Actas JP2011 - Universidad de La Laguna

More documents

Recommendations

Info

Runtime (h)Memory (Gb)Actas XXII Jornadas de Paralelismo (JP2011) , La Laguna, Tenerife, 7-9 septiembre 2011VersiónCPUSingle-coreCPU8 ThreadsTABLA IIRESULTADOS DE SIMULACIONES EN CPU Y GPU.Partículas Tiempo Pasos/seg. Pasos503,492 14.6 h 0.38 19,8551,011,354 40.7 h 0.18 26,493503,492 3.4 h 1.64 19,8221,011,354 9.5 h 0.78 26,492GPU 503,492 0.3 h 21.18 19,8301,011,354 0.7 h 10.12 26,480Como ya se explicó anteriormente la implementaciónmás eficiente en GPU tiene un consumo muy elevado dememoria, por lo que el máximo de partículas que sepuede alcanzar es de 1.8 millones en una GTX 480. Paraevitar esta limitación en el código DualSPHysics seimplementaron tres versiones; una con todas las mejoras(FastCells(h)), sin la optimización D (SlowCells(h)) ysin las optimizaciones D y G (SlowCells(h)). Estopermite simular hasta 9 millones de partículas comopuede verse en la figura 9.1.51.00.50.00 2,500,000 5,000,000 7,500,000 10,000,000NSlowCells(2h)SlowCells(h)FastCells(h)Fig. 9. Consumo de memoria (en GBytes) para distintas versiones deGPU.En la figura 10 se muestran los tiempos de ejecuciónde las tres versiones GPU y de las versiones Single-corey Multi-core de CPU. Puede verse como las versionesGPU con menor consumo de memoria presentan unmenor rendimiento, aunque siguen siendo mucho máseficientes que las CPU.10864200 2,500,000 5,000,000NCPU Single-coreCPU 8 threadsSlowCells(2h)SlowCells(h)FastCells(h)Fig. 10. Tiempos de ejecución (en horas) para distintas versiones enCPU y GPU.GPU. Cabe destacar que estas optimizaciones sellevaron a cabo para la aplicación de un modelo SPH,pero la mayoría pueden ser aplicadas a muchos otrosproblemas.Finalmente se presentó una comparativa derendimiento real entre GPU y CPU, donde se utilizó elcódigo más optimizado para cada arquitectura sobre unhardware actual (CPU i7 940 a 2.93 GHz y GPU GTX-480). Se obtuvo un speedup cercano al 60 comparandoGPU con CPU Single-core, y de 13.3 con CPU Multicorede 8 threads.Es necesario seguir investigando cómo mejorar elrendimiento, fundamentalmente en GPU donde todavíahay varios inconvenientes que se pueden intentarmejorar. De todas formas, para reducir tiempos deejecución y aumentar el tamaño de las simulaciones esimprescindible implementar una versión con MPI que sepueda ejecutar en clústeres de CPUs y GPUs.AGRADECIMIENTOSEl presente trabajo ha sido financiado por la Xunta deGalicia, Programa de Consolidación e Estructuración deUnidades de Investigación (Grupos de ReferenciaCompetitiva) cofinanciado por European RegionalDevelopment Fund (FEDER).REFERENCIAS[1] R. A. Gingold y J. J. Monagham, “Smoothed particlehydrodynamics: theory and application to non- spherical stars”,Mon Not R Astr Soc 181: 375-389, 1977.[2] A. J. C. Crespo, J. M. Dominguez, A. Barreiro, M. Gómez-Gesteira y B. D. Rogers, “GPUs, a new tool of acceleration inCFD: Efficiency and reliability on Smoothed ParticleHydrodynamics methods”, PLoS ONE, doi:10.1371/journal.pone.0020685, 2011.[3] M. Gómez-Gesteira, B. D. Rogers, R. A. Dalrymple y A. J. C.Crespo, “State-of-the-art of classical SPH for free-surfaceflows”, Journal of Hydraulic Research, 48 Extra Issue, 6–27,2010.[4] M. B. Liu y G. R. Liu, “Smoothed Particle Hydrodynamics(SPH): an Overview and Recent Developments”, Arch ComputMethods Eng 17: 25-76, 2010.[5] J. M. Dominguez, A. J. C. Crespo, M. Gómez-Gesteira and J. C.Marongiu, “Neighbour lists in Smoothed ParticleHydrodynamics”, International Journal for Numerical Methodsin Fluids, doi: 10.1002/fld.2481, 2010.[6] M. Gómez-Gesteira y R. Dalrymple, “Using a 3D SPH methodfor wave impact on a tall structure”, Journal of Waterway, Port,Coastal, and Ocean Engineering, 130(2), 63-69, 2004.[7] NVIDIA Corporation, NVIDIA CUDA Programming Guide Ver.3.2, 2010.[8] N. Satish, M. Harris, y M. Garland, “Designing Efficient SortingAlgorithms for Manycore GPUs”, In Proceedings of IEEEInternational Parallel & Distributed Processing Symposium2009, 2009.VI.CONCLUSIONES Y TRABAJO FUTUROSe presentó un código basado en el método SPH parala simulación dinámica de fluidos con unaimplementación CPU y otra GPU. Sobre cadaimplementación se mostró que el cómputo de fuerzas erala parte más costosa en tiempo. Una vez analizadoscuales eran los problemas que presentaba cadaimplementación, se aplicaron una serie deoptimizaciones para minimizarlos y mejorar elrendimiento. Con estas optimizaciones se logrómultiplicar la velocidad por 10 en CPU y por 2.6 enJP2011-704
Actas XXII Jornadas de Paralelismo (JP2011) , La Laguna, Tenerife, 7-9 septiembre 2011Implementación del algoritmo de registro nolineal DARTEL sobre una plataformaheterogéneaPedro Valero 1 , José L. Sánchez 2 , Enrique Arias 2 y Diego Cazorla 2Resumen— Actualmente, en el campo de la imagenmédica, los métodos de registro deformable estánadquiriendo cada vez más importancia, debido a lavaliosa información que aportan. Estos métodos sonutilizados en un gran número de tareas críticas comoen diagnósticos, planificación de cirugía o radioterapia,etc. Sin embargo, estos métodos consumen untiempo de ejecución considerable, por lo que es importanteobtener nuevas implementaciones que reduzcandicho tiempo. Las actuales GPUs disponende un elevado número de núcleos y ancho de banda,convirtiéndose en un excelente dispositivo para conseguirel propósito de acelerar aplicaciones. En estetrabajo se presenta una nueva implementación de unode los algoritmos de registro deformable más utilizados,DARTEL. Los resultados experimentales muestranuna redución del tiempo de ejecución, siendo laimplementación en GPU hasta 4 veces más rápida quela implementación secuencial. Una directa consecuenciade estos resultados es, en última instancia, proveeruna mejor atención médica.Palabras clave—Imagen médica, registro deformable,DARTEL, GPU.I. IntroducciónEL registro de imagen es el proceso de alinear geométricamentedos o más imágenes de la mismaescena, tomadas en diferentes instantes, desde diferentespuntos de vista, o por diferentes sensores. Hoyen día, el registro de imágenes es utilizado en clasificaciónmultiespectral, monitorización del medio ambiente,pronóstico del tiempo, integración de informacióndentro de sistemas de información geográfica,localización de objetivos, calidad de control automática,etc. Se han publicado diversos resúmenessobre métodos de registro de imagen [1], [2].En el campo de imagen médica, el registro de imagenes el proceso de alinear imágenes cuyas característicaspuedan ser relacionadas [3]. Este procesopuede ser intra-operativo, aplicado a diferentesimágenes del mismo paciente, o inter-operativo,aplicado a diferentes imágenes de diferentes pacientes.El especialista médico utiliza el registro deimágenes para diferentes tareas críticas tales como,diagnósticos, planificación de cirugía o radioterapia,verificación de dosis, cirugía guiada por imagen,seguimiento del progreso de la enfermedad o respuestaal tratamiento, registro basado en atlas, etc.El registro alinea imágenes aplicando transformacionesgeométricas a una de ellas para igualarla a1 Inst. de Investigación en Informática, Univ. de Castilla-LaMancha, e-mail: Pedro.ValeroLara@uclm.es2 Dpto. de Sistemas Informáticos, Univ. de Castilla-La Mancha, e-mail: jose.sgarcia, enrique.arias,diego.cazorla@uclm.esotra. Estas técnicas pueden agruparse en técnicas deregistro rígido o técnicas de registro deformable. Elregistro rígido solo permite transformaciones rígidas,como rotaciones y traslaciones. En el otro caso, elregistro deformable utiliza técnicas como transformacioneselásticas para corregir deformaciones quelos métodos rígidos no pueden corregir.El algoritmo “Diffeomorphic Anatomical RegistrationThrough Exponentiated Lie algebra”, DARTEL[4], [5], es uno de los más sofisticados y comunmenteutilizados en este campo. DARTEL forma parte dela herramienta software “Statistical Parametric Mapping”(SPM) [6], la cual fue originalmente desarrolladapara el mapeo paramétrico estadístico de datosPET (Positron Emission Tomography) y fMRI (functionalMagnetic Resonance Imaging). Uno de los usosmás habituales de DARTEL consiste en realizar elregistro basado en atlas para imágenes cerebralesen tres dimensiones. Este proceso es computacionalmentemuy costoso, y se requieren nuevas implementacionesmás eficientes y rápidas.Estas circunstancias, es decir, el importante esfuerzocomputacional requerido y la necesidad de tiemposrápidos de respuesta, unido a la organización inherentementeparalela de los datos de las imágenesnos conducen al uso de la computación paralela comoalternativa más adecuada para mejorar este tipode aplicaciones.Hoy en día la computación heterogénea es una alternativaque se adecúa bastante bien a las altasnecesidades computacionales que tienen algunas aplicaciones.En particular, las plataformas basadas enGPUs tienen un excelente ratio rendimiento/coste,y por ello están siendo ampliamente utilizadas paraacelerar aplicaciones de propósito general (GPGPU)[7], [8].Se han llevado a cabo varios estudios en el campodel registro de imagen con el uso de GPUs. Sin embargo,sólo un número limitado de ellos se centran enregistro deformable [9], [10]. La GPUs han sido utilizadasprincipalmente en registro rígido como en lageneración de “Digital Reconstructed Radiograph”(DDR) [11], [12], [13], [14], [15].En este trabajo, se presenta una implementacióndel algoritmo de registro deformable DARTEL parauna plataforma heterogénea basada en GPU. A díade hoy, y según conocen los autores, no existe ningunaimplementación de DARTEL basada en GPU.El trabajo sigue la siguiente estructura: La sección2 presenta el algoritmo DARTEL. En la sección 3JP2011-705
Page 2 and 3:
Actas XXII Jornadas de Paralelismo
Page 4 and 5:
Actas de las XXII Jornadas de Paral
Page 6 and 7:
Page 8 and 9:
Page 10 and 11:
Page 12 and 13:
Page 14 and 15:
Page 16 and 17:
Page 18 and 19:
Page 20 and 21:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Page 32 and 33:
Page 34 and 35:
Page 36 and 37:
Page 38 and 39:
Page 40 and 41:
Page 42 and 43:
Page 44 and 45:
Page 46 and 47:
Page 48 and 49:
Page 50 and 51:
Page 52 and 53:
Page 54 and 55:
Page 56 and 57:
Page 58 and 59:
Page 60 and 61:
Page 62 and 63:
Page 64 and 65:
Page 66 and 67:
Page 68 and 69:
Page 70 and 71:
Page 72 and 73:
Page 74 and 75:
Page 76 and 77:
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91:
Page 92 and 93:
Page 94 and 95:
Page 96 and 97:
Page 98 and 99:
Page 100 and 101:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 128 and 129:
Page 130 and 131:
Page 132 and 133:
Page 134 and 135:
Page 136 and 137:
Page 138 and 139:
Page 140 and 141:
Page 142 and 143:
Page 144 and 145:
Page 146 and 147:
| m0Actas XXII Jornadas de Paraleli
Page 148 and 149:
Page 150 and 151:
Page 152 and 153:
Page 154 and 155:
Page 156 and 157:
Page 158 and 159:
Page 160 and 161:
Page 162 and 163:
Page 164 and 165:
Page 166 and 167:
Page 168 and 169:
Page 170 and 171:
Page 172 and 173:
Page 174 and 175:
Page 176 and 177:
Page 178 and 179:
Page 180 and 181:
Page 182 and 183:
Page 184 and 185:
Page 186 and 187:
Page 188 and 189:
Page 190 and 191:
Page 192 and 193:
Page 194 and 195:
Page 196 and 197:
Page 198 and 199:
Page 200 and 201:
Page 202 and 203:
Page 204 and 205:
Page 206 and 207:
Page 208 and 209:
Page 210 and 211:
Page 212 and 213:
Page 214 and 215:
Page 216 and 217:
Page 218 and 219:
Page 220 and 221:
Page 222 and 223:
Page 224 and 225:
Page 226 and 227:
Page 228 and 229:
Page 230 and 231:
Page 232 and 233:
Page 234 and 235:
Page 236 and 237:
Page 238 and 239:
Page 240 and 241:
Page 242 and 243:
Page 244 and 245:
Page 246 and 247:
Page 248 and 249:
Page 250 and 251:
Page 252 and 253:
Page 254 and 255:
Page 256 and 257:
Page 258 and 259:
Page 260 and 261:
Page 262 and 263:
Page 264 and 265:
Page 266 and 267:
Page 268 and 269:
Page 270 and 271:
Page 272 and 273:
Page 274 and 275:
Page 276 and 277:
Page 278 and 279:
Page 280 and 281:
Page 282 and 283:
Page 284 and 285:
Page 286 and 287:
Page 288 and 289:
Page 290 and 291:
Page 292 and 293:
Page 294 and 295:
Page 296 and 297:
Page 298 and 299:
Page 300 and 301:
Page 302 and 303:
Page 304 and 305:
Page 306 and 307:
Page 308 and 309:
Page 310 and 311:
Page 312 and 313:
Page 314 and 315:
Page 316 and 317:
Page 318 and 319:
Page 320 and 321:
Page 322 and 323:
Page 324 and 325:
Page 326 and 327:
Page 328 and 329:
Page 330 and 331:
Page 332 and 333:
Page 334 and 335:
Page 336 and 337:
Page 338 and 339:
Page 340 and 341:
Page 342 and 343:
Page 344 and 345:
Page 346 and 347:
Page 348 and 349:
Page 350 and 351:
Page 352 and 353:
Page 354 and 355:
Page 356 and 357:
Page 358 and 359:
Page 360 and 361:
Page 362 and 363:
Page 364 and 365:
Page 366 and 367:
Page 368 and 369:
Page 370 and 371:
Page 372 and 373:
Page 374 and 375:
Page 376 and 377:
Page 378 and 379:
Page 380 and 381:
Page 382 and 383:
Page 384 and 385:
Page 386 and 387:
Page 388 and 389:
Page 390 and 391:
Page 392 and 393:
Page 394 and 395:
Page 396 and 397:
Page 398 and 399:
Page 400 and 401:
Page 402 and 403:
Page 404 and 405:
Page 406 and 407:
Page 408 and 409:
Page 410 and 411:
Page 412 and 413:
Page 414 and 415:
Page 416 and 417:
Page 418 and 419:
Page 420 and 421:
Page 422 and 423:
Page 424 and 425:
Page 426 and 427:
Page 428 and 429:
Page 430 and 431:
Page 432 and 433:
Page 434 and 435:
Page 436 and 437:
Page 438 and 439:
Page 440 and 441:
Page 442 and 443:
Page 444 and 445:
Page 446 and 447:
Page 448 and 449:
Page 450 and 451:
Page 452 and 453:
Page 454 and 455:
Page 456 and 457:
Page 458 and 459:
Page 460 and 461:
Page 462 and 463:
Page 464 and 465:
Page 466 and 467:
Page 468 and 469:
Page 470 and 471:
Page 472 and 473:
Page 474 and 475:
Page 476 and 477:
Page 478 and 479:
Page 480 and 481:
Page 482 and 483:
Page 484 and 485:
Page 486 and 487:
Page 488 and 489:
Page 490 and 491:
Page 492 and 493:
Page 494 and 495:
Page 496 and 497:
Page 498 and 499:
Page 500 and 501:
Page 502 and 503:
Page 504 and 505:
Page 506 and 507:
Page 508 and 509:
Page 510 and 511:
Page 512 and 513:
Page 514 and 515:
Page 516 and 517:
Page 518 and 519:
Page 520 and 521:
Page 522 and 523:
Page 524 and 525:
Page 526 and 527:
Page 528 and 529:
Page 530 and 531:
Page 532 and 533:
Page 534 and 535:
Page 536 and 537:
Page 538 and 539:
Page 540 and 541:
Page 542 and 543:
Page 544 and 545:
Page 546 and 547:
Page 548 and 549:
Page 550 and 551:
Page 552 and 553:
Page 554 and 555:
Page 556 and 557:
Page 558 and 559:
Page 560 and 561:
Page 562 and 563:
Page 564 and 565:
Page 566 and 567:
2Actas XXII Jornadas de Paralelismo
Page 568 and 569:
Page 570 and 571:
Page 572 and 573:
Page 574 and 575:
Page 576 and 577:
Page 578 and 579:
Page 580 and 581:
Page 582 and 583:
Page 584 and 585:
Page 586 and 587:
Page 588 and 589:
Page 590 and 591:
Page 592 and 593:
Page 594 and 595:
Page 596 and 597:
Page 598 and 599:
Page 600 and 601:
Page 602 and 603:
Page 604 and 605:
Page 606 and 607:
Page 608 and 609:
Page 610 and 611:
Page 612 and 613:
Page 614 and 615:
Page 616 and 617:
Page 618 and 619:
Page 620 and 621:
Page 622 and 623:
Page 624 and 625:
Page 626 and 627:
Page 628 and 629:
Page 630 and 631:
Page 632 and 633:
Page 634 and 635:
Page 636 and 637:
Page 638 and 639:
Page 640 and 641:
Page 642 and 643:
Page 644 and 645:
Page 646 and 647:
Page 648 and 649:
Page 650 and 651:
Page 652 and 653:
Page 654 and 655:
Page 656 and 657:
Page 658 and 659:
Page 660 and 661:
Page 662 and 663:
Page 664 and 665:
Page 666 and 667:
Page 668 and 669: Actas XXII Jornadas de Paralelismo
Page 742 and 743: GGaliano, V. . . . . . . . . . . .
Page 744: Triviño, Francisco . . . . . . . .
show all

Actas JP2011 - Universidad de La Laguna

Create successful ePaper yourself

Delete template?

Save as template?