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
__constant__: la variable reside en el espacio de memoria constante del
dispositivo.
• Está viva durante todo el tiempo de ejecución de la aplicación.
• Accesible por todos los threads del grid, así como desde el host.
__shared__: la variable reside en el espacio de memoria compartida del bloque
de threads en el dispositivo.
• Está viva mientras el bloque está vivo.
• Accesible sólo por los threads del bloque.
Herramientas de sincronización:
Todas las ejecuciones de los kernels son asíncronas. El control es devuelto a la
CPU inmediatamente. Los kernels que se ejecuten después de llamadas CUDA
previas tienen que completarse. De la misma manera la llamada cudaMemcpy
síncrona, por lo que el control se devuelve a la CPU después de que las copias se han
completado. Las copias que comienzan después de llamadas CUDA previas tienen
que completarse. Para sincronizar contamos con la siguiente llamada:
cudaThreadSynchronize()
cudaError_t cudaThreadSynchronize(void);
La CPU espera hasta que el device ha completado todas las áreas pendientes
anteriores. CudaThreadSynchronize() retorna error si una de las tareas pendientes
falla.
Existe otra herramienta de sincronización interna a un kernel que se utiliza para
sincronizar hilos dentro de un bloque, esto resulta útil por ejemplo cuando todos los
hilos de un bloque necesitan leer un dato común que debe ser calculado previamente,
suele utilizarse también tras finalizar una escritura en la memoria compartida de
manera que ningún hilo lea de ésta hasta que no se haya finalizado la escritura.
Utilizamos la siguiente llamada:
syncthreads()
cudaError_t syncthreads(void);
Trabajo Fin de Máster -93- Sergio Bernabé García