Co to jest CUDA. Enroll dzisiaj Intro do równoległego programowania Otwarty, online kurs od Udacity. Instructors Dr John Owens, UC Davis i Dr David Luebke, NVIDIA. CUDA to równoległa platforma obliczeniowa i model programowania wynaleziony przez firmę NVIDIA Umożliwia to znaczne zwiększenie liczby komputerów wydajność dzięki wykorzystaniu mocy procesora graficznego GPU. Dzięki temu sprzedawane do tej pory miliony udoskonalonych procesorów graficznych wykorzystujących technologię CUDA, programiści, naukowcy i badacze odkrywają szerokie zastosowania w dziedzinie obliczania GPU przy użyciu technologii CUDA Oto kilka przykładów. Należy określić ukrytą tablicę w tętnice Ataki serca są najczęstszą przyczyną zgonów na świecie Harvard Engineering, Harvard Medical School i Szpital Brigham Women s Hospital współpracowały z procesorem graficznym w celu symulacji przepływu krwi i identyfikowania ukrytej tętnicy bez inwazyjnych technik obrazowania lub operacji rozpoznawczych. Za analiza przepływu ruchu lotniczego National System Airspace zarządza ogólnokrajową koordynacją przepływu ruchu lotniczego Modele komputerowe pomagają w identyfikacji nowych sposobów łagodzenia ograniczenie czasu analizy z dziesięciu minut do trzech sekund. Weryfikacja molekuł Cząsteczkowa symulacja nanoskalowa dynamika molekularna NAMD wzbudza znaczny wzrost wydajności, co pozwala na znaczne zwiększenie wydajności, GPU Prędkość jest wynikiem równoległej architektury GPU, co pozwala programistom NAMD przenosić znaczne ilości obliczeń do GPU za pomocą narzędzia CUDA Toolkit. GPU Computing The Revolution. You ponownie stawało czoła imperatywom Poprawa wydajności Rozwiąż problem problem szybciej Przetwarzanie równoległe byłoby szybsze, ale krzywa uczenia się jest stroma. Nie więcej z CUDA, możesz wysłać kod C, C i Fortran prosto do GPU, nie wymaga żadnego asemblera. Narzędzi w firmach takich jak Adobe, ANSYS , Autodesk, MathWorks i Wolfram Research budzą, że śpiący gigant GPU - aby wykonać uniwersalne naukowe i inżynieryjne obliczenia w całym rejonie e platform. Korzystając z języków wysokiego poziomu, aplikacje przyspieszone przez GPU uruchamiają sekwencyjną część obciążenia procesora na jednostce centralnej, która jest zoptymalizowana pod kątem wydajności jednogłośnie, przy jednoczesnym przyspieszeniu przetwarzania równoległego na GPU Nazywa się to przetwarzaniem GPU. GPU jest możliwe, ponieważ dzisiejsza GPU robi wiele więcej niż renderowanie grafiki Sizzles z teraflopu wydajności zmiennoprzecinkowe i crunches aplikacji zadań przeznaczonych do niczego od finansów do medycyny. CUDA jest powszechnie wdrażane przez tysiące aplikacji i opublikowanych badań i obsługiwane przez zainstalowaną bazę ponad 375 milionów procesorów graficznych z włączoną funkcją CUDA w notebookach, stacjach roboczych, klastrach obliczeniowych i superkomputerach. Zobacz strefę CUDA dla przykładów zastosowań na różnych pionowych rynkach i obudź gigantę GPU. Historia GPU Computing. Pierwsze GPU zostały zaprojektowane jako akceleratory grafiki, wspierając tylko konkretne Rurociągi o stałej funkcji Począwszy od końca lat dziewięćdziesiątych sprzęt stale się programował, zakończony pierwszą GPU firmy NVIDIA w 1999 r. Niespełna rok po tym, jak firma NVIDIA wyznaczyła termin GPU, artyści i twórcy gier nie byli jedynymi, którzy robili przełomowe prace z technologią. Naukowcy docierają do doskonałej wydajności w ruchu zmiennoprzecinkowym GPU GPU GPU ogólnego przeznaczenia ale nawet dla tych, którzy znali języki programowania grafiki, takie jak OpenGL Developers musieli obliczyć obliczenia naukowe na problemy, które mogłyby być reprezentowane przez trójkąty i wielokąty GPGPU było praktycznie niedostępne dla tych, którzy nie pracowali zapamiętał najnowsze technologie graficzne, dopóki grupa badaczy uniwersytetu w Stanford nie zamierza reimagować GPU jako procesora streamingu. W 2003 roku zespół badaczy prowadzony przez Ian Buck ujawnił Brook, pierwszy powszechnie przyjęty model programowania w celu rozszerzenia C o równolegle do danych konstrukcje Korzystając z takich pojęć, jak strumienie, jądra i operatorzy redukcji, kompilator Brook i system wykonawczy odsłonił GPU jako ogólny Procesorowy procesor w języku wysokiego poziomu Co najważniejsze, programy Brook nie tylko były łatwiejsze do pisania niż ręczny kod GPU, ale były siedmiokrotnie szybsze od podobnego kodu. NIDIDIA wiedziała, że niesamowicie szybki sprzęt musi być połączony z intuicyjnym oprogramowaniem i narzędzi sprzętowych i zaprosił Ian Buck, aby dołączył do firmy i zaczął opracowywać rozwiązanie umożliwiające bezproblemową pracę na GPU. Razem z oprogramowaniem i sprzętem firma NVIDIA zaprezentowała CUDA w 2006 r., pierwsze na świecie rozwiązanie dla ogólnych obliczeń dotyczących GPU. Szkolenie Dzisiaj ekosystem CUDA rośnie szybko, gdy coraz więcej firm udostępnia światowe narzędzia, usługi i rozwiązania. Jeśli chcesz napisać własny kod, najprostszym sposobem na wykorzystanie GPU jest pakiet narzędzi CUDA, który zapewnia obszerne środowisko programistyczne dla programistów C i C. CUDA Toolkit zawiera kompilator, biblioteki matematyczne i narzędzia do debugowania i optymalizacji wydajności Twoich aplikacji. przykłady kodu, podręczniki programowania, podręczniki użytkownika, referencje API i inne dokumenty ułatwiające rozpoczęcie pracy. NVIDIA udostępnia to wszystko bezpłatnie, w tym NVIDIA Parallel Nsight dla Visual Studio, pierwsze środowisko programistyczne dla aplikacji masowo równoległych, które używają zarówno GPU i CPU. Nauka korzystania z CUDA jest wygodna, dostępne są kompletne szkolenia online oraz inne zasoby, takie jak seminaria internetowe i książki Ponad 400 uniwersytetów i uniwersytetów uczy programowania CUDA, w tym kilkudziesięciu centrów CUDA Excellence i CUDA Research and Training Centers. Dla programistów. Gaussian Smoothingmon Nazwy Gaussian smoothing. Brief Description. Operator wygładzania Gaussa to operator splotów 2-D, który służy do rozmycia zdjęć i usunięcia szczegółów i hałasu. W tym sensie jest podobny do średniego filtra, ale używa innego jądra który reprezentuje kształt Gaussa w kształcie dzwonka garbula To jądro ma kilka szczególnych właściwości, które są szczegółowo poniżej. Jak I t Works. Gaussowska dystrybucja w 1-D ma formę. gdzie jest standardowe odchylenie rozkładu Założono również, że rozkład ma średnią zerową, czyli jest wyśrodkowana na linii x 0 Rozkład jest zilustrowany na rysunku 1 Rys. 1 Rozkład 1-D Gaussa ze średnią 0 i 1. W 2-D, izotropowa, tj. Kolisto symetryczna Gaussa ma formę. Rozkład ten jest pokazany na rysunku 2. Rysunek 2 2-D rozkład Gaussa ze średnim 0,0 i 1. Idea wygładzania Gaussa polega na wykorzystaniu tego rozkładu 2-D jako funkcji rozproszonej punktowo i osiągnięto ją przez splatanie Ponieważ obraz jest przechowywany jako zbiór oddzielnych pikseli, musimy wytworzyć dyskretne przybliżenie do funkcji Gaussa zanim będziemy mogli wykonać splot W teorii, rozkład Gaussa jest niezerowy wszędzie, co wymagałoby nieskończenie dużego ziarna splotu, ale w praktyce jest skutecznie więcej niż o trzy standardowe odchylenia od średniej, a więc możemy obcięć jądro w tym punkcie Rysunek 3 przedstawia odpowiednie jądro convolution z liczbą całkowitą, przybliżoną do Gaussa z wartością 1 0 Nie jest oczywiste, jak dobrać wartości maski do przybliżenia Gaussian One może posłużyć się wartością Gaussa w środku piksela w masce, ale nie jest to dokładne, ponieważ wartość Gaussa zmienia się nieliniowo przez piksel Zintegrowaliśmy wartość Gaussa nad całym pikselem przez zsumowanie liczby Gaussa przy 0 001 przyrostach Całki nie są liczbami całkowitymi przeskalował tablicę tak, aby naroża miały wartość 1 Na koniec, 273 jest sumą wszystkich wartości w masce. Rysunek 3 Dyskretne zbliżenie do funkcji Gaussa z 1 0. Po odpowiednim obliczeniu jądra, wygładzanie Gaussa może być wykonywane przy użyciu standardowych metod splotowania. Współbieżność może być rzeczywiście wykonana dosyć szybko, ponieważ równanie dla 2-D izotropowego Gaussa pokazanego powyżej jest możliwe do oddzielenia do elementów x i y Tak więc splot 2-D może być wykonywane przez pierwsze przekonywanie z 1-D Gaussem w kierunku x, a następnie konwersji z innym 1-D Gaussem w kierunku y Gaussian jest w rzeczywistości jedynym okrągłym symetrycznym operatorem, który może być rozkładany w taki sposób pokazuje jądro komponentu 1-D, które będzie wykorzystane do wyprodukowania pełnego jądra pokazanego na rysunku 3 po skalowaniu przez 273 zaokrąglanie i obcięcie jednego rzędu pikseli wokół granicy, ponieważ mają one przeważnie wartość 0 Zmniejsza to macierz 7x7 do 5x5 pokazany powyżej Składnik y jest dokładnie taki sam, ale jest zorientowany pionowo. Ilustracja 4 Jedna z par dzielących jednowymiarowe jądra używane do obliczania pełnego jądra pokazanego na rysunku 3 szybciej. Kolejnym sposobem obliczenia wygładzania Gaussa za pomocą duże odchylenie standardowe to wielokrotne przekonywanie obrazu mniejszym Gaussem Chociaż jest to skomplikowane obliczeniowo, może mieć zastosowanie, jeśli przetwarzanie jest przeprowadzane przy użyciu rurociągu sprzętowego. Filtr Gaussa nie tylko ma zastosowanie w zastosowaniach inżynierskich Przyciąga uwagę biologów obliczeniowych, ponieważ przypisano jej pewną biologiczną pewność, np. niektóre komórki w szlakach wizualnych mózgu często mają w przybliżeniu odpowiedź Gaussa. Zastosowanie. Efekt Gaussa wygładzanie jest rozmycie obrazu w podobny sposób do średniego filtra Stopień wygładzania jest określany przez odchylenie standardowe Gaussian Większe odchylenie standardowe Gaussians, oczywiście, wymagają większych jądra splotu, aby dokładnie być reprezentowane. Gaussowskie wyjścia średnia ważona każdego sąsiedztwa pikseli, przy średniej ważonej większej w stosunku do wartości pikseli centralnych Jest to przeciwieństwo średniej średniej ważonej s filtru s Dzięki temu Gaussian zapewnia delikatniejsze wygładzenie i zachowuje krawędzie lepiej niż podobne rozmiary średni filtra. Jednym z głównych zasad uzasadniających użycie Gaussa jako filtra wygładzającego jest ze względu na swoją odpowiedź częstotliwościową Większość filtrów wygładzających opartych na splotach działa jak filtry częstotliwości dolnoprzepustowej Oznacza to, że ich efektem jest usunięcie składowych wysokiej częstotliwości przestrzennej z obrazu. Można zaobserwować odpowiedź częstotliwościową filtra splotowego, tzn. jego wpływu na różne częstotliwości przestrzenne przechodząc transformatę Fouriera filtra Figura 5 pokazuje odpowiedzi częstotliwościowe filtra średniego 1D o szerokości 5, a także filtru Gaussa z 3.Frakcja 5 Częstotliwości odpowiedzi pola tj. średnia szerokość filtra 5 pikseli i filtr Gaussa 3 piksele Oś częstotliwości przestrzennej jest zaznaczona w cyklach na piksel, a zatem żadna wartość powyżej 0 5 nie ma rzeczywistego znaczenia. Te filtry tłumią wysokie częstotliwości niż niskie częstotliwości, ale średni filtr wykazuje oscylacje w odpowiedzi na częstotliwość Gaussa z drugiej strony pokazuje brak oscylacji W rzeczywistości kształt krzywej odpowiedzi częstotliwościowej jest samą połową Gaussa Tak, wybierając odpowiedni filtr Gaussa, możemy być całkiem sprawiedliwi że zakres częstotliwości przestrzennych jest nadal obecny na obrazie po filtracji, co nie ma znaczenia dla filtra średniego To ma konsekwencje dla niektórych technik wykrywania krawędzi, jak wspomniano w sekcji dotyczącej przecięć zerowych Filtr Gaussera również okazuje się być bardzo podobny do optymalnego filtra wygładzania do wykrywania krawędzi w kryteriach wykorzystywanych do uzyskania detektora krawędzi Canny'ego w celu zilustrowania efektu wygładzania kolejno większych i większych filtrów Gaussa. Pokazuje efekt filtrowania z Gaussem o wielkości 1 0 i rozmiaru jądra 5 5. pokazuje efekt filtrowania za pomocą Gaussa o wielkości 2 0 i rozmiaru jądra 9 9. pokazuje efekt filtrowania przy użyciu Gaussa o wielkości 4 0 i jądra 15 15. Rozważmy teraz użycie filtru Gaussa do redukcji szumów Przykładowo, obraz, który został uszkodzony przez szum Gaussa ze średnią zera i 8 Wygładzając to z 5 5 ziarnami Gaussa. Porównaj ten wynik z osiągniętym przez średnie i średnie filtry. Hałas z pieca i pieca jest bardziej wymagający dla filtra gaussowskiego Spowodujemy to wygładzanie obrazu, który został uszkodzony przez 1 sól i pieprz, tzn. Poszczególne bity zostały zwrócone z prawdopodobieństwem 1 Obraz przedstawia wynik wygładzania Gaussa z użyciem takiego samego splotu jak powyżej Porównaj to z oryginałem. Notwierdzisz, że wiele hałasu nadal istnieje i że choć nieco zmniejszył się, to został wysmarowany na większym obszarze przestrzennym Zwiększenie odchylenia standardowego w dalszym ciągu zmniejsza intensywność hałasu, a także tłumi duże znaczenie częstotliwości, np. Krawędzie znacząco, jak pokazano na rysunku. Eksperyment z użyciem interakcji. Można interaktywnie eksperymentować z tym operatorem, klikając tutaj. Uruchomienie z hałasu Gaussa wynosi 0, 13 uszkodzonych obrazów zarówno filtrów średnich jak i filtrów Gaussa wygładzających w różnych skalach i porównywanych pod względem usuwania hałasu z utratą szczegółów. At ile odchyleń standardowych od Gaussa spadnie do 5 swojej wartości szczytowej Na podstawie tego sugeruje się odpowiedni kwadratowy rozmiar jądra dla filtra gaussowskiego z s. Powstał odpowiedź częstotliwościową dla filtra gaussowskiego przez Gaussa wygładzającego obraz i biorąc pod uwagę transformację Fouriera zarówno przed, jak i później Porównaj to z odpowiedzią na częstotliwość średniego filtra. Jak czas potrzebny do wygładzenia filtrem Gaussa w porównaniu z czasem potrzebnym do wygładzenia ze średnim filtrem dla jądra tego samego rozmiaru Zauważ, że w obydwu przypadkach można znacznie przyspieszyć konwertowanie przez niektóre funkcje jądra. Teorie Davies'a Machine Machine, Algorithms and Practicalities Academic Press, 1990, str. 42 - 44.R Gonzalez i R Woods Przetwarzanie obrazów cyfrowych Addison-Wesley Publishing Company , 1992, str. 191.R Haralick i L Shapiro Computer and Robot Vision Firma wydawnicza Addison-Wesley, 1992, tom 1, cz. 7B Horn Robot Vision MIT Press, 1986, Chap 8.D Vernon Machine V ision Prentice-Hall, 1991, str. 59 - 61, 214. Informacje lokalne. Numożne informacje na temat tego operatora można znaleźć tutaj. Więcej informacji na temat lokalnej instalacji HIPR jest dostępna w sekcji Wprowadzenie do lokalnej informacji. Ale przy obliczaniu bieżącej średniej ruchomej , umieszczenie średniej w środkowym okresie czasu ma sens. W poprzednim przykładzie obliczyliśmy średnią z pierwszych trzech okresów czasu i umieściliśmy ją obok okresu 3 Możemy umieścić średnią w środku przedziału czasowego trzech okresów, to znaczy, obok okresu 2 Działa to dobrze z nieparzystymi okresami, ale nie jest tak dobre dla parzystych okresów czasu Więc gdzie umieścimy pierwszą średnią ruchową, gdy M 4.Technicznie, średnia ruchoma spadnie poniżej t 2 5, 3 5 Aby uniknąć tego problemu, wygładzamy MA s używając M 2 W ten sposób wygładzamy wygładzone wartości. Jeśli przeanalizujemy parzystą liczbę terminów, musimy wygładzić wygładzone wartości. Poniższa tabela przedstawia wyniki przy użyciu M 4.
No comments:
Post a Comment