gpgpu-sim/gpgpu-sim_distribution

GPGPU‑Sim – 사이클 레벨 GPU 아키텍처 시뮬레이터

개요 – GPGPU‑Sim은 최신 NVIDIA 스타일의 그래픽 처리 장치(GPU)를 모델링하는 오픈소스 사이클 정확도 시뮬레이터입니다. CUDA 또는 OpenCL용으로 작성된 프로그램을 실행할 수 있으며, 상세한 타이밍, 기능 및 전력 소비 결과를 생성합니다.

중요성 – 연구자들은 이를 사용하여 GPU 하드웨어의 작동 방식을 연구하고, 새로운 아키텍처 아이디어를 탐색하며, 고가의 물리적 GPU 없이도 딥러닝 워크로드의 성능과 에너지 사용량을 평가합니다.

주요 구성 요소

• 코어 시뮬레이터 – PTX/SASS 명령어 스트림을 사이클 단위로 실행하며, 워프 스케줄링, 메모리 계층 구조 및 연산 장치를 모델링합니다.
• AccelWattch 전력 모델 – McPAT 모델을 기반으로 구축되고 실제 Volta GPU를 통해 검증된, GPU 전력 소모를 추정하기 위한 확장 가능한 프레임워크입니다.
• AerialVision – 분석을 용이하게 하기 위해 시뮬레이션 통계를 플롯하는 시각화 도구입니다.
• Accel‑Sim과의 통합 – NVIDIA의 NVBit SASS 트레이스를 사용한 트레이스 기반 시뮬레이션을 허용하며, PyTorch/CuDNN을 위한 실행 구동 모드를 지원합니다.

일반적인 워크플로우

1. 종속성 설치 – Linux 시스템, CUDA 툴킷, 선택적 OpenCL 드라이버 및 몇 가지 개발 패키지(gcc, make, bison 등). 편의를 위해 Docker 또는 VS Code 개발 컨테이너 설정이 제공됩니다.
2. 빌드 – debug 또는 release 구성을 선택하고 CMake 또는 기존 Makefile을 통해 컴파일합니다.
3. 실행 – 시뮬레이터의 라이브러리 경로를 컴파일된 CUDA(또는 PyTorch) 바이너리로 지정하고, 선택적으로 AccelWattch 전력 모델을 활성화한 후 프로그램을 시작합니다. 결과는 로그 파일에 기록되며 AerialVision으로 시각화할 수 있습니다.

대상 사용자 – 성능 또는 전력 연구를 위해 상세하고 구성 가능한 GPU 모델이 필요한 컴퓨터 아키텍처 연구자, 대학원생 및 엔지니어. 특히 Tensor Cores나 동적 병렬 처리와 같은 새로운 하드웨어 기능을 평가할 때 유용합니다.

시작하기 – 저장소를 복제하고 README의 "Step 1‑3" 지침을 따르거나, 미리 빌드된 Docker 이미지(ghcr.io/accel-sim/accel-sim-framework:ubuntu-24.04-cuda-12.8)를 가져오십시오. http://gpgpu-sim.org/manual/의 매뉴얼에서 더 자세한 문서를 확인할 수 있습니다.