|
|
Deep neural network for supercomputer environments
Bronda, Samuel ; Kolařík, Martin (oponent) ; Burget, Radim (vedoucí práce)
The main benefit of the work is the optimization of the hardware configuration for the calculation of neural networks. The theoretical part describes neural networks, deep learning frameworks and hardware options. The next part of the thesis deals with implementation of performance tests, which include application of Inception V3 and ResNet models. Network models are applied to various graphics cards and computing hardware. The output of the thesis is the implemented model of the network Inception V3, which examines the graphics cards and their performance, time-consuming calculations and their efficiency. The ResNet model is applied to a section that examines other impacts on neural network computing such as used disk, operating memory, and so on. Each practical part contains a discussion where the knowledge of the given part is explained. In the case of consumption measurement, a mismatch between the declaration by the manufacturer and the measured values was identified.
|
|
|
Detekce a klasifikace dopravních prostředků v obraze pomocí hlubokých neuronových sítí
Hlavoň, David ; Hradiš, Michal (oponent) ; Rozman, Jaroslav (vedoucí práce)
Práce se zaobírá problematikou neuronových sítí z pohledu úlohy detekce dopravních prostředků v obraze, který byl pořízen z dronu. Jelikož je cílem vytvořit prakticky použitelný detektor, práce jako první popisuje datovou sadu. Dále práce rozebírá několik architektur dopředných neuronových sítí, které byly následně použity při realizaci detektoru. Na architektury neuronových sítí navazují metody tvorby detektoru pomocí naivních metod a současně nejúspěšnějších meta architektur. V druhé části se práce zabývá praktickou realizací detektoru. Výsledkem práce je detektor postavený na meta architektuře Faster R-CNN a neuronové sítí PVA s úspěšností detekce přes 90 % a rychlostí 45 full HD snímků za sekundu.
|
|
|
Segmentace obrazu pomocí GPU
Bravenec, Tomáš ; Mego, Roman (oponent) ; Frýza, Tomáš (vedoucí práce)
Bakalářská práce je zaměřena na využití potenciálu grafických karet v oblasti paralelního zpracování dat, přesněji na zpracování obrazu. Zabývá se určením rozdílu v rychlosti zpracování pomocí grafické karty a běžného přístupu pomocí procesoru. Práce se dále zabývá snímáním obrazu pomocí webkamery.
|
|
|
Využitie grafických procesorov pre univerzálne výpočty v priemyselných systémoch
Lukačovič, Martin ; Mašek, Jan (oponent) ; Krkoš, Radko (vedoucí práce)
Práca sa zaoberá možnosťami grafických procesorov v oblasti GPGPU. Obsahuje historické riešenia až po súčasné architektúry. Rovnako sú popísané grafické procesory od najväčších súčasných výrobcov, ich zameranie a ciele v budúcnosti. Pre implementáciu algoritmov pomocou GPU sú potrebné API rozhrania, ktoré ponúkajú rôzne možnosti prevedenia. Okrem CPU a GPU sa pre univerzálne paralélne výpočty využívajú i alternatívy ako FPGA a DSP, kedy je potrebné zvážiť cenovú a energetickú náročnosť. V práci je venovaná časť spôsobu komunikácie s hardwarom a moderným pamäťovým prístupom. Pre demonštráciu paralelného výpočtu bola uskutočnená implementácia násobenia matíc v OpenCL.
|
|
|
Geometrické transformace obrazu
Němeček, Petr ; Řezníček, Ivo (oponent) ; Španěl, Michal (vedoucí práce)
Tato diplomová práce se zabývá akcelerací geometrických transformací obrazu s využitím GPU a architektury NVIDIA (R) CUDA TM. Časově kritické části kódu jsou přesunuty na GPU a vykonány paralelně. Jedním z výsledků je demonstrační aplikace pro porovnání výkonnosti obou architektur: CPU, a GPU v kombinaci s CPU. Pro referenční implementaci jsou použity vysoce optimalizované algoritmy z knihovny OpenCV, od firmy Intel.
|
|
|
Překladač jazyka C# do jazyka Nvidia CUDA
Zajíc, Jiří ; Kačic, Matej (oponent) ; Jurnečka, Peter (vedoucí práce)
Tato diplomová práce je zaměřena na akceleraci výpočtů na grafické kartě NVidia pomocí technologie CUDA s implementací na platformě .NET. Problém je řešen jako překladač jazyka C# do jazyka NVidia CUDA s využitím výrazových schopností jazyka C#, jenž přináší větší míru abstrakce při zachování stejné sémantiky akcí. Aplikace je implementována v jazyce C# s využitím open-source knihovny NRefactory.
|
|
|
Detekce objektů na GPU
Macenauer, Pavel ; Polok, Lukáš (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá detekcí objektů pomocí grafických procesorů . Jako její součást byl navržen a naimplementován nástroj pro detekci objektů na technologii NVIDIA CUDA , umožňující detekovat objekty ve videu v reálném čase nebo zpracovávat velké množství fotografií . Jejím cílem je prozkoumat aktuální možnosti technologie NVIDIA CUDA vzhledem k detekci objektů a navrhnout , jak by se daly akcelerovat .
|
|
| |
|
|
Paralelizace výpočtů pro zpracování obrazu
Fuksa, Tomáš ; Macho, Tomáš (oponent) ; Petyovský, Petr (vedoucí práce)
Tato práce se zabývá problematikou paralelních výpočtů na moderních procesorech, ať už se jedná o vícejádrová CPU nebo grafické karty. Cílem práce je seznámit se s výpočetními prostředky vhodnými pro paralelizaci výpočtů na PC, definovat jejich výhody, nevýhody, otestovat jejich vlastnosti na příkladech a zvolit vhodné nástroje pro realizaci knihovny pro paralelní zpracování obrazu. Tato knihovna má urychlit výpočty potřebné k nalezení úběžníku v obraze cesty snímaném mobilním robotem.
|
|
|
Výpočty na grafických kartách
SVOBODA, Aleš
Cílem této práce je ukázat možnost používat grafickou kartu nejen pro 3D grafiku, ale také pro výpočty, které byli dlouhou dobu doménou pouze CPU. V první části se dozvídáme co je to vlastně grafická karta a také jaké API se využívají pro jejich programování. Druha část nám ukazuje už samotné OpenCL na příkladu. Poslední část je porovnání výkonu mezi CPU a GPU.
|
host ::
RSS.