Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10




Скачать 335.07 Kb.
НазваниеЗадача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10
страница1/9
Дата02.10.2012
Размер335.07 Kb.
ТипЗадача
  1   2   3   4   5   6   7   8   9


Принципы адаптации вычислительных алгоритмов под параллельную архитектуру графических акселераторов

С.М.  Вишняков


Введение 2

Глава 1. Архитектура графических акселераторов, средства отображения на них вычислительных алгоритмов и исследуемые алгоритмы 6

1.1. Краткое описание архитектуры графических акселераторов 6

1.2. Средства отображения алгоритмов на архитектуру графических акселераторов 7

1.3. Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10

1.4. Задача поиска ключевых точек на изображении при помощи алгоритма SIFT 13

Выводы по главе 1 15

Глава 2. Отображение исследуемых алгоритмов на архитектуру графических акселераторов 17

2.1. Способы адаптации задачи параметрической аппроксимации двумерной функции с использованием метода случайного поиска к архитектуре графических акселераторов 17

2.2. Задача поиска ключевых точек на изображении при помощи алгоритма SIFT 19

Выводы по главе 2 21

Глава 3. Анализ параллельной производительности 23

3.1. Сравнение способов распараллеливания задачи аппроксимации климатических спектров 23

3.2. Влияние конфигурации ядра на получаемое ускорение при распараллеливании по данным 24

3.3. Модель производительности 29

3.4. Производительность реализации алгоритма SIFT, использующей графический акселератор и некоторые особенности исследуемой архитектуры 35

Выводы по главе 3 45

Заключение 46

Список литературы 47



Введение


В последние годы интенсивное развитие получила специфическая отрасль высокопроизводительных вычислений – расчеты на системах с параллельными акселераторами, как дополнительными устройствами, принимающими на себя существенную часть вычислительной нагрузки работающего приложения [1]. К таким устройствам относятся: программируемые логические схемы (ПЛИС), сигнальные процессоры, графические акселераторы и т.д.

Под графическими акселераторами, или GPU (Graphic Processor Unit)-устройствами, в данном случае подразумеваются современные графические адаптеры, по сути являются многопроцессорными системами SIMD-архитектуры с достаточно высокой (до 1 ТФлопс) пиковой производительностью (рис. 1).



Рис. 0. Динамика развития производительности графических акселераторов


По сравнению с традиционными архитектурами (например, кластерами), они обладают несопоставимо низкой характеристикой «цена/производительность», что стимулирует интерес к использованию GPU не только для обработки графической информации, но и для решения произвольных вычислительных задач [2]. В частности, к таким задачам относятся сортировки больших объемов данных [3], решения систем линейных уравнений [4], уравнений математической физики [5-7] и пр.

Параллельное программирование для GPU традиционно использует графический программный инструментарий, например, на основе библиотеки OpenGL [8] или DirectX [9]. Для удобства работы с ними применяются пакеты более высокого уровня, например, Gg [10], HLSL [11] и OpenGL Shading Language [12]. Однако реализация вычислительных задач общего плана требует использования более универсальных средств, облегчающих отображение задач различного типа на архитектуру GPU-устройств и позволяющих абстрагироваться от особенностей работы графических алгоритмов. Например, компанией nVidia разрабатывается набор библиотек CUDA SDK [13], предназначенный для использования вычислительных мощностей видеокарт и, в перспективе, специализированных ускорителей вычислений для решения вычислительных задач общего назначения. Кроме того, существует ряд проектов по разработке методов и средств, предназначенных для отображения вычислительных алгоритмов на GPU-устройства различных производителей, например, языки С$ [14] и OpenCL [].

Несмотря на высокую производительность, вычислительные акселераторы на базе GPU являются специфическим классом многопроцессорных систем, характеризуемым существенными ограничениями на масштабируемость, использование памяти и управление данными и задачами. Потому представляет интерес изучение способов отображения различных типов вычислительных алгоритмов на GPU-архитектуру с целью выявления ключевых особенностей этого процесса и факторов, влияющих на получаемую производительность.

Целью данной работы является изучение ключевых особенностей отображения вычислительных алгоритмов на GPU-архитектуру, выявление ряда факторов, влияющих на получаемую производительность и исследование их влияния.

Работа состоит из трех глав. В первой главе описываются особенности архитектуры исследуемого графического акселератора и средств отображения вычислительных алгоритмов на данную архитектуру. В качестве примеров вычислительных алгоритмов, отображаемых на GPU-архитектуру, в данной работе были выбраны две задачи: задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска [15] и задача выделения ключевых точек на изображении при помощи алгоритма Scale-invariant feature transform (SIFT). Описание этих алгоритмов приводится также в первой главе. Во второй главе описываются способы отображения этих алгоритмов на архитектуру GPU-устройства. В третьей главе анализируются результаты отображения описанных ранее алгоритмов на архитектуру GPU.

    В результате выполнения данной работы были предложены и реализованы варианты адаптации алгоритма параметрической аппроксимации спектров климатического волнения методом случайного поиска и всех этапов алгоритма поиска ключевых точек SIFT к архитектуре графических акселераторов. Был проведен анализ параллельной производительности предложенных способов адаптации и сделаны выводы о целесообразности использования графических акселераторов для решения данных задач. Кроме того, было исследовано влияние различных аспектов, характерных для исследуемой архитектуры, на получаемую производительность.
  1   2   3   4   5   6   7   8   9

Похожие:

Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconОсобенности адаптации вычислительных алгоритмов под параллельную архитектуру графических акселераторов
В работе обсуждаются вопросы отображения вычислительных алгоритмов на параллельную архитектуру gpu-акселератора. В качестве примера...
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconМетод аппроксимации сплайнами
Кохонена, расположенных в многомерном пространстве. Для минимизации погрешности аппроксимации в качестве аппроксимирующей функции...
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconТеоретические основы существования и единственности наилучшего приближения
Обсуждается влияние формы аппроксимируемой кривой на выбор метода аппроксимации при решении задачи автоматического воспроизведения...
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconОбработка экспериментальных данных методом линейной аппроксимации
Получить такие величины можно теоретически, используя численные методы обработки экспериментальных данных. В школьном курсе, с использованием...
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconТеоретические основы обработки люминесцентных изображений биологических объектов
Данная задача может быть успешно решена с использованием метода имитационного моделирования [5]
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconЛабораторная работа Имитационное моделирование случайных событий, случайных величин
...
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconУроках математики с использованием компьютерных технологий при обобщении материала по теме «Функции и их свойства»
Применение исследовательского метода на уроках математики с использованием компьютерных технологий при обобщении материала по теме...
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconЛабораторная работа №3. Тема
Тема. Программирование функций. Рекурсивные функции. Функции с переменным количеством параметров. Стандартные функции сортировки...
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconУниверситетской Информационной Системе “россия” Б. В. Добров, Н. В. Лукашевич
Однако в настоящее время очень незначительное число информационных систем предоставляют возможность тематического поиска, например,...
Задача параметрической аппроксимации двумерной функции с использованием метода случайного поиска 10 iconПрограмма res2dinv версия 4 (или версия 49h) для Windows 95/98/Me/2000/NT/XP
Быстрая 2-d инверсия данных метода сопротивлений и вп с использованием метода наименьших квадратов
Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница