[Παράλληλα και Διανεμημένα Συστ.] Εργασια 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!

[height=400]

  Όταν ανεβάζουμε φωτογραφίες στις Ανακοινώσεις και Έκτακτα νέα, βάζουμε τη μεγαλύτερη πλευρά 400 (width=400 ή height=400 ). π.χ. [img height=400 (κλείνει η αγκύλη) 

[ReMi0s]

Μια επιπλέον ερώτηση και απο εμένα,στο μάθημα είπε αν θέλει κάτι το ιδιαίτερο ας πούμε έκανε κάποιο σημαντικό σχόλιο το οποίο μπορεί να συγκράτησε κάποιος και να το αναφέρει και εδώ,πχ κάποια παρατήρηση πάνω στον τρόπο που θα γίνει η παραλληλοποιηση.Αυτό που θέλει εν τέλει είναι να φτιάξουμε την συνάρτηση nonLocalmean να την τρέξουμε σειριακά μετά να την τρέξουμε στην gpu και τέλος,είπε τίποτα για βελτιστοποίηση και τέτοια ή απλά θέλουμε να πάρουμε καλύτερους χρόνους.

είπε οτι πρέπει να φτιάξουμε δικιά μας Nonlocalmeans σειριακή? 
με την υλοποίηση που μας δίνουν δεν φτάνει να την συγκρίνουμε;

[fanaks]

είπε οτι πρέπει να φτιάξουμε δικιά μας Nonlocalmeans σειριακή? 
με την υλοποίηση που μας δίνουν δεν φτάνει να την συγκρίνουμε;

Εγώ έτσι έχω καταλάβει,ξέρω γω δεν πρέπει να έχουμε την ίδια υλοποίηση κώδικα και στην cpu και στην gpu και να συγκρίνεις τους χρόνους,θα συγκρίνουμε τους χρόνους διαφορετικών υλοποιήσεων?

[kaspas]

Εγώ έτσι έχω καταλάβει,ξέρω γω δεν πρέπει να έχουμε την ίδια υλοποίηση κώδικα και στην cpu και στην gpu και να συγκρίνεις τους χρόνους,θα συγκρίνουμε τους χρόνους διαφορετικών υλοποιήσεων?

Έχεις αιρετά να κάνεις γιατί να θέλουν και σειριακό αλγόριθμο που τον έχουν υλοποιήσει είδη. Ίσα Ίσα είπαν για 256χ256 επειδή ο σειριακός δεν τρέχει δεν τους πειράζει να έχουμε μόνο τα αποτελέσματα της gpu (αρκεί στα μικρότερα μεγέθη να φαίνεται ότι βελτιώνεται ο χρόνος όσο μεγαλώνει ο πίνακας )

Δυναμική δέσμευση μνήμης για τις shared μεταβλητές πως γίνεται; Το kernel το καλούμε από matlab και δεν δέχεται τις extern __shared__ μεταβλητές ο nvcc (δεν έχουμε κάπου δήλωση για δέσμευση μνήμης).

[ReMi0s]

Έχεις αιρετά να κάνεις γιατί να θέλουν και σειριακό αλγόριθμο που τον έχουν υλοποιήσει είδη. Ίσα Ίσα είπαν για 256χ256 επειδή ο σειριακός δεν τρέχει δεν τους πειράζει να έχουμε μόνο τα αποτελέσματα της gpu (αρκεί στα μικρότερα μεγέθη να φαίνεται ότι βελτιώνεται ο χρόνος όσο μεγαλώνει ο πίνακας )

Δυναμική δέσμευση μνήμης για τις shared μεταβλητές πως γίνεται; Το kernel το καλούμε από matlab και δεν δέχεται τις extern __shared__ μεταβλητές ο nvcc (δεν έχουμε κάπου δήλωση για δέσμευση μνήμης).

αρχικά σπας τον πίνακα σε αρκετά μικρά κομμάτια ωστε να χωράνε στην shared memory, ας πουμε 32x32 η 64x64. και έπειτα καλείς τον πυρήνα για όλεσ τις υποεικόνες.
μέσα στον κερνελ θεωρείς τις shared μεταβλητές σου ας πουμε __shared__ float sharedJ[1024]; και τους δίνεις τιμή μέσα στην global, ας πουμε sharedJ[p*rows+q]=J[p*rows+q]. Έπειτα χρησιμοποιείς τις shared αντι του κανονικού πίνακα..

[protesla]

Παιδιά όταν μπαίνω στο διάδη και κάνω make μου βγάζει τα ορίσματα που δέχεται ο kernel απ το matlab undefined Πως να κάνω το make?

[fanaks]

Παιδιά όταν μπαίνω στο διάδη και κάνω make μου βγάζει τα ορίσματα που δέχεται ο kernel απ το matlab undefined Πως να κάνω το make?

Το matlab χειρίζεται double οπότε αν στο kernel έχεις ορίσει float χρησιμοποίησε την μετατροπή Α=single(A) του πίνακα που εισάγεις για να γίνει float.Επίσης πρόσεχε μέσα στο kernel τον πίνακα που εισάγεις για να διαβαστεί να τον έχεις ως const* const όπως στο παράδειγμα sample_kernel για να σου επιστρέψει σωστά αποτελέσματα.Τέλος οι πίνακες που εισάγεις πρέπει να είναι της gpu οπότε ίσως και η εντολή A=gpuArray(A) ίσως σου χρειαστεί κάπου.

Edit: Ναι τώρα κατάλαβα την ερώτηση σου,σε εμένα έβγαινε τέτοιο μήνυμα σφάλματος όταν έβαζα στην ίδια συνάρτηση σε διαφορετικά σημεία του κώδικα διαφορετικά-λάθος ορίσματα,οπότε ίσως είναι αυτό.

[fanaks]

Λοιπόν διαβάζονταν και τα σχόλια παραπάνω θα ήθελα να ρωτήσω σχετικά με τον θέμα στον διαμοιρασμό των μεγάλων εικόνων.Έχω κάνει μία υλοποίηση στην οποία όπως ειπώθηκε και παραπάνω χωρίζω την εικόνα σε υπο-εικόνες και καλώ τον πυρήνα για την κάθε μία σαν να ήταν η μοναδική και παίρνω πολύ καλά αποτελέσματα και σε χρόνο και σε εικόνα,το θέμα είναι όμως ότι με τον αλγόριθμο non local mean θα πρέπει να συνυπολογίσουμε όλα τα pixel τις εικόνας για να προκύψει η νέα τιμή του pixel,κάτι που απαιτεί να αντιγράψουμε και τα άλλα κομμάτια του πίνακα και να επαναλάβουμε την διαδικασία και γενικά μπλέκει αρκετά ο κώδικας από εκεί και έπειτα,και με μια προσπάθεια που έκανα για υλοποίηση οι χρόνοι είναι αρκετά χειρότερη.Ξέρετε αν έχει ειπωθεί κάτι σχετικό,είναι σωστό να ελέγχουμε τα κομμάτια της εικόνας ανεξάρτητα από τα άλλα,τι συμπέρασμα έχετε βγάλει;   

[ReMi0s]

Παιδιά όταν μπαίνω στο διάδη και κάνω make μου βγάζει τα ορίσματα που δέχεται ο kernel απ το matlab undefined Πως να κάνω το make?

πρέπει να ορίσεις όλες τις συναρτήσεις που χρησιμοποιείς πάνω απο την global.

[protesla]

Ευχαριστώ παιδιά! Για έναν ανεξήγητο λόγο όταν εισάγω τον πίνακα της Gaussian με το όνομα H δεν δουλεύει αλλά με οποιοδήποτε άλλο είναι μια χαρά!

[Terzos]

Έχει κανείς πρόβλημα με την cudaMemcpy για αντιγραφή από την GPU στην CPU? (DeviceToHost)

[ReMi0s]

Έχει κανείς πρόβλημα με την cudaMemcpy για αντιγραφή από την GPU στην CPU? (DeviceToHost)

για να την χρησιμοποιήσεις πρέπει να την καλείς απο κάποια άλλη συνάρτηση που δεν είναι στην gpu. Δηλαδή δεν μπορείς να την καλέσεις μέσα απο τον __global__ kernel σου.. Δεν ξέρω τι προσπαθείς να κάνεις αλλά την δουλεία αυτή την κάνεις μέσω matlab με τις εντολές gpuArray() και gather()

[Terzos]

για να την χρησιμοποιήσεις πρέπει να την καλείς απο κάποια άλλη συνάρτηση που δεν είναι στην gpu. Δηλαδή δεν μπορείς να την καλέσεις μέσα απο τον __global__ kernel σου.. Δεν ξέρω τι προσπαθείς να κάνεις αλλά την δουλεία αυτή την κάνεις μέσω matlab με τις εντολές gpuArray() και gather()

Θέλω να χρησιμοποιήσω την reduce6 από εδώ: http://developer.download.nvidia.com/compute/cuda/1.1-Beta/x86_website/projects/reduction/doc/reduction.pdf
και προσπάθησα αρκετά αλλά δεν κατάφερα να την τρέξω μέσω matlab, για αυτό και γράφω main. Την cudaMemcpy την τρέχω μέσα στην main.

[Terzos]

Έχει κανείς πρόβλημα με την cudaMemcpy για αντιγραφή από την GPU στην CPU? (DeviceToHost)

Το έλυσα. Έχει extern __shared__ και έπρεπε να δηλώσω πόσο μνήμη χρειάζομαι.

[fibonacci]

Για τον υπολογισμό των  Z(i)  και w(i,j) χρησιμοιποιήσε κανείς πίνακες που αποθηκεύονται στη μνήμη της GPU ; Αν μπορεί κανείς να δώσει ένα στοιχείο για τον τρόπο χειρισμού αυτών των πινάκων . Επίσης για τον την καταγραφή των γειτονιών είναι λογικό να φτιάξω έναν global ή και shared 3D πίνακα που για κάθε (i,j) κρατά την γειτονιά του ;

Ευχαριστώ

[Terzos]

Code:

Error using gpuArray/gather
An unexpected error occurred during CUDA execution. The CUDA error was:
CUDA_ERROR_ILLEGAL_ADDRESS

Κανείς άλλος;

εδιτ: και μερικές φορές +αυτό:

Code:

Error in dispInternal>iTransferPortionDense (line 36)
data = gather( subsref( x, s ) );

Error in parallel.internal.shared.buildDisplayHelper>iFirstNNumericDisplayHelper (line 72)
        maybeTruncatedValue = transferDenseFcn( x, rangeStruct );

Error in parallel.internal.shared.buildDisplayHelper>iBuildDisplayHelper (line 33)
    dh = iFirstNNumericDisplayHelper( ...

Error in parallel.internal.shared.buildDisplayHelper (line 24)
    dh = iBuildDisplayHelper( x, transferDenseFcn, transferSparseFcn, xClassName, xName, N );

Error in dispInternal (line 13)
    dh = parallel.internal.shared.buildDisplayHelper( ...

Error in gpuArray/display (line 21)
dh = dispInternal( obj, thisClassName, objName );