이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
컴퓨터가 점점 빨라지고 있습니다. 하드 드라이브는 더 많은 데이터를 저장합니다. 인터넷 연결은 점점 더 빠르게 성장하고 있습니다. 그렇다면 우리가 컴퓨터에서 하는 일이 보조를 맞추지 못하는 이유는 무엇입니까?
그 대답은 부분적으로 개별 컴퓨터 칩의 속도가 대체로 정체되었다는 것입니다. 컴퓨터의 속도는 궁극적으로 프로세서가 명령을 가져오고 실행할 수 있는 속도에 의해 제한됩니다. 수년간 무어의 법칙에 따라 트랜지스터 밀도가 기하급수적으로 증가했음에도 불구하고 개별 칩은 점점 더 빨라졌습니다.
이 문제를 해결하는 한 가지 방법은 더 많은 코어가 있는 더 비싼 프로세서를 구입하는 것입니다. 두 개의 코어가 있는 프로세서는 이론적으로 단일 코어 프로세서보다 주어진 시간 동안 두 배 많은 명령을 실행할 수 있습니다. 실제로는 그렇게 간단하지 않지만 더 많은 코어가 여전히 상당한 성능 향상을 제공할 수 있습니다.
프로세서를 최대한 활용하는 또 다른 방법은 병렬 처리를 사용하는 것입니다. 병렬 처리는 여러 프로세서가 작업의 서로 다른 부분에서 동시에 작동하는 컴퓨팅 유형입니다.
GPU 또는 그래픽 처리 장치는 병렬 처리에 특히 적합한 프로세서 유형입니다. GPU는 원래 비디오 게임 및 기타 그래픽 집약적인 응용 프로그램용 그래픽을 렌더링하도록 설계되었습니다. 그러나 GPU는 범용 컴퓨팅에도 사용할 수 있으며 기계 학습 및 기타 데이터 집약적인 작업에 자주 사용됩니다.
GPU의 장점은 코어가 많고 각 코어가 상대적으로 단순하다는 것입니다. 여러 코어가 작업의 서로 다른 부분에서 동시에 작동할 수 있으므로 병렬 처리에 적합합니다.
GPU는 또한 범용 CPU보다 에너지 효율적입니다. 이는 GPU가 많은 계산을 병렬로 수행할 수 있도록 설계되었기 때문에 동일한 양의 전력으로 더 많은 작업을 수행할 수 있기 때문입니다.
병렬 처리 및 GPU 컴퓨팅의 힘은 더 비싼 프로세서를 구입하지 않고도 프로세서에서 더 많은 것을 얻을 수 있도록 도와준다는 것입니다. 병렬화할 수 있는 작업을 수행하는 경우 GPU를 사용하면 상당한 성능 향상을 얻을 수 있습니다.
병렬 처리 및 GPU 컴퓨팅을 사용할 때 염두에 두어야 할 몇 가지 사항이 있습니다. 첫째, 모든 작업을 병렬화할 수 있는 것은 아닙니다. 작업을 순차적으로만 수행할 수 있는 경우 병렬화할 수 없습니다.
둘째, 작업을 병렬화할 수 있더라도 노력할 가치가 없을 수 있습니다. 단일 프로세서를 사용하여 합리적인 시간 내에 작업을 완료할 수 있는 경우 병렬화할 가치가 없을 수 있습니다.
셋째, GPU 컴퓨팅을 사용하려면 GPU가 있어야 합니다. 대부분의 컴퓨터에는 GPU가 없으므로 GPU를 구입해야 할 수도 있습니다.
넷째, 병렬 처리 및 GPU 컴퓨팅을 사용하려면 프로그래밍 방법을 알아야 합니다. 당신이 프로그래머가 아니라면 프로그래머를 고용해야 합니다.
병렬 처리 및 GPU 컴퓨팅은 프로세서를 최대한 활용할 수 있는 좋은 방법이 될 수 있습니다. 그러나 그것은 마법의 탄환이 아니며 항상 최선의 해결책도 아닙니다. 병렬 처리 또는 GPU 컴퓨팅 사용을 고려하고 있다면 장단점을 신중하게 고려해야 합니다.