: 최진서 (창원대학교) 강동현 (창원대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2022 한국소프트웨어종합학술대회 논문집

발행연도: 2022.12

수록면: 1,145 - 1,147 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

최근, 딥 러닝 모델의 높은 정확도를 달성하기 위해 학습모델의 규모가 점차 증가하고 있다. 이에 따라 학습모델의 훈련에 요구되는 연산량이 증가하면서 연산 처리시간 또한 증가하는 문제가 존재한다. 이를 해결하기 위해 일반적으로 병렬처리에 특화된 GPU를 사용하여 학습모델의 훈련을 가속한다. 이에 본 논문에서는 CPU와 GPU의 성능 차이를 분 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)