Chapter 0. 딥러닝(DeepLearning)¶

1절. 서버

2절. 리눅스 서버 접속 방법

1절. 서버¶

서버 접속¶

클라이언트 / 서버 구조

CSA

CPU¶

CPU(Central Processing Unit)
입력받은 명령을 해석 / 연산 후 이를 통해 결과 값을 출력 장치로 전달하는 컴퓨터의 주요 부품
CPU의 성능 지표
1. 클럭(동작속도)의 수치
1. 코어(핵습 회로)의 수
1. 캐시 메모리(임시 저장소)의 용량
클럭 수치가 높으면 단일 작업을 빠르게 처리하는데 유리
코어의 수가 많을 경우 작업 효율 상승
멀티 태스킹(다중 작업)을 할 경우
멀티코어 연산에 최적화된 프로그램을 구동할 경우
캐시 메모리가 넉넉할 경우
덩치가 큰 프로그램을 구동하거나 자주 하는 작업을 반복처리할 경우

GPU¶

최초 목적
병렬 연산에 특화된 구조를 통한 높은 3D 그래픽 처리
최근 목적
그래픽 처리 뿐 아니라 이외의 범용 작업에도 GPU의 처리 능력을 보태는 'GPGPU(General Purpose computing on Graphics Processing Units)' 기술 발전
GPU 성능 기준은 CPU와 동일

CPU와 GPU 내부 구조 차이¶

CPU

CPU

* 명령어가 입력된 순서대로 데이터를 처리하는 직렬(순차) 처리 방식
* 내부 면적의 절반 이상이 캐시로 채워져 있기 때문에 GPU에 비해 상대적으로 ALU(Arithmetic Logic Unit)가 차지할 수 있는 공간이 작음
* CPU는 고정소수점 데이터를 많이 사용하는 문서 작성 등 일상 생활의 작업을 빠르게 할 수 있도록 설계

GPU

GPU

* 여러 명령을 동시에 처리하는 병렬 처리 방식에 특화된 구조
* 캐시 메모리 비중이 크지 않고 연산을 할 수 있는 ALU 개수 다수
* 1개의 코어에 수백, 수천 개의 ALU 장착
* GPU는 CPU로는 시간이 많이 소요되어야 하는 3D 그래픽 작업 등을 빠르게 수행하도록 설계

GPU vs CPU vs TPU¶

CPU vs GPU

GPU

TPU
Tensor Processing Unit 약어 TPU
기계 학습을 위해 특별히 개발
Google의 오픈 소스 기계 학습 프레임 워크인 TensorFlow를 위해 맞춤화된 맞춤형 내장 회로
2015년부터 Google 데이터 센터에서 전력 공급
- 그럼에도 불구하고 Google은 여전히 다른 유형의 기계학습에 CPU와 GPU를 사용

Chapter 0. 딥러닝(DeepLearning)¶

1절. 서버¶

서버 접속¶

CPU¶

GPU¶

CPU와 GPU 내부 구조 차이¶

GPU vs CPU vs TPU¶

2절. 리눅스 서버 접속 방법¶

윈도우 커맨드 프로그램을 이용한 서버 접속¶