Implementación en GPU del algoritmo K-Means para ... - UMBC
Implementación en GPU del algoritmo K-Means para ... - UMBC
Implementación en GPU del algoritmo K-Means para ... - UMBC
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Implem<strong>en</strong>tación</strong> <strong>en</strong> <strong>GPU</strong> <strong>del</strong> <strong>algoritmo</strong> K-<strong>Means</strong> <strong>para</strong> procesami<strong>en</strong>to <strong>para</strong>lelo<br />
de imág<strong>en</strong>es de satélite disponibles <strong>en</strong> la herrami<strong>en</strong>ta Google Maps<br />
módulo de procesami<strong>en</strong>to a bordo <strong>del</strong> s<strong>en</strong>sor, con difer<strong>en</strong>tes aspectos que<br />
puedan afectar de forma negativa al payload de la misión (peso, consumo<br />
<strong>en</strong>ergético, cal<strong>en</strong>tami<strong>en</strong>to, mant<strong>en</strong>imi<strong>en</strong>to, etc.) En este s<strong>en</strong>tido, las <strong>GPU</strong>s<br />
ofrec<strong>en</strong> una solución mucho más compacta, si bi<strong>en</strong> es cierto que es preciso<br />
realizar un estudio detallado de las condiciones de tolerancia de las <strong>GPU</strong>s a<br />
requerimi<strong>en</strong>tos extremos <strong>en</strong> cuanto a consumo y s<strong>en</strong>sibilidad a radiación,<br />
necesario a la hora de calibrar la adaptabilidad de esta plataforma hardware<br />
especializada a misiones reales de observación remota de la tierra.<br />
Para concluir este capítulo, planteamos algunas líneas futuras de trabajo<br />
adicionales que serían interesante perseguir <strong>en</strong> futuras ampliaciones de este trabajo:<br />
• Se ha hablado de que la principal v<strong>en</strong>taja de la implem<strong>en</strong>tación <strong>GPU</strong> con<br />
respecto al uso de cluster es el aspecto económico; sin embargo no se ha<br />
podido realizar ningún tipo de com<strong>para</strong>ción real <strong>en</strong>tre ambas soluciones <strong>en</strong><br />
cuanto resultados y tiempos de ejecución, luego sería interesante realizar<br />
dicho estudio <strong>en</strong> el futuro.<br />
• Una alternativa interesante a la metodología propuesta vi<strong>en</strong>e dada por la<br />
posibilidad de implem<strong>en</strong>tar <strong>algoritmo</strong>s <strong>para</strong>lelos <strong>en</strong> clusters de <strong>GPU</strong>s,<br />
aprovechando las v<strong>en</strong>tajas de ambos <strong>para</strong>digmas de computación <strong>para</strong>lela.<br />
• Por otra parte, y con vistas a ampliar el desarrollo de este trabajo, otra línea<br />
futura de trabajo deberá consistir <strong>en</strong> probar implem<strong>en</strong>taciones <strong>GPU</strong> <strong>en</strong><br />
<strong>algoritmo</strong>s de clasificación supervisada que han sido desarrollados <strong>en</strong> la<br />
herrami<strong>en</strong>ta GoogleCBIR, tales como Maximum Likelihood y Mínimas<br />
distancias.<br />
• Finalm<strong>en</strong>te, se plantea como futura ext<strong>en</strong>sión <strong>del</strong> trabajo desarrollado la<br />
implem<strong>en</strong>tación <strong>del</strong> <strong>algoritmo</strong> <strong>en</strong> otras arquitecturas <strong>para</strong>lelas como FPGAs,<br />
clusters de computación <strong>para</strong>lela o sistemas GRID, de cara a evaluar las<br />
prestaciones de dicho <strong>algoritmo</strong> <strong>en</strong> com<strong>para</strong>ción con otros <strong>algoritmo</strong>s de<br />
clasificación no supervisada también disponibles <strong>en</strong> forma de<br />
implem<strong>en</strong>tación <strong>para</strong>lela.<br />
Trabajo Fin de Máster -79- Sergio Bernabé García