선생님 안녕하세요!

1

안녕하세요. 🌞

우선 좋은 평가를 해주셔서 감사합니다.

OpenCL 쪽이 생각보다 강의나 교재를 구하기 힘드실 겁니다.

다른 이유가 있는건 아니고, CUDA 보다 늦게 나왔고, CUDA 보다 효율이 떨어진다는 점이 강합니다.

특히, NVIDIA 칩들이 CUDA 에 최적화되어 있고, OpenCL 쪽은 성능이 좀 떨어지게 나온다는 벤치마크 결과들이 좀 있습니다.

그래서, PC 플랫폼이나, 모바일 쪽에서도 칩을 선택할 수 있는 경우라면,

아예 NVIDIA 칩으로 고정시키고, OpenCL 대신 CUDA 로 프로젝트를 진행하는 경우도 있습니다.

또하나, OpenCL 을 택하시는 이유 중에, CPU, GPU 양쪽 모두를 동시에 병렬처리 해서,

CPU, GPU 모두가 미친듯이 일하게 만들어서, 최고의 성능을 노리자는 경우가 있는데,

이쪽은 load-balancing 이 생각보다 까다롭습니다.

처리 시간이나, 양쪽의 결과를 서로 공유해야 하는 문제 등등을 겪다 보면,

결국은 그냥 GPU 에 몰아서 처리 시키고, 대신 최적화나 더 시키자는 식으로 가게 되고,

그러다 보면, 어차피 GPU만 쓸거면, 쓰기도 어렵고 최적화도 까다로운 OpenCL 보다는

CUDA 로 가는 경우들이 많습니다.

SYCL 쪽은 다 좋은데, 말씀하신 대로, 컴파일러 이슈가 있습니다.

SYCL 이 C++ 11 이후의 template 기능을 활발하게 쓰고, LLVM 구조의 컴파일러에 적합하게 되어 있는데,

MSVC 는 사실... 최적화나 template 이슈 측면에서는 그다지 좋은 컴파일러는 아닙니다.

최적화 이슈를 겪는 프로젝트 들에서, 굳이 MSVC 대신, 더 비싼 컴파일러를 사는게 이유가 있는 셈이지요. 🍺

OpenCL 쪽 커뮤니티가 진입 장벽이 있는 또하나의 이유는 CUDA 가 먼저 만들어져서 일 겁니다.

OpenCL 이 나중에 나오면서, 그 시점에는 OpenCL을 사용하려는 사람의 대부분은 이미 CUDA를 쓰고 있어서,

OpenCL 표준을 만들던 사람들이나, 튜토리얼 만드는 사람들도 은연 중에, CUDA는 이미 공부하고 왔을 거니까,

이 정도는 알겠지, 내지는, 이거는 CUDA 에서 이렇게 했던 거를 여기서는 이렇게 하는 거야, 라는 식으로,

CUDA 기준으로 설명을 하다 보니까, OpenCL 부터 공부하시는 분들은 진입 장벽을 좀 느끼실 겁니다. 🍺

그래서, 일단 CUDA 부터 공부하신 후에, OpenCL 로 전환하면

대응되는 개념들이 용어만 바꿔서 그대로 나오게 됩니다.

사실상 같은 구조에서 같은 병렬처리 개념을 쓰고 있으니까요.

OpenCL 은 10시간 정도 분량의 단기 강의를 해 본 적은 있습니다만,

지금의 CUDA 강의처럼, 30시간 정도 분량으로 길게 강의를 해 보지는 않아서,

당장 강의를 개설하기는 힘들 것 같습니다만, 시간이 되는 대로, OpenCL 강의도 만들어 보겠습니다.

다만, 선생님의 열의와 학습속도로 보아서는, 제가 강의를 완성하기 전에,

선생님께서 먼저 OpenCL 전문가가 되어 있으실 것 같습니다. 🌞

즐거운 하루 보내세요. 👍