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
ningún posible margen de error entre el resultado obtenido y el deseado.
Rojo
(Pasto)
Verde
(Hierba1)
Azul
(Hierba2)
Amarillo
(Vegetación1)
Naranja
(Vegetación2)
Media
Global
71.93 % 90.11 % 90.57 % 83.67 % 81.44 % 83.54 %
Tabla 6.5. Resultados estadísticos tras la ejecución paralela del algoritmo de
clasificación no supervisado K-Means con la imagen de Guareña.
Una vez que hemos explicado como se ha llevado a cabo el análisis de
resultados en cuanto a precisión, a continuación expondremos los resultados de los
experimentos realizados sobre la imagen de Guareña y compararemos los tiempos de
las versiones CPU y GPU.
La tabla 6.6 muestra el tiempo de ejecución por cada una de las GPUs y la
versión serie, además del speedup conseguido.
Parámetros
Núm.
Elementos
Núm.
Clusters
K-Means versión
Tiempo
(segs)
C (CPU)
Speedup Tiempo
(segs)
K-Means versión
CUDA (GPU
GeForce 9400M)
K-Means versión
CUDA (GPU
Tesla c1060)
Speedup Tiempo
(segs) Speedup
512x512 5 0.311 1x 0.093 3.34x 0.126 2.47x
512x512 64 5.122 1x 1.307 3.92x 0.415 12.34x
512x512 128 6.387 1x 1.453 4.40x 0.457 13.98x
1024x1024 64 15.305 1x 5.427 2.82x 0.930 16.46x
1024x1024 128 24.234 1x 8.056 3.01x 1.060 22.86x
Tabla 6.6. Comparación de resultados CPU y Gpu utilizando la imagen de Guareña.
A medida que aumentamos el número de elementos, es decir, las dimensiones de
la imagen a clasificar y el número de clusters, el speedup conseguido por la GPU
Tesla es cada vez mayor, concretamente la versión GPU tarda casi 23 veces menos
en ejecutarse que la versión CPU demostrando la gran potencia de cálculo que puede
aprovecharse en una GPU. Sin embargo utilizando una GPU GeForce 9400M el
Trabajo Fin de Máster -76- Sergio Bernabé García