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
Figura 5.5: Cuda occupancy calculator: gráfica asociada a la cantidad de memoria
compartida usada por cada bloque.
En esta gráfica también podemos ver que la ocupación de los multiprocesadores
es máxima, como sabemos el número de bloques activos en un multiprocesador es 2
por tanto cada bloque no debe consumir más de la mitad de los recursos disponibles.
Un total de 9 píxeles en memoria compartida almacenados por cada bloque hacen
que se usen 8104 bytes que no alcanza por poco la mitad de la memoria compartida
disponible que tiene un total de 16KB. Si mantenemos el número de hilos y el
número de registros por hilo y aumentamos el uso de la memoria compartida a más
de la mitad del total, la ocupación se reduciría a la mitad y afectaría al rendimiento
gravemente (al 50%). En esta ocasión la cantidad de memoria compartida utilizada es
muy pequeña ya que esta vez se ha utilizado la memoria de constantes, que es más
rápida y además es una de las optimizaciones utilizada para reducir el tiempo de
ejecución de dicho algoritmo.
Trabajo Fin de Máster -60- Sergio Bernabé García