Your SlideShare is downloading. ×
0
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
TCC Pré Banca
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

TCC Pré Banca

2,512

Published on

Os slides da minha pré banca. …

Os slides da minha pré banca.

More here: http://arthurgregorio.eti.br/blog/78-programacao/87-faculdade-tcc-e-o-cuda

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
2,512
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
17
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Processamento de Imagens de alta qualidade com GPGPU’s Arthur Pereira Gregório Rodrigo Zanatta Rodriguez CENTRO DE ENSINO SUPERIOR DE FOZ DO IGUAÇU CURSO DE CIÊNCIA DA COMPUTAÇÃO TRABALHO DE CURSO Orientador: Prof. Gildomiro Bairros
  • 2. Agenda
    • Introdução
    • Objetivo Geral
    • Objetivos Específicos
    • Justificativa
    • Fundamentação
    • Ambiente Experimental
    • Próximas Etapas
    • Principais Referências
  • 3. Introdução Com a constante evolução do cenário computacional moderno, a demanda por grande poder de processamento paralelo aumentou significativamente em áreas como Ciência, Saúde, Engenharia e Negócios. Tais áreas hoje empregam massivamente sistemas GPGPU devido a grande quantidade de dados a serem processados.
  • 4. Introdução Visando este novo nicho de mercado este trabalho irá apresentar uma análise de desempenho entre um sistema GPGPU e um sistema com apenas um CPU na criação de imagens de alta qualidade utilizando como técnica de iluminação algoritmos de Ray Tracing.
  • 5.
    • Apresentar uma analise de desempenho que possa indicar a viabilidade do uso de um sistema CPU + GPU em relação a um sistemas que utilize apenas uma CPU através da implementação de algoritmos de Ray Tracing para geração de imagens que contenham uma alta qualidade de iluminação.
    Objetivo Geral
  • 6. Objetivos Específicos
    • Conceituar programação paralela e Ray Tracing;
    • Demonstrar conceitos sobre CPU Multicore, GPU e CUDA;
    • Apontar as vantagens de se utilizar paralelismo em sistemas GPGPU com relação a sistemas com CPU's multicore;
    • Apresentar testes (Benchmarks) de desempenho entre as plataformas levando em conta o tempo (em “ms”) gasto para processar cada cena e/ou imagem.
  • 7. Justificativa
    • Pouco material que aponte as diferenças e ganhos de performance entre a plataforma GPGPU e uma que empregue apenas uma CPU;
    • A crescente demanda por pesquisas na área de Sistemas Heterogêneos;
    • O estado atual do mercado computacional onde as grandes empresas empregam soluções GPGPU em seus datacenters.
  • 8. Fundamentação
    • Programação Paralela: consiste na utilização de vários processadores para execução de partes diferentes de um mesmo programa.
  • 9. Fundamentação
    • GPGPU: indica o uso de um sistema heterogêneo que faz a união do poder de paralelismo de uma GPU com o poder de controle de uma CPU para processamentos de propósito geral.
  • 10. Fundamentação Esquema de um sistema GPGPU
  • 11. Fundamentação
    • CUDA: é uma arquitetura de computação paralela criada pela nVidia em 2007, que possibilita o aproveitamento de suas GPU’s em processamentos de propósito geral, GPGPU.
  • 12. Fundamentação
    • Ray Tracing: é um algoritmo utilizado para dar mais realidade a iluminação de uma cena através de técnicas de traçados de raios.
  • 13. Fundamentação
  • 14.
    • O Estudo de caso: processamento de imagens em um sistema GPGPU composto por uma placa de vídeo e uma CPU multicore.
    • Principais ferramentas a serem utilizadas:
      • Visual Studio;
      • CUDA SDK;
      • NVIDIA Parallel Nsight.
    Ambiente Experimental
  • 15.
    • Definição dos algoritmos de iluminação a serem usados;
    • Criação dos primeiros códigos de teste;
    • Tabulação dos resultados obtidos;
    • Otimização dos códigos e nova execução para comparar com os testes executados anteriormente.
    Próximas Etapas
  • 16. Principais Referencias Bibliográficas
    • DAVID B. KIRK, W.-M. W. H. Programando para Processadores Paralelos, Uma Abordagem Prática a Programação de GPU. Rio de Janeiro: Campus / Elsevier, 2010.
    • CORP. nVidia. What is GPU Computing? 2008. Disponível em: <http://www.nvidia.com/object/GPU Computing.html> . Acesso em: 14/05/2011.
  • 17. Principais Referencias Bibliográficas
    • HSU, S.-H. GPGPU Programming. 2005. Disponível em:<http://graphics.im.ntu.edu.tw/ vincent/resource/gpgpu/GPGPU_Programming.pdf> Acesso em: 19/05/2011.
    • SILVA, F. W. S. V. da. Introdução ao Ray Tracing. Rio de Janeiro: Laboratório de Computação Gráfica LCG COPPE/UFRJ - Engenharia de Sistemas e Computação, 2008.

×