|
|
Využití heuristik při obnově hesel pomocí GPU
Gazdík, Peter ; Holkovič, Martin (oponent) ; Hranický, Radek (vedoucí práce)
Tato práce se zabývá různými technikami, které umožňují zlepšení procesu obnovy hesel akcelerovaného pomocí GPU. V první části je představen Markovův model a jednoduché regulární výrazy, které umožňují výrazně redukovat stavový prostor generovaných hesel. Tyto techniky jsou založeny na pozorování hesel tvořených uživateli. Byl navržen paralelní algoritmus, který kombinuje tyto techniky. Závěr práce obsahuje výsledky experimentů, které dokazují výhody použití Markovova modelu.
|
|
|
Akcelerace komprese dat v prostředí paralelních architektur
Juránek, Luboš ; Tříska, Vít (oponent) ; Šimek, Václav (vedoucí práce)
Tato bakalářská práce se zabývá využitím paralelních architektur, zejména GPU, pro akceleraci vybraných bezeztrátových komprimačních algoritmů, založených na statistické metodě, a transformací, měnící entropii vstupních dat pro dosažení lepšího kompresního poměru. V této bakalářské práci jsou také teoreticky shrnuty obecné informace o paralelních architekturách a možností programování na nich, hlavně pomocí technologií NVIDIA CUDA a OpenCL.
|
|
|
Akcelerace neuronových sítí s využitím GPU
Šimíček, Ondřej ; Jaroš, Jiří (oponent) ; Petrlík, Jiří (vedoucí práce)
Tato práce se zabývá využitím grafických čipů pro akceleraci neuronových sítí s učením typu backpropagation. Pro řešení tohoto problému byla zvolena technologie OpenCL umožňující využít grafické čipy různých výrobců. Hlavním cílem práce byla akcelerace časově náročného procesu učení sítí a procesu klasifikace. Zrychlení bylo docíleno trénováním velkého množství neuronových sítí současně. Získané zrychlení bylo využito pro nalezení vhodné topologie a nastavení neuronové sítě pro zadanou úlohu pomocí genetického algoritmu.
|
|
|
Zpracování obrazu s velkými datovými toky - využití CUDA/OpenCL
Sedláček, Filip ; Klečka, Jan (oponent) ; Honec, Peter (vedoucí práce)
Hlavným cieľom tejto práce je návrh optimalizácie algoritmu detekujúceho vady v produkovanom netkanom textile. Algoritmus vyvinula spoločnosť CAMEA spol. s.r.o. Dôsledkom zmeny aktuálneho kamerového systému za výkonnejší, bude potreba aktuálny algoritmus optimalizovať a vybrať hardvér s vhodnou architektúrou, na ktorom budú výpočty vykonávané. V práci budu detailnejšie popísané programovacie techniky softvérovej architektúri CUDA a frameworku OpenCL. Pomocou týchto nástrojov navrhneme implementáciu paralelného ekvivalentu aktuálneho algoritmu, popíšeme rôzne optimalizačné metódy a navrhneme GUI k testovaniu týchto metód.
|
|
|
Paralelní zpracování signálů pomocí GPU
Václavík, Jiří ; Frýza, Tomáš (oponent) ; Mego, Roman (vedoucí práce)
Práce v úvodu naznačuje historii vzniku moderních grafických procesorů. V teoretické části textu je popsáno minimum k programovacímu modelu nutnému k naprogramování jednoduchých DSP algoritmů. Další část potom zpracovává tři běžné algoritmy pro zpracování signálu - filtr s konečnou impulsní odezvou, naivní implementaci diskrétní kosinové transformace typu II. a rychlou Fourierovu transformaci. Pro demonstraci paralelních možnosti GPU byl vybrán algoritmus kódování obrazových dat JPEG komprese, na kterém jsou dobře patrné výhody i nevýhody paralelního zpracování dat a kompromisy, po kterých je nutné sáhnout.
|
|
|
Detekce obličejů ve videu na GPU
Tesař, Martin ; Nečas, Ondřej (oponent) ; Polok, Lukáš (vedoucí práce)
Tato práce se zabývá detekcí obličejů na gra fickém procesoru. V první části je uveden přehled metod detekce obličejů se zaměřením na detektor Violy a Jonese. Dále jsou prostudovány možnosti mapování klíčových částí detektoru na gra fickou kartu. Další část práce popisuje implementační detaily navržené aplikace. Na konci práce jsou zahrnuty výsledky a porovnání s CPU implementací. Poslední kapitola shrnuje celou práci a navrhuje budoucí možnosti vývoje.
|
|
|
Akcelerace částicových rojů PSO pomocí GPU
Krézek, Vladimír ; Schwarz, Josef (oponent) ; Jaroš, Jiří (vedoucí práce)
Tato práce se zabývá technikou PSO (Particle Swarm Optimization neboli Optimalizace pomocí částicových rojů), s jejíž pomocí je možné řešit komplexní problémy. Tuto techniku lze využít při řešení složitých kombinatorických problémů (obchodní cestující, úloha o batohu), návrh integrovaných obvodů a antén, v oborech jako je biomedicína, robotika, umělá inteligence nebo i finančnictví. Přestože je algoritmus PSO velice efektivní, čas nezbytný pro nalezení vhodného řešení reálných problémů často přesahuje hranice únosnosti. Cílem této práce je tedy urychlit běh tohoto algoritmu pomocí grafického adaptéru, který nabízí velmi vysoký výpočetní potenciál při zachování příznivé ceny a rozměru. Pro demonstrační účely a ověření kvality implementace byl zvolen problém rozhodnutelnosti systému logických formulí (SAT), jenž patří do třídy NP-úplných problémů. Redukcí časové náročnosti algoritmu PSO při řešení SAT problému jsme tedy schopni akcelerovat celou třídu úloh a řešit problémy, které byly dosud prakticky neřešitelné.
|
|
|
Využití funkcionálních jazyků pro hardwarovou akceleraci
Hodaňová, Andrea ; Kadlček, Filip (oponent) ; Fučík, Otto (vedoucí práce)
Cílem této práce je prozkoumat možnosti využití funkcionálního paradigmatu pro hardwarovou akceleraci, konkrétně pro datově paralelní úlohy. Úroveň abstrakce tradičních jazyků pro popis hardwaru, jako VHDL a Verilog, přestáví stačit. Pro popis na algoritmické či behaviorální úrovni se rozmáhají jazyky původně navržené pro vývoj softwaru a modelování, jako C/C++, SystemC nebo MATLAB. Funkcionální jazyky se s těmi imperativními nemůžou měřit v rozšířenosti a oblíbenosti mezi programátory, přesto je předčí v mnoha vlastnostech, např. ve verifikovatelnosti, schopnosti zachytit inherentní paralelismus a v kompaktnosti kódu. Pro akceleraci datově paralelních výpočtů se často používají jednotky FPGA, grafické karty (GPU) a vícejádrové procesory. Praktická část této práce rozšiřuje existující knihovnu Accelerate pro počítání na grafických kartách o výstup do VHDL. Accelerate je možno chápat jako doménově specifický jazyk vestavěný do Haskellu s backendem pro prostředí NVIDIA CUDA. Rozšíření pro vysokoúrovňovou syntézu obvodů ve VHDL představené v této práci používá stejný jazyk a frontend.
|
|
|
Engine v GLSL
Šlesár, Michal ; Karas, Matej (oponent) ; Milet, Tomáš (vedoucí práce)
Tvorba grafickej aplikácie spúštanej na GPU typicky obnáša konfiguráciu GPU, vytvorenie a konfiguráciu potrebných objektov a následne implementáciu samotného chovania aplikácie. Cieľom práce je za pomoci aplikačného rozhrania OpenGL vytvoriť nástroj, ktorý by túto konfiguráciu automatizoval. Užívateľ by vďaka tomu nemusel strácať čas konfiguráciou a mohol by rýchlo tvoriť a prototypovať grafické aplikácie. Vytvorený nástroj navyše aplikácii pridáva rôzne rozširujúce možnosti, ktoré nie sú natívne na GPU dostupné alebo podporované, ako napríklad práca s myšou a klávesnicou.
|
|
|
Využití grafického adaptéru pro obecné výpočty
Boček, Michal ; Pospíchal, Petr (oponent) ; Jaroš, Jiří (vedoucí práce)
Tato bakalářská práce se zabývá popisem programovacích modelů OpenCL a CUDA pro paralelní programování grafických adaptérů a v případě OpenCL i dalších výpočetních platforem. Je zde popsána implementace aplikace počítající elektrický potenciál v krystalické mřížce. Použitý algoritmus byl naprogramován s využitím dvou technologií pro GPU - OpenCL a CUDA. Byla mezi nimi porovnána rychlost výpočtu a dále s rychlostí výpočtu na CPU.
|
host ::
RSS.