Heeju.zip

AI 학습을 하다 보면 CPU보다 GPU가 훨씬 빠르다는 것을 느낍니다.  왜 이런 차이가 발생하는지에 대해서 약간 깊게 들어가보고 싶어 찾아봤습니다. GPU가 빠른 이유는 바로 연산 방식의 차이(병렬 연산 vs. 직렬 연산) 때문입니다. AI 학습 시  GPU는 AI 학습 과정에서 수천 개수백만 개의 연산을 병렬로 수행할 수 있어 CPU보다 수십수백 배 빠른 속도를 제공합니다. 이번 글에서는 CPU와 GPU의 차이를 이해하고 AI 학습에서 GPU가 왜 중요한지 알아보려합니다. CPU vs. GPU의 연산 방식 차이① CPU (Central Processing Unit)CPU는 직렬 연산(Serial Processing) 중심으로 설계되어 있습니다. 소수의 강력한 코어(일반적으로 4~64개)를 사용하여 ..

딥러닝 기술이 발전함에 따라 신경망의 깊이는 점점 더 깊어지고 있다. 과거에는 하드웨어 성능의 한계로 인해 복잡한 모델을 학습하는 것이 어려웠지만 최근 하드웨어의 발전으로 인해 신경망의 깊이가 급격히 증가하면서 인공지능이 비약적으로 발전하고 있는 중이다.   특히 VGGNet(2014)은 네트워크 깊이를 증가시켜 성능 향상을 위한 모델이지만 깊은 네트워크를 안정적으로 학습시키기 위해서는 강력한 GPU와 병렬 연산 기술이 필수적이었다. 따라서 컴퓨터 하드웨어의 발전이 VGGNet과 같은 딥러닝 모델의 성능 향상과 실용화에 엄청나게 중요한 역할을 했다고 볼 수 있다.   하드웨어의 성능이 더욱 향상되면서 ResNet(2015)과 같은 더 깊은 네트워크가 등장하였고 100층 이상의 신경망도 안정적으로 학습할 ..