Sonntag, 5. Oktober 2008

Gliederung

1)Einleitung

2)Cuda-Architektur
2.1)Einleitung
2.2)Tesla-Grafikkarten
2.3)Thread-Hierarchie
2.4)Speicher-Arten
2.5)Abstraktion und Skalierbarkeit

3)Cuda-Programmiermodell
3.1)Einleitung
3.2)Grundstruktur
3.3)Einschränkungen
3.4)OpenGL Anbindung
3.4)Hilfsmittel der Entwicklung

4)Implementierungen der manchen Bildverarbeitungsaufgaben
4.1)Einleitung
4.2)Bildfilter
4.3)Histogramm
4.4)effiziente Maximum-Suche

5)Zusammenfassung und Fazit

Argumentationsprinzip

Ich habe für die Argumentationsprinzip Rhombus entschieden, da ich 3 Unterschiedliche Perspektiven behandle, die am Ende im Fazit zusammengeführt werden.
Ich habe 5 -Schritte-Muster gewählt.
1)Einleitung
2)Cuda-Architektur
3)Cuda-Programmiermodell
4)Implementierungen der manchen Bildverarbeitungsaufgaben
5)Zusammenfassung und Fazit

Mindmap gekürzt

gekürzt

Zusammenfassung

In dieser Arbeit wurden die CUDA-Architektur und -Programmiermodell beschrieben
und an Hand von paar
Bildverarbeitungsaufgaben erläutert.
Anhand der Messungen wurde bei manchen Aufgaben eine 30-fache Beschleunigung im
Vergleich mit einer Standard-Implementation erreicht.
Des weiteren wurde gezeigt, dass nicht alle Aufgaben die Leistung der
CUDA-Hardware in vollem Umfang nutzen können.
Die Einfachheit der Handhabung und Geschwindigkeitsvorteile raten dazu, den Einsatz von CUDA für ein oder anderes Bildverarbeitungsproblem zu überlegen.

Einleitung

Die Grafikkarten habe sich als 3d-Beschleuniger für OpenGL-Anwendungen und Spiele
etabliert.
Heutzutage fast in jedem gängigen Personal Computer findet sich eine solche Grafikkarte
von Nvidia oder ATI.
Es stellt sich die Frage, ob sich die Leistungsfähigkeit der Grafikkarten
für andere Zwecke einsetzen lässt?
Das wurde möglich, als 2007 NVIDIA das CUDA SDK veröffentlichte.
Damit ist es jetzt möglich die Grafikkarten für die allgemeine EDV-Aufgaben zu
verwenden.
In dieser Arbeit wird auf das Programmiermodell der CUDA SDK eingegangen.
Es wird untersucht, wie die CUDA-fähige Grafikkarten aufgebaut sind und was sie
leistungsstark macht. Zum Schluss
werden ein paar Aufgaben aus der Bildverarbeitung mit Hilfe der CUDA SDK
implementiert und es wird untersucht, welche Vorteile man davon bekommt.

parallele Bildverarbeitung auf Grafikkarten von Nvidia mit CUDA am Beispiel einiger Aufgaben

Dank CUDA sind die Grafikkarten von NVIDIA für bestimmte Aufgaben der Bildverarbeitung gut geeignet, und meistern diese deutlich schneller im Vergleich mit herkömmliche modernen Prozessoren.

User Status

Du bist nicht angemeldet.

Aktuelle Beiträge

Rohfassung(aktualisiert)
rohfassung (pdf, 438 KB)
sleon - 3. Nov, 00:01
vorfreude
endlich eine Aufarbeitung von CUDA in Deutsch.... freu...
Masterkey - 26. Okt, 15:23
Argumentationsprinzip
Ich habe für die Argumentationsprinzip Rhombus entschieden,...
sleon - 6. Okt, 13:49
Gliederung
1)Einleitung 2)Cuda-Archi tektur 2.1)Einleitung 2.2) Tesla-Grafikkarten 2.3)Thr ead-Hierarchie 2.4)Speiche r-Arten 2.5)Abstraktion...
sleon - 5. Okt, 23:53
Mindmap gekürzt
sleon - 5. Okt, 23:35

Links

Suche

 

Status

Online seit 5729 Tagen
Zuletzt aktualisiert: 12. Nov, 20:34

Credits


aufgabe1
aufgabe2
aufgabe3
Profil
Abmelden
Weblog abonnieren