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
Bloque:
Grid:
o El tamaño del bloque estará entre 192 y 256 threads.
o Aumentar ocupancia sólo significa aumentar el rendimiento si el
kernel está “bandwidth bound”.
o Empezar con #bloques / #SMs > 2 (hasta 8 bloques simultáneamente
en cada SM).
o Idealmente: algoritmo # bloques >> (escalable a futuras GPUs).
o En Fermi distintos SMs podrán ejecutar distintos kernel, de esta
manera se obtendrá un paralelismo a nivel de tarea.
8.7. Herramientas desarrollo y depuración.
• Modo emudebug:
o Opción –deviceemu en nvcc.
o Código de kernels se ejecuta en CPU.
o Posibilidad de depurar con la incorporación de printf();
• CUDA Profiler:
• NEXUS:
o Utiliza HW counters: según compute capability.
o Coalescencia, memory/instruction throughput, divergencia threads …
o Entorno integrado sobre Visual Studio: CUDA, OpenCL, …
o Profiling + depuración sobre GPU.
o Más información en: http://developer.nvidia.com/object/nexus.html.
Trabajo Fin de Máster -99- Sergio Bernabé García