[Παράλληλα και Διανεμημένα Συστ.] Εργασία 3

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[12:00-13:30]

Η γραμματεία είναι ανοιχτή καθημερινά 12:00-13:30

[Dealan]

Αν και υπάρχει περίπτωση ο γράφος να είναι ήδη ελάχιστος, πρακτικά αυτό που λέει ο nikos1 καλό είναι.

Αν και εγώ προσωπικά δεν κάνω κανέναν έλεγχο για τον σειριακό. Στάνταρ αλγόριθμός αντιγραμμένος είναι ουσιαστικά άρα το παίρνω δεδομένο πως δουλεύει.

[Ragnar Lothbrok]

εγινε σας ευχαριστω!

[vasrem]

Εχει κανεις ιδεα πως μπορουμε να τρεξουμε matlab scriptακι στον diades?

[Xbaremenos]

Ρε παίδες, την λούπα για το k την έχετε μέσα στο Kernel ή απ έξω ?

Αρχικά την είχα απ έξω (δλδ στην main και απλα καλούσα το kernel n-φορές για κάθε k)
και τώρα που προσπαθώ να το βάλω μέσα όλο μου βγάζει test failed...

Τίποτα ?

[nikos1]

Ρε παίδες, την λούπα για το k την έχετε μέσα στο Kernel ή απ έξω ?

Αρχικά την είχα απ έξω (δλδ στην main και απλα καλούσα το kernel n-φορές για κάθε k)
και τώρα που προσπαθώ να το βάλω μέσα όλο μου βγάζει test failed...

Τίποτα ?

Απέξω, διότι πρέπει με κάποιο τρόπο να συγχρονίζεις όλα τα threads του πίνακα και όχι μόνο των blocks.

[Xbaremenos]

Ρε παίδες, την λούπα για το k την έχετε μέσα στο Kernel ή απ έξω ?

Αρχικά την είχα απ έξω (δλδ στην main και απλα καλούσα το kernel n-φορές για κάθε k)
και τώρα που προσπαθώ να το βάλω μέσα όλο μου βγάζει test failed...

Τίποτα ?

Απέξω, διότι πρέπει με κάποιο τρόπο να συγχρονίζεις όλα τα threads του πίνακα και όχι μόνο των blocks.

+1

Απλώς όταν είναι απ' έξω κάπως "δεν κανει ιδιαίτερη δουλειά" η χρήση της Shared..

π.χ.

με αυτό το κομμάτι κώδικα :


// Shared memory
   __shared__ float arr[3 * BLOCK_SIZE];
   int idx = blockIdx.x * blockDim.x + threadIdx.x;
   int i,j;

if(idx < n*n){
      i = idx / n;
      j = idx - i*n;

      arr[threadIdx.x] = dev_dist[i*n + j];
      arr[blockDim.x + threadIdx.x] = dev_dist[i*n + k];
      arr[2*blockDim.x + threadIdx.x] = dev_dist[k*n + j];
      

      if(arr[threadIdx.x] > (arr[blockDim.x + threadIdx.x] + arr[2*blockDim.x + threadIdx.x])){
         arr[threadIdx.x] = arr[blockDim.x + threadIdx.x] + arr[2*blockDim.x + threadIdx.x];
      }
      dev_dist[idx] = arr[threadIdx.x];
   }
   __syncthreads();


που χρησιμοποιώ, νιώθω οτι δε κάνει αρκετή δουλειά. Μέχρι n = 10 υπάρχει όντως βελτίωση στο χρόνο πρώτου κερνελ - δεύτερου κερνελ
Αλλά απο κει και πέρα το δεύτερο Kernel παράγει χειρότερους χρόνους απο το πρώτο! (καλα, οχι και πολυ χειρότερους, αλλά και πάλι .. )

[Xleboniaris]

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???

[svart]

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???

γενικά δεν παίζει ιδιαίτερο ρόλο

[c0ndemn3d]

Δεν υπάρχει διαφορά. Φαίνεται από την πολυπλοκότητα του αλγορίθμου αυτό

[mitsoschelsea]

Ο διάδης είναι κάτω;

[Ragnar Lothbrok]

Ο διάδης είναι κάτω;

ναι ρε γαμωτο, και δεν μπορω να παρω μετρησεις!!! 

[Sf(x)dx]

Για την δέσμευση μνήμης στην GPU μπορούμε είτε να :
α) κάνουμε όλο τον πίνακα διάνυσμα N*N και να χρησιμοποιήσουμε cudaMalloc( )
β) να δουλέψουμε με 2D πίνακα και να χρησιμοποιήσουμε τις cudaMallocPitch( ) ή cudaMalloc3D( )

Καμία πρόταση ? Έχει διαφορά στην επίδοση ? Το δοκίμασε κανείς ?
Thanks

[Sf(x)dx]

Για όποιον θέλει να χρησιμοποιήσει cudaMallocPitch( ) εδώ τα λέει καλά:
http://stackoverflow.com/questions/16119943/how-and-when-should-i-use-pitched-pointer-with-the-cuda-api

[Λήσταρχος Γιαγκούλας]

Καλησπέρα φίλε ,  τρέχει ακόμα η προθεσμία;

[Sf(x)dx]

Well ... Κανονικά όχι αλλά λέω να την στείλω ! Στην χειρότερη δν θα γίνει δεκτή αλλά λέω να το ρισκάρω