สถาปัตยกรรม GPU สำหรับการประมวลผลแบบขนาน

คุณสงสัยเกี่ยวกับฮาร์ดแวร์ที่ขับเคลื่อนทุกอย่างตั้งแต่เกมระดับไฮเอนด์ไปจนถึงปัญญาประดิษฐ์ล้ำสมัยหรือไม่? สถาปัตยกรรม GPU สมัยใหม่คือรากฐานสำคัญในการปลดล็อกความเร็วและความมีประสิทธิภาพในการคำนวณขั้นสูง เมื่อจบคอร์สนี้ คุณจะมีความรู้ความเข้าใจพื้นฐานที่ลึกซึ้งเกี่ยวกับโครงสร้างภายในของ GPU ซึ่งรวมถึงส่วนประกอบหลัก ประเภทของหน่วยความจำ และหลักการที่ช่วยให้การประมวลผลแบบขนานระดับสูงเกิดขึ้นได้ คุณจะสามารถอ่านและเข้าใจข้อกำหนดทางเทคนิคที่เกี่ยวข้องกับ streaming multiprocessors, แบนด์วิธของหน่วยความจำ และ execution pipelines สิ่งที่คุณจะได้เรียนรู้: * เข้าใจวิวัฒนาการทางประวัติศาสตร์ของ GPU จากตัวเร่งการแสดงผลกราฟิกเฉพาะทางไปสู่ตัวประมวลผลแบบขนานเอนกประสงค์ (GPGPU) * เรียนรู้แนวคิดพื้นฐานของการประมวลผลแบบขนาน ซึ่งรวมถึง SIMD, SIMT และโมเดลการทำงานของ thread * เชี่ยวชาญความสัมพันธ์ระหว่าง streaming multiprocessors และกำลังการคำนวณ (throughput) ในสถาปัตยกรรมสมัยใหม่ * เข้าใจลำดับชั้นของหน่วยความจำที่ซับซ้อนภายใน GPU รวมถึงบทบาทของ global memory, shared memory และ constant memory * ประยุกต์ใช้ความรู้ด้านสถาปัตยกรรมเพื่อประเมินคอขวดของประสิทธิภาพที่อาจเกิดขึ้นในภาระงานและโค้ดแบบขนาน * กำหนดค่าพารามิเตอร์การทำงานพื้นฐาน พร้อมทั้งเข้าใจข้อแลกเปลี่ยนระหว่าง latency และ throughput ใน compute kernels คอร์สนี้เริ่มต้นด้วยคำนิยามหลักและบริบททางประวัติศาสตร์ของ GPGPU จากนั้นจะเจาะลึกหน่วยทำงาน ไพพ์ไลน์ของคำสั่ง และระบบย่อยของหน่วยความจำต่างๆ อย่างเป็นระบบ เราจะปิดท้ายด้วยการอภิปรายเชิงปฏิบัติเกี่ยวกับวิธีที่ข้อจำกัดทางสถาปัตยกรรมส่งผลกระทบต่อการปรับแต่งซอฟต์แวร์ให้มีประสิทธิภาพสูงสุด คอร์สนี้ออกแบบมาเป็นพิเศษสำหรับผู้เริ่มต้นที่ยังไม่มีประสบการณ์ด้านการออกแบบฮาร์ดแวร์หรือการเขียนโปรแกรมแบบขนานมาก่อน หากคุณสนใจในสถาปัตยกรรมคอมพิวเตอร์ ฮาร์ดแวร์สำหรับ AI หรือการประมวลผลประสิทธิภาพสูง นี่คือจุดเริ่มต้นที่สมบูรณ์แบบ เริ่มอ่านวันนี้และเปิดม่านไขความลับพลังของหน่วยประมวลผลกราฟิก