Комп'ютерні системи та мережі
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/2141
Browse
4 results
Search Results
Item Дослідження енергетичної ефективності графічних прискорювачів фірми NVIDIA(Видавництво Львівської політехніки, 2015) Олещук, О. В.; Попель, О. Є.; Копитчук, М. Б.Детально розглянуто енерговитрати під час виконання обчислень на CPU і GPU. Подано математичний апарат для обчислення питомої енергетичної ефективності й проведено експерименти, що дають змогу порівняти енергетичну ефективність CPU і GPU, а також виявити її залежність від певних параметрів програмної реалізації. Energy consumption of calculations in CPU and GPU is considered in the article. The mathematical apparatus for calculating the share of energy efficiency and made a series of experiments that allow to compare the energy efficiency of CPU and GPU, as well as identify its dependence on a number of parameters of program implementation.Item Метод вимірювання енергетичної ефективності обчислень на графічному ядрі(Видавництво Львівської політехніки, 2014) Олещук, О. В.; Попель, О. Є.; Копитчук, М. Б.Запропоновано метод вимірювання енергетичної ефективності обчислень на CPU і GPU, який не потребує спеціалізованого вимірювального обладнання. За результатами проведених експериментів порівняно ефективність обчислень на CPU і на GPU з погляду енерговитрат. This paper proposes a method for measuring the energy efficiency of computing on CPU and GPU, which does not require specialized instrumentation. The results of the experiments carried out to the comparison of the calculation effectiveness on the CPU and GPU in terms of energy consumption.Item Моделювання нейронних мереж Кохонена на графічному процесорі(Видавництво Львівської політехніки, 2013) Олещук, О. В.; Попель, О. Є.; Копитчук, М. Б.Розглядається інтеграція таких інформаційних технологій, як нейронні мережі і паралельні обчислення на графічному процесорному ядрі з використанням технології CUDA. Коротко описано нейронної мережі Кохонена і карт, що самоорганізуються. Запропонована модель цієї мережі, що враховує особливості апаратної платформи і дає змогу реалізувати нейронну мережу Кохонена на графічному процесорному ядрі, отримавши за рахунок цього істотний приріст продуктивності. This article discusses the integration of information technology such as neural networks and parallel computing on the graphic processor core using the CUDA technology. A brief description of the neural network and Kohonen self-organizing maps is adduced. A model of the network, which takes into account characteristics of the hardware platform, and allows realizing of the Kohonen neural network in the graphic processor core, due to this received substantial performance gains.Item Моделювання повнозв’язної нейронної мережі з використанням технології CUDA(Видавництво Львівської політехніки, 2012) Олещук, О. В.; Попель, О. Є.; Копитчук, М. Б.Розглянуто задачу істотного підвищення продуктивності обчислювальних систем за рахунок використання сучасних апаратних засобів, таких як графічний процесор загального призначення. Описано відповідну програмну технологію CUDA і проаналізовано її ключові особливості, які суттєво впливають на продуктивність. На основі проведеного аналізу вибрана модель нейронної мережі та описано підхід до її реалізації. Наведено порівняльний аналіз реалізацій нейронної мережі на центральному та графічному процесорі, а також вплив деяких параметрів мережі на продуктивність. There is considered the problem of significant improvement of computing systems performance by using modern hardware such as a general purpose graphics processing units. An appropriate software technology CUDA is considered and its key features that significantly affect performance are analyzed. Based on the analysis a neural network model is selected and is described an approach to its implementation. We give a comparative analysis of neural network implementations on central and graphics processors, as well as the influence of several parameters on network performance.