Algorithmes de la morphologie mathématique pour - Pastel - HAL

Algorithmes de la morphologie mathématique pour les architectures orientées fluxJaromír BRAMBOREfficeon, devrait consommer 3W à 1 GHz Kra04 et implémente les instructions multimédia Tra05c , compatiblesavec MMX, SSE-SSE3 d’Intel ce qui entre intégralement en cohérence avec le sujet de cette thèseet ouvre un autre champ d’application pour nos algorithmes.3.4 Modèle stream du calcul et les architectures associées3.4.1 Calcul sur les streamsLe calcul qui considère les données comme si elles étaient alignées dans un flux et arrivaient continuellementdans les unités du calcul est propre aux architectures stream et dans la taxonomie de Duncancorrespond, sans surprise, au type à flux de données, cf. 3.1.2.4.Toutes les données qui passent par une unité exécutive sont traitées de la même façon par un et mêmeprogramme. Il s’agit d’une caractéristique forte et très importante car elle nous permettra de facilementparalléliser l’exécution à l’intérieur d’une unité du calcul par la multiplication de nos moyens matériels.Ainsi, plusieurs blocs d’exécution à l’intérieur d’une unité du calcul vont pouvoir travailler concurremmenten exécutant le même programme, en se partageant les données du flux d’entrée et en assemblantles résultats dans un flux de sortie.Si le traitement d’une donnée est indépendant des autres données, la parallélisation se révèle simple.Cette situation est démontrée sur la fig. 3.9. Sa partie 3.9(a) illustre le traitement d’un stream de donnéesoù ce n’est qu’une seule donnée qui est traitée dans un temps ∆tet indépendamment des autres données.La parallélisation de ce traitement est présentée sur la fig. 3.9(b) ; dans le même intervalle ∆t, n donnéesdu flux d’entrée sont distribuées, traitées dans les unités exécutives et assemblées à nouveau dans le fluxde sortie.Notons que dans le cas où le traitement d’une donnée de sortie dépend de plusieurs données d’entrée(e.g. la somme des éléments), la stratégie de parallélisation ne sera pas aussi intuitive et va fortementdépendre du caractère de l’opération à effectuer.∆tD D D D D D E D D D D D D(a) exécution en stream avec 1 unité exécutive∆tDDDDDDE 1E 2E nDDD D DD(b) exécution en stream et en parallèle avec n unités exécutivesFIG. 3.9 : Calcul sur un stream de données, D - donnée, E i - unité exécutive iD’une façon générale, nous ne parlons pas d’une opération ou d’un programme mais plutôt d’unkernel. Kernel est un terme qui englobe toutes les activités qui peuvent être effectuées sur un stream.Regardons maintenant quels sont les types d’opérations les plus courantes du paradigme stream queles kernels implémentent. Il s’agit de l’application (angl. map), de la réduction (angl. reduce), et dufiltrage (ang. filtering). Davantage de types de kernels opérant sur les stream peut être consulté dans lalittérature OLG+ 05 . Remarquons que ces opérations ont leurs correspondants directs dans les fonctions dedivers langages de programmation qui supportent, d’une façon ou de l’autre, le travail avec les listes.Notamment il s’agit de Haskell, LISP, Python.44