2D컴퓨터그래픽 과제 레포트 - 컴퓨터 프로세서 GPU에 대해 조사하시오.

I. 서론

게임 화면에서 수많은 물체와 빛이 동시에 움직이는데도 장면이 매끄럽게 이어지는 모습을 보면 컴퓨터가 한 순간에 얼마나 많은 계산을 처리하는지 새삼 느끼게 된다. GPU는 그 부담을 맡아온 프로세서다. 처음에는 3차원 그래픽의 반복 계산을 빠르게 처리하는 특수 장치로 발전했지만, 지금은 영상 편집과 과학 계산, 인공지능 학습처럼 같은 형태의 연산을 대량으로 반복하는 작업에도 널리 쓰인다. NVIDIA의 CUDA 문서는 GPU가 실시간 3차원 렌더링에서 병렬 연산을 가속하기 위한 전용 프로세서로 출발했고, 이후 프로그래밍 가능성이 커지면서 범용 계산에까지 활용되었다고 설명한다. CPU가 복잡한 명령과 순차적인 제어를 빠르게 처리하는 데 강한 반면 GPU는 많은 계산 단위를 동시에 움직여 큰 데이터 묶음을 처리하는 쪽에 강점이 있다. 컴퓨터 그래픽을 공부하면서 GPU를 이해해야 하는 이유는 화면을 그리는 속도뿐 아니라 오늘날 시각 작업의 제작 방식 자체가 GPU 성능에 크게 기대고 있기 때문이다.

II. 본론

1) 화면을 빠르게 그리기 위해 태어난 병렬 프로세서

3차원 장면 하나를 화면에 표시하려면 물체의 꼭짓점 위치를 변환하고, 보이지 않는 면을 걸러내고, 삼각형을 화면의 픽셀로 바꾸고, 각 픽셀의 색과 밝기를 계산하는 작업이 반복된다. 한 장면에 삼각형이 수백만 개 있고 화면이 1초에 수십 번 갱신된다면 같은 종류의 계산이 엄청난 횟수로 발생한다. GPU는 바로 이런 반복을 나누어 동시에 처리하는 데 맞춰졌다. 한 명이 수천 개 숫자를 차례로 계산하는 것보다 많은 계산원이 같은 규칙을 나눠 적용하는 모습에 비유하면 이해하기 쉽다. 물론 실제 구조는 훨씬 복잡하지만 병렬 처리라는 성격은 여기서 드러난다.

CPU와 GPU를 비교할 때 코어 수만 세면 오해가 생긴다. CPU 코어는 복잡한 분기와 운영체제 작업, 다양한 명령을 낮은 지연시간으로 처리하도록 설계되고 큰 캐시와 정교한 제어 회로를 갖춘다. GPU는 한 개 코어의 복잡성보다 많은 연산 유닛이 유사한 작업을 동시에 수행하는 처리량에 더 무게를 둔다. AMD의 프로그래밍 안내도 큰 규모의 데이터 병렬 작업은 GPU에서 빠르게 수행될 수 있지만 직렬 작업이나 작은 병렬 작업은 CPU가 더 빠를 수 있다고 설명한다. GPU가 모든 계산을 대신하는 슈퍼 CPU는 아니다. 문제의 형태가 병렬화에 맞을 때 강한 도구다.

그래픽 작업은 병렬화와 궁합이 좋다. 화면의 여러 픽셀은 서로 다른 위치에 있지만 비슷한 셰이딩 계산을 반복하고, 수많은 꼭짓점 역시 같은 변환 수식을 적용받는다. 그래서 GPU 내부에서는 작은 연산 단위가 묶여 같은 명령 흐름을 많은 데이터에 적용한다. NVIDIA의 Ampere GA102 구조를 보면 그래픽 처리 클러스터와 스트리밍 멀티프로세서가 계층적으로 배치되고, 스트리밍 멀티프로세서 안에는 다수의 CUDA 코어와 텐서 코어, 텍스처 유닛, 레이 트레이싱 코어가 함께 들어간다. 세대와 제조사에 따라 이름과 구성은 달라지지만 한 칩 안에 서로 다른 종류의 병렬 연산 자원을 배치한다는 흐름은 공통적이다.

2) 코어와 메모리가 그래픽 파이프라인을 나누는 구조