Implementación en GPU del algoritmo K-Means para ... - UMBC

Implementación en GPU del algoritmo K-Means para procesamiento paralelo
de imágenes de satélite disponibles en la herramienta Google Maps
clusters y una vez que este bucle termine, los resultados serán almacenados en la
memoria del dispositivo.
Un aspecto importante de este código es el uso de la memoria constante para el
almacenamiento de los datos relacionados con cada uno de los clusters. La memoria
constante es una parte cacheable de la memoria del device. En el modelo c1060 de
Tesla, tenemos 16 KB por cada bloque de threads. Su utilización proporciona un
acceso rápido a determinadas variables, que en nuestro caso se trataba de acceder a la
información de cada uno de los clusters, de modo que cada thread dentro del bucle
pudiera acceder a la información de cada cluster. Nos dimos cuenta que su
utilización fue tan importante que de no haberla utilizado (por tanto se habría
utilizado la memoria global), los resultados hubieran sido de un orden menor a los
obtenidos tras esta implementación.
5.1.3. Tercera etapa
La tercera parte de esta implementación se trata de actualizar los centros una vez
que cada uno de los píxeles se ha asignado al centro de cluster más cercano y de
comprobar si se ha alcanzado la condición de convergencia o incluso si se ha llegado
al máximo de iteraciones definidas por el usuario. Esta parte del código se decidió
realizarla en serie en el host.
Todos los pasos descritos en el algoritmo se van a realizar hasta que se llegue al
máximo de iteraciones permitidas por el usuario o bien hasta que se alcance la
Trabajo Fin de Máster -54- Sergio Bernabé García