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
nuestro equipo. Ahora ya podremos instalar CUDA Toolkit, que se instalará por
defecto en C:\CUDA.
A continuación tendremos que definir las siguientes variables de entorno:
• CUDA_BIN_PATH (por defecto lo encontraremos en C:\CUDA\bin o
C:\CUDA\bin64). Contiene los ejecutables del compilador y las
bibliotecas en tiempo de ejecución.
• CUDA_INC_PATH (por defecto lo encontraremos en
C:\CUDA\include). Contiene los ficheros que hay que incluir y que son
necesarios para compilar programas CUDA.
• CUDA_LIB_PATH (por defecto lo encontraremos en C:\CUDA\lib o
C:\CUDA\lib64). Contiene las librerías necesarias para conectar códigos
CUDA.
Por último nos quedará por instalar el CUDA SDK que por defecto se instalará
en C:\Documents and Settings\All Users\Application Data\NVIDIA Corporation\NVIDIA
GPU Computing SDK y contiene el código fuente de muchos problemas de ejemplo y
plantillas para Microsoft Visual Studio.
Linux:
Para poder usar CUDA en nuestro sistema, tendremos que instalar o verificar si
se encuentra instalado lo siguiente:
CUDA habilitado para GPU.
Driver del dispositivo.
Una versión de Linux que soporte el compilador gcc y
Software CUDA (disponible gratuitamente en http://www.nvidia.com/cuda).
Antes de realizar las instalaciones oportunas, sería importante comprobar si
nuestra tarjeta de NVIDIA pertenece a algunas de estas categorías:
Trabajo Fin de Máster -82- Sergio Bernabé García