Please enable JavaScript.

Coggle requires JavaScript to display documents.

Parallel Computing with Patterns and Frameworks, Estos tipos de de…

- - - - El procesador multinúcleo x86 admite unos pocos (2-32) hilos de hardware, cada uno de los cuales es de muy alto rendimiento
      - la GPU multinúcleo supera los límites del paralelismo al requerir decenas de miles de hilos de hardware para llenar el procesador, a costa de un rendimiento secuencial por hilo muy bajo.
- - - - En un detector de contornos de imágenes de gama alta, que es la base de algunas de segmentación y clasificación de imágenes de alta precisión, redujimos el tiempo de detección de contornos de 4 minutos a 1,8 segundos utilizando una GPU paralela de 240 vías
        
        Esta mejora se produjo al cambiar los algoritmos para que fueran más paralelos y eficientes
        
        Mejoramos los tiempos de entrenamiento en 78x y los tiempos de clasificación en 73x en comparación con un procesador secuencial.
      - EJEMPLO 2
        
        Creamos una rutina de flujo óptico que calcula el campo de movimiento vectorial para objetos en movimiento en secuencias de vídeo.
        
        El paralelismo en esta aplicación procede de los píxeles y fotogramas de la secuencia de vídeo.
        
        Utilizando una GPU paralela de 240 vías, mejoramos el tiempo de ejecución en 35 veces con respecto a un procesador secuencial.
        
        Nuestra solución rastrea 1.000 veces más puntos que la que los rastreadores de puntos de la Competencia, y ofrece un 66% más de precisión que otros métodos con escenas de vídeo que contienen objetos en rápido movimiento.
      - EJEMPLO 3
        
        Reconocimiento del habla: Se trata de una aplicación difícil de paralelizar, ya que gran parte del cálculo implica accesos y actualizaciones independientes a grandes estructuras de grafos que requieren una gran cantidad de datos
        
        El motor paralelo de reconocimiento del habla
        funciona 10 veces más rápido que un procesador secuencial utilizando una GPU paralela de 240 vías
        
        La rutina de reconstrucción paralela de imágenes, que utilizan 12 núcleos de CPU y cuatro núcleos de GPU paralelos de 240 vías, reducen el tiempo de reconstrucción de 1 hora a 20 segundos
      - EJEMPLO 4
        
        La reconstrucción de imágenes de resonancia magnética (IRM) por detección comprimida
        
        Uno de los principales inconvenientes de las resonancias magnéticas es el tiempo que se tarda en adquirir la imagen. Durante este tiempo, el paciente debe permanecer completamente inmóvil, lo que a menudo requiere anestesia general
- - - - Entre ellos se incluyen patrones como pipe y filter agente y repositorio, map reduce, y grafo de tareas estático, entre otros.
    - - Los patrones computacionales incluyen álgebra lineal, métodos espectrales y rama y límite.
    - - Incluyen el paralelismo de datos, la especulación y el paralelismo de canalización
    - - Incluyen patrones como el paralelismo de bucles, programa único, datos múltiples, maestro-trabajador y cola compartida.
    - - Por ejemplo, patrones como instrucción múltiples datos
        de hilos, paso de mensajes, etc.
- - - - Estamos creando marcos de aplicación para el reconocimiento de voz y la visión por ordenador, y los primeros resultados son prometedores: las aplicaciones creadas con estos marcos tienen un alto rendimiento y una gran productividad para el programador.
    - - Se esra construyendo un marco de programación para el paralelismo de datos llamado Copperhead, en el que los programadores expresan composiciones de operaciones paralelas de datos utilizando un subconjunto del lenguaje de programación Python