Σε ευχαριστώ πολύ για τις απαντήσεις σου. Στην τελευταία όντως η σωστή απάντηση πρέπει να είναι ο μετασχηματισμός Fourier.

Απλά, μια επιπλέον διευκρίνιση στην 1η ερώτηση με τα μυογραφήματα. Για πιο λόγω ακριβώς αντιστοιχίζουμε έτσι το Α και Β καρδιογράφημα??  Το μυογράφημα με βελόνα, δίνει περισσότερη ακρίβεια οπότε όπως στο Α, όμως είναι μονοπολική μέτρηση οπότε θα μπορούσε να πει κάποιος ότι η έξοδος πρέπει να έχει κάποια πιο ημιτονοειδή μορφή όπως στο Β. Αν μπορείς περιέγραψε λίγο την αιτιολόγηση για την επιλογή σου για τα Α και Β.

Αν γνωρίζει κάποιος ας βοηθήσεις με τα παρακάτω. Ρωτάω αρκετά αλλά οποιαδήποτε βοήθεια θα ήταν χρήσιμη.

Αρχικά, στο θέμα 3 Αυγούστου 2016, στο κομμάτι με τις διαφορετικές γραφικές. Πως ακριβώς ξεχωρίζουμε σε ποια από τις δυο κατηγορίες ανήκει ένα μυογράφημα?? Επίσης ποιο από αυτά, ίσως δεν είναι μυογράφημα. 

Πάνω σε αυτό βρήκα χθες στο ιντερνέτ το παρακάτω λινκ. Σε κάποιο σημείο δεξιά της σελίδας δείχνει το figure 1, που απεικονίζει 2 μυογραφήματα τα οποία είναι ακριβώς ίδια με τα Α και Β. Το Α λέει ότι προέρχεται από μυογράφημα εσωτερικά του μυ, ενώ το Β από επιφανειακό.

http://econtact.ca/14_2/cescon_amuseme.html

Επίσης, στο θέμα 5 του Ιούνη 2016. Αναφέρθηκε λίγο παραπάνω μια ιδέα. Γενικά, συμφωνώ απλά ίσως έλεγα ότι η 3η και 4η γραφική είναι ρυθμός Α. Όμως, αυτός προέρχεται σε κατάσταση εγρήγορσης με κλειστά μάτια δεν ξέρω κατά πόσο είναι αποτέλεσμα εξέτασης. Αν έχει κάποιος να προτείνει κάποια άλλη ιδέα καλό είναι να την αναφέρει. Υπάρχει περίπτωση να υπάρχει κάποιο μυογράφημα μέσα σε αυτά??

Θέμα 1ο Ιούνη πως επιδρά ο θόρυβος σε κυτταρικό επίπεδο?

Τέλος ερώτηση 10 Φεβρουαρίου 2016. Αν καταλαβαίνω καλά ο μετασχηματισμός που ρωτάει είναι πυρηνικός συντονισμός. Τι όμως απαντάμε σαν αιτιολόγηση μέσα από το βιβλίο?

Γενικά, είναι από τα ευκολότερα του 9ου ηλεκτρονικής, παρόλα αυτά είναι γενικά βαρετό μάθημα. Δεν χρειάζονται προαπαιτούμενες γνώσεις, καθώς αυτά που μαθαίνεις δεν έχουμε άμεση σχέση με κάποιο άλλο μάθημα. Έχει 5 εργαστήρια τα οποία γίνονται ανά 2 εβδομάδες στο τέλος του καθενός γράφεις ένα μικρό τεστάκι με βάση αυτά που κάνατε στο τρέχον εργαστήριο. Μην ανησυχείς είναι σχετικά απλά και μπορείς να τα κάνεις συνεργατικά με όποιον βρίσκεται γύρω σου. Έχει μια εργασία, η οποία βασίζεται σε αυτά που έγιναν στο εργαστήριο, πάνω στην οποία θα εξεταστείς με μερικές ερωτήσεις αφού την παραδώσεις. Η εργασία δεν είναι θα έλεγα είναι εύκολη, γιατί ακριβώς αυτά πάνω στα οποία βασίζεται είναι γενικά βαρετά και λίγο περίεργα. Η εργασία βαθμολογείται από την προφορική εξέταση και θέλουν να δουν πόσο ασχολήθηκες. Από ότι θυμάμαι μπαίνουν καλοί βαθμοί. Κανονικά είναι ατομική, αλλά ακόμη και εδώ να συνεργαστείς με κάποιον ακόμη δεν θα σου πουν και τίποτα. Τέλος, έχει γραπτές εξετάσεις οι οποίες είναι αρκετά εύκολες και γράφεις με ανοιχτά βιβλία. Με Κανά 4-5(max) μέρες διάβασμα το έχεις βγάλει και τα θέματα που βάζει είναι απλά και αρκετά από αυτά επαναλαμβανόμενα. Γενικά, ξέρω αρκετούς ενεργειακούς να το επιλέγουν και να τα πηγαίνουν πολύ καλά. Δεν νομίζω να έχεις πρόβλημα.

Θέλω να επιλέξω ένα μάθημα επιλογής από τις παρακάτω επιλογές. Οι επιλογές αυτές είναι τόσο από το 7ο όσο και από το 9ο εξάμηνο. Γενικά θέλω να έχει κάποιο ενδιαφέρον αυτό το μάθημα αλλά να μπορεί να βγαίνει σε σύντομο χρονικό διάστημα και να μην απαιτεί πολύ απλωμένη δουλειά στο εξάμηνο.

Έχω, ήδη περασμένο ένα επιλογής του 7ο  εξαμήνου, σαν μάθημα του 9ου. Και επειδή δεν ξέρουμε ακόμη αν θα δίνεται φέτος η δυνατότητα για επιλογή δυο μαθημάτων του 7ου αντί του 9ου, αν μπορούσατε να κατατάξετε τις παρακάτω επιλογές τόσο συνολικά (7ο-9ο μαζί) αλλά και μόνο τις επιλογές του 9ου.


Σε τυχαία σειρά, αυτά που σκέφτομαι είναι:

7ου:
- Σύνθεση ενεργών-παθητικών κυκλωμάτων
- Χρονοσειρές
- Βιοϊατρική
- Μικροκύματα
- πυρηνικοί αντιδραστήρες

9ου:
- Ευφυή συστήματα ρομπότ
- Συστήματα VLSI
- Ασφάλεια


Για τα παραπάνω έχω τις παρακάτω πληροφορίες:

Η σύνθεση του Θεοχάρη έχει 4 εργασίες και αν μπορούν να βγουν σε μια εβδομάδα- το πολύ 10 μέρες είναι ΟΚ. Εδώ, να σημειώσω ότι καλώς ή κακώς μπορώ να βρω κάποιες παλιότερες εργασίες στο μάθημα και λογικά θα είναι ευκολότερη η δουλειά.

Για τις χρονοσειρές δεν έχω και πολλές πληροφορίες. Ξέρω είναι γενικά εύκολο μάθημα, με 2 εργασίες αλλά δεν ξέρω τι παίζει ακριβώς.

Για βιοϊατρική άκουσα ότι πέρυσι έγινε σκούπα. Εύκολο διάβασμα από διαφάνιες και από το βιβλίο και γενικά έγραφες καλά χωρίς πολύ κόπο. Η εργασία δεν ήταν υποχρεωτική. Και μου το πρότειναν σαν επιλογή. Όμως, δεν ξέρω τι παίζει  φέτος. Αν γνωρίζει κάποιος ας γράψει ποιος το κάνει φέτος (μου φαίνεται ο μεταπτυχιακός του Χατζηλεοντιάδη) και αν θα ακολουθεί το περσυνό στυλ παραδόσεων και εξέτασης. Δεν μπόρεσα να παραβρεθώ στο σημερινό μάθημα και θα βοηθούσε πολύ αν μου αναφέρεται επιγραμματικά τι ειπώθηκαν σήμερα στο μάθημα.

Για μικροκύματα μου είπε ένας φίλος ότι μπορείς να γράψεις και 10 με μια εβδομάδα διάβασμα και αν κατάλαβα καλά χωρίς να έχεις κάνει τις εργασίες. Αν και οι εργασίες μου είπε είναι μικρές (Κανά δυο μέρες η κάθε μια ).

Πυρηνικοί αντιδραστήρες οκ εύκολο, αλλά δεν με τραβάει και πολύ να το πάρω. Δεν το αποκλείω όμως. Γενικά, όμως άκουσα από το 0, θέλει λίγες μέρες διάβασμα απλά.

Ευφυή μάλλον είναι η χειρότερη επιλογή από όλες… βαρύ μάθημα με δυο ιδιαίτερους καθηγητές και δύσκολη εργασία.

Τα VLSI αν και σχετικά εύκολα, έχω ακούσει ότι απαιτούν αρκετές ώρες ενασχόλησης μέσα στο εξάμηνο ( παρουσιάσεις, εργαστήρια, εργασία, έχει και υποχρεωτικές παρουσίες για κάποιο διάστημα) και είναι και πολύ απλωμένο μέσα στο εξάμηνο, κάτι που δεν θα με βολέψει να ακολουθήσω.

Τέλος ασφάλεια, έχω διαβάσει τα σχόλια των περσινών και δεν πολύ σκέφτομαι να το επιλέξω. Θα το επέλεγα αν δεν μπορέσω να πάρω 2ο του 7ου. Ξέρω είναι θεωρία απ’ έξω, οπότε φαντάζομαι το διάβασμα για τις εξετάσεις θα βγαίνει σχετικά σύντομα και λογικά θα αρκεί να το διαβάσεις μέσα στην εξεταστική. Δεν ξέρω όμως τι θα παίξει φέτος με τις εργασίες. Πέρυσι ήταν πολλές και μικρές, πρόπερσι μια πιο μεγάλη. Απ’ ότι κατάλαβα κιόλας πέρυσι δεν μέτρησαν και τόσο πολύ. Αν γνωρίζει κανείς τίποτα πως θα οργανωθεί φέτος το μάθημα ας το αναφέρει.

Κοίτα για αυτό που ρωτάς, μου φαίνεται ότι το ελάχιστο κάθε φορά διαφέρει ανάλογα με την τάξη μεγέθους του θορύβου που έχεις προσθέσει. Κάτι τέτοιο αναφέρει και στο βιβλίο στο κεφάλαιο με τα wiener φίλτρα.
Για παράδειγμα σε πρόχειρο πείραμα που έχω κάνει όταν προσθέτω θόρυβο στην y1, με παράμετρο a= 10^(-5) , τότε το ελάχιστο που βγαίνει για  Κ=10^6.5. Εδώ, να πω ότι η y1 είναι μια εικόνα που προκύπτει από την x1 με μια δική μου γνωστή h, η οποία μοιάζει αρκετά με αυτή που μας δίνεται. Οπότε δεν παίρνω και όρκο.



Τώρα, για το άλλο που αναφέρεις. Συμφωνώ με το να κάνουμε padding στο μέγεθος την τιμή Νh + Ny2 -1, την κρουστική απόκριση h. Απλά, στον ορισμό της συνάρτησης invfilter(y2,h,isMask), αναφέρει ότι αν isMask==false (όταν δηλαδή χρησιμοποιούμε φίλτρο wiener και όχι απλά τον αντίστροφο) η h είναι η συνάρτηση μεταφοράς της μάσκας, και θα πρέπει να είναι ίδιων διαστάσεων με την y2. Συνάρτηση μεταφοράς στην συγκεκριμένη περίπτωση θα πρέπει να είναι η G, η οποία προκύπτει με τον γνωστό τύπο και έχει ίδιο μέγεθος με την Η. Όμως, ζητάει να είναι ίδιο μεγέθους με την y2. Από αυτό δηλαδή φαίνεται, για την αντιστροφή παραμόρφωσης μέσω wiener, θα πρέπει να κάνουμε Padding την h στο μέγεθος Ny2 * My2, και μετά να υπολογίσουμε την Η και την G.
Δηλαδή για την απλή περίπτωση αντιστροφής παραμόρφωσης κάνουμε padding  Νh + Ny2 -1 στην h, ενώ για το wiener padding σε Νy2 ??

Στο ερώτημα 1), πως ακριβώς η h=estMask(x,y) υπολογίζει τις μεταβλητές ‘len’ και ‘ang’ της fspecial ??? Δεν μπόρεσα να καταλάβω ακριβώς πως κάνουμε την αντίστροφη διαδικασία.
Για να μπορέσω να πάω παρακάτω, αυτό που έκανα ήταν, να παίξω τυχαία με αυτές τις παραμέτρους και να πάρω μια μάσκα ίδιου μεγέθους με αυτή που χρησιμοποιήθηκε για να πάρουμε την y1 <- από την x1. Όμως, δεν επειδή δεν ήταν ακριβώς η ίδια μάσκα ξανά θόλωνα την x2 σε μια νέα εικόνα g2 αντί της y2 και εκεί χρησιμοποιώ τον αντίστροφο μετασχηματισμό και τα φίλτρα wiener.


Επίσης, στο αντίστροφο φίλτρο στο 2.1, την εκτίμηση της κρουστικής απόκρισης h όταν την πάμε στην συχνότατα της κάνουμε  zero padding όσο το μέγεθος της εικόνας y2, έτσι??
Δοκίμασα να κάνω και zero padding για μέγεθος Νh + Ny2 -1, όπως κάναμε και στην συνέλιξη, και μετά να κάνω τον πολλαπλασιασμό με την αντίστροφη Η(). Χωρίς θόρυβο βγάζουν το ίδιο αποτέλεσμα, περικόπτοντας το αποτέλεσμα στο μέγεθος της x2. Όταν, όμως προσθέτω θόρυβο στην y2, τότε φαίνεται ότι η δεύτερη περίπτωση(zero padding Νh + Ny2 -1) τα πάει καλύτερα, δηλαδή το αποτέλεσμα της αντίστροφης διαδικασία, αρχίζει να χαλάει για θόρυβο μιας τάξης μεγέθους μεγαλύτερο από την πρώτη περίπτωση (zero padding στο μέγεθος y2).

Ας δώσει κάποιος αν γνωρίζει κάποια βοήθεια με τα παρακάτω:

- Αρχικά, για να βγάλουμε τα διαγράμματα χρόνου και πολυπλοκότητας,  είπαμε ότι πρέπει να πολλαπλασιάσουμε την θεωρητική πολυπλοκότητα με έναν παράγοντα c. Με τι κριτήρια όμως τον επιλέγουμε?? Τον επιλέγουμε απλά με στόχο να είναι συγκρίσιμες οι δυο καμπύλες??

- Τι μέγεθος είναι προτιμότερο να θεωρήσουμε για την εικόνα h?? Αναφέρει ότι κρατάμε για τα 3 τελευταία demo το μέγεθος h σταθερό, άρα το h είναι το φίλτρο της συνέλιξης. Αν h είναι ένα φίλτρο σχετικά μικρής διάστασης σε σχέση με την εικόνα x, τότε είναι ευκολότερο υπολογιστικά να χρησιμοποιήσουμε αυτά που αναφέρονται στην παράγραφο 3.4.2. του gonzalez woods.  Να κάνουμε δηλαδή zero padding στην εικόνα x , ανάλογα  με τις διαστάσεις του φίλτρου h, και μετά απλά να σέρνουμε το φίλτρο.

Αν όμως το φίλτρο είναι σχετικά μεγάλο, σε σχέση με την εικόνα πχ h=256*256 Και x=512*512, τότε θα γίνουν πολλές επιπλέον πράξεις του φίλτρου h’ , με μηδενικά που προσθέσαμε , με αποτέλεσμα να αυξηθεί ο χρόνος εκτέλεσης.

Στην συγκεκριμένη περίπτωση αφού έχουμε σχετικά μεγάλο φίλτρο σε σχέση με την εικόνα είναι προτιμότερο, να χωρίσουμε την εικόνα σε 9 περιοχές. Για παράδειγμα μια περιοχή είναι η πάνω αριστερή γωνία, όπου το φίλτρο h δεν έχει εισέρθει ακόμα μέσα στην εικόνα ούτε προς την διάσταση x, ούτε προς την διάσταση y.  Μια άλλη περιοχή είναι όταν φίλτρο έχει εισέρθει μέσα στην εικόνα αλλά μόνο ως προς την μια διάσταση, ή όταν στην μια διάσταση έχει αρχίσει να εξέρχεται από την εικόνα και πάει λέγοντας. (κατά το σύρσιμο που το κάνουμε). Εδώ, δεν έχουμε επιπλέον πράξεις με μηδενικά και θα γίνει εκτέλεση πιο σύντομα σε σχέση με πάνω.

ο πρώτος τρόπος  που ανέφερα είναι πολύ απλός στην υλοποίηση αλλά κοστίζει αρκετά περισσότερο από τον δεύτερο αν το φίλτρο είναι σχετικά μεγάλο σε σχέση με την εικόνα. Η δεύτερη μέθοδος πάλι, είναι πιο σύνθετη στην υλοποίηση .
 
Γενικά, ποιον τρόπο να προτιμήσω και πόσο περίπου να θεωρήσω το μέγεθος του σταθερού φίλτρου h??

Ξέρεις κανείς τι παίζει με τους φοιτητές που είναι να πάρουν σε αυτό το εξάμηνο διπλωματική??? Που κάνουν δήλωση ότι έχουν πάρει θέμα διπλωματικής και πότε περίπου???

Επίσης, αν υπάρχουν και κανά δυο μαθήματα χρωστούμενα, τα δηλώνουμε κανονικά τώρα???

Στις τελικές μετρήσεις που κάνατε είδατε καμιά ουσιαστική διαφορά για τις διάφορες τιμές της πιθανότητας p=[0.33  0.45  0.66]???

Σε εμένα τα αποτελέσματα για μια συγκεκριμένη τιμή του N βγαίνουν πάνω κάτω τα ίδια, για τις διάφορες τιμές του p.

Λογικό να υπάρχει κάποια πολύ μικρή διαφορά αφού για p=0.33 ο πίνακας περιέχει πιο πολλές INF τιμές σε σχέση με p=0.66, οπότε στην πρώτη περίπτωση πιθανόν θα γίνουν και περισσότερες ανανεώσεις του πίνακα distance… Αλλά στα τελικά αποτελέσματα η διαφορά αυτή είναι αισθητή???

Το κακό είναι ότι πριν το /(root), μεσολαβεί το /home, το οποίο δεν με αφήνει να το τραβήξω πιο μπροστά και να βάλω τον ελεύθερο χώρο στην αρχή του. Αυτό που λέει ο οδηγός, το έκανα για το partition του swap. Δες λίγο και την εικόνα που έχω ανεβάσει να καταλάβεις πως είναι διαμιρασμένη η μνήμη μου.  Αν δεν μπορέσω να το κάνω, με βλέπω να τα σβήνω και να τα ξαναβάζω....

Ναι θέλω... Όντως, πρώτα είναι το Partition του root /, μετά το /hoMe, και τέλος το swap. Μετά από όλα είναι το unallocated. Θα με βοηθούσες πολύ αν μου έστελνες τα βήματα. Και καμιά πληροφορία, αργότερα, για το πως μπορούμε να κόψουμε και από το /Home.

Καλησπέρα,

Έχω εγκαταστημένα τα Ubuntu 14.04, όπου είχα ορίσει αρχικά 10 GB για root, 12 για home, 3 για swap. Είχα δημιουργήσει ξεχωριστά partitions από τα Windows και τα όρισα κατά την εγκατάσταση του Ubuntu.

Σήμερα που προσπαθούσα να εγκαταστήσω την Cuda της nvidia, κατέβασα το αντίστοιχο αρχείο (1.9GB) και όταν ολοκλήρωσα το πρώτο βήμα "sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb",  μου χτύπησε ότι έχω άλλα 300mb περίπου στο root. Από ότι κατάλαβα κάτι σαν εξαγωγή των αρχείων έκανε αλλά δεν ξέρω γιατί το έκανα στο root. Ακολουθούν 2 βήματα τα `sudo apt-get update` και `sudo apt-get install cuda' τα οποία δεν έκανα καθώς δεν ήθελα να το ρισκάρω μένοντας από χώρο.

Το πρώτο που έκανα ήταν να μειώσω το swap memory που έφτανε τα 3Gb. Χρησιμοποίησα το Gparted.  Από αυτά άφησα, ενδεικτικά μόνο τα 172 ΜΒ, καθώς το pc έχει 8GB ram και δεν νομίζω ότι το swap θα χρειαστεί ποτέ. Όμως, όταν πήγα να αυξήσω το μέγεθος του root, δεν μπορούσα να μετακινήσω την μπάρα παρόλο που υπάρχουν γύρω στα 2.8 Gb unallocated. Έγραφε κάπου min size= 10240 mb , max size= 10240mb. Στέλνω και την αντίστοιχη εικόνα για βοήθεια.

Θέλω να χρησιμοποιήσω αυτόν τον unallocated χώρο για να αυξήσω το root. Επίσης, αν είναι εφικτό, θα ήθελα να μειώσω και το /home, το οποίο είναι12GB και χρησιμοποιούνται μόνο τα 3,5 για να αυξήσω παραπάνω το root,?? Δεν χρειάζομαι τόσο μεγάλο Home…. Η΄ αν γίνεται να συμπληρώσω από τον χώρο που αντιστοιχεί windows.

Θα ήταν πολύ χρήσιμο αν μπορούσε κάποιος να περιγράψει τα διάφορα βήματα.

Ευχαριστώ εκ των προτέρων...

Μια ερώτηση στην συνάρτηση ADPCM. Όταν πάμε να υπολογίσουμε το διάνυσμα διαφορών r (πριν το κβαντίσουμε σε rq) , στοn προβλέπτη:  w*x(i-1 εως i-m ), χρησιμοποιούμε τις κβαντισμένες τιμές των wd και xd?? Δηλαδή, πρέπει να πούμε ότι wd=iQuant(Quant(w)) και xd=iQuant(Quant(x)) ??? Μου φαίνεται ότι έχει αναφερθεί και στο μάθημα κάτι τέτοιο και αν δεν κάνω λάθος αυτό λέει η σχέση 4.7 στην 47 σελίδα του pdf των σημειώσεων. Εδώ, να πω ότι στο τελικό αποτέλεσμα δεν έχει και τόσο μεγάλη διαφορά. Αν δηλαδή, χρησιμοποιήσεις τα κβαντισμένα μεγέθη στον προβλέπτη αντί των πραγματικών τότε στο test, απλά βλέπεις  το μπλε σήμα να αχνό-φαίνεται λίγο πιο έντονα από ότι με τα πραγματικά w και x.

Αν έχει νιώσει κάποιος καλά την λογική της παραλληλοποίησης σε cuda, ας βοηθήσει λίγο με κάποιες απορίες.

- Με ποιον τρόπο θα χειριστούμε το k, της πρώτης λούπας για να βγάλουμε τα indexes? Μήπως είναι καλύτερα να καλούμε μέσω μιας επανάληψης εξωτερικά,  την συνάρτηση  που θα τρέξει στο device με δείκτη k ???  Κάπου πρέπει να πήρε το μάτι μου κάποια υλοποίηση όπου το k κάπως το ενσωμάτωνε εσωτερικά στην συνάρτηση του device. Μου φαίνεται σε κάποιο papper, αλλά μου φάνηκε κάπως σύνθετη. Ποιος είναι ο πιο απλό τρόπος.

-Επίσης, αν δεν κάνω λάθος είπαμε στο μάθημα ότι κάθε μπλοκ εκτελείται χρονικά ανεξάρτητα από κάποιο άλλο. Υπάρχει λοιπόν, πιθανότητα για data races στην global μνήμη της gpu, μεταξύ των διαφόρων μπλοκς? ή λόγω του συγκεκριμένου αλγορίθμου δεν παίζει?

-Με ποια λογική ορίζουμε το μέγεθος των μπλοκς?? ειδικά στο κομμάτι β, που ζητάει να χρησιμοποιηθεί η shared memory. Πως πρέπει να μοιράσουμε τα κελιά του πίνακα γράφου στα διάφορα blocks, ώστε κάθε μπλοκ να είναι ανεξάρτητο (όσο το δυνατό γίνεται) από τα υπόλοιπα και να μπορεί να χρησιμοποιεί για του τους υπολογισμούς την shared memory αντί της global? (Λογικά δεν επαρκεί μόνο η shared μνήμη, θα πρέπει να κάνουμε και κάποιες προσπελάσεις στην global κατά την διάρκεια των υπολογισμών, έτσι????)

-Τέλος όσον αφορά την αντιστοίχιση των κελιών στα νήματα των blocks. Έστω, ότι έχουμε φορτώσει τα στοιχεία του n*n πίνακα σε έναν πίνακα γραμμή για να τον φορτώσουμε στην συσκευή. Τότε, το πρώτο στοιχείο του πίνακα γραμμή αντιστοιχίζεται στο πρώτο νήμα του πρώτου μπλοκ, το στοιχείο 512 (μέγεθος block 256) αντιστοιχίζεται στο νήμα του 3ου μπλοκ έτσι ?? άρα μπορούμε να χρησιμοποιήσουμε για αρίθμηση το index=blockIdx.x * blockDim.x + threadIdx.x, ώστε να αναφερθούμε στην θέση του αρχικού πίνακα??? Και τη διαφορά έχει το παραπάνω index από αυτό Index = blockIdx.y * blockDim.y + threadIdx.y???

 Σορρυ για το κατεβατό…