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
8. ANEXO I: Manual de CUDA
A continuación vamos a incluir un pequeño manual sobre cómo poner en marcha
una tarjeta gráfica programable, para ello necesitaremos realizar unas
configuraciones en el equipo. Además será necesario tener unas nociones básicas de
las técnicas que podrán ser utilizadas en una programación con CUDA. Finalmente
pasaremos a tratar algunas técnicas de optimización y una serie de herramientas de
desarrollo y de depuración.
8.1. Introducción
Lo primero que debemos de conocer: ¿Qué es CUDA? ¿Para qué sirve?. Pues
bien, CUDA es la arquitectura de cómputo paralelo de propósito general de NVIDIA
que nos va a permitir realizar cómputos de altas prestaciones, de tal manera, que
podamos aprovechar al máximo la potencia de la GPU (Unidad de Procesamiento
Gráfico). Incluye el conjunto de instrucciones de la arquitectura CUDA (ISA) y el
motor de cálculo paralelo en la GPU. Para programar en arquitecturas CUDA, los
desarrolladores podrán utilizar C, uno de los lenguajes de programación más
utilizados de alto nivel, que funcionarán a un gran rendimiento en la utilización de
procesadores donde se encuentren habilitados con CUDA.
Hasta la fecha actual nos podremos encontrar con varios tipos de GPUs, en los
que desarrolladores de software, científicos e investigadores han ido encontrando
usos distintos utilizando una programación CUDA, incluyendo procesamiento de
imágenes de media y alta resolución, al igual pasa con el procesamiento de vídeo, la
biología y la química computacional, la simulación dinámica de fluidos, el análisis
sísmico, y mucho más.
Actualmente en la página oficial de CUDA de NVIDIA 10 nos vamos a poder
encontrar con las herramientas necesarias para configurar nuestro equipo con todo lo
necesario para utilizar CUDA. Para hacerlo más fácil, comentaremos las
configuraciones previas necesarias para Windows y cualquier distribución de Linux.
10 http://www.nvidia.com/object/cuda_home_new.html
Trabajo Fin de Máster -80- Sergio Bernabé García