Clustering mittels Grafikprozessor Diplomarbeit Clustering mittels Grafikprozessor Robert Noll betreut von Prof. Dr. Christian Böhm Bianca Wackersreuther
Clustering mittels Grafikprozessor Grafikkarten : Computerspiele mit realistischer 3D-Grafik viel Leistung, geringe Preise rasante Weiterentwicklung programmierbare Shader
Clustering mittels Grafikprozessor Floating Point Operations Per Second
Clustering mittels Grafikprozessor Memory Bandwidth
Clustering mittels Grafikprozessor Massiv Parallel (hunderte von Threads) Daten-Parallel, SIMD simple Befehle, aber schnell
Clustering mittels Grafikprozessor NVIDIA CUDA SDK: Direkter Speicherzugriff (statt Texturen) Scatter-Write (keine Adress-Beschränkung) Atomare Operationen Shared Memory Cache (Register) erweiterte C Syntax Emulator funktioniert ohne Grafik-Karte
Clustering mittels Grafikprozessor K-Means Clustering 1 Thread pro Datenpunkt GPU berechnet Zuordnung und Abstand
Clustering mittels Grafikprozessor K-Means 8D k=1024 CPU GPU um Faktor 5-8 schneller
Clustering mittels Grafikprozessor DBScan Clustering density-based Clustering Nachbarn im ℰ Radius Kernpunkt wenn ≥ minPts Cluster ausbreiten
Clustering mittels Grafikprozessor DBScan Variante auf GPU mehrere Seeds parallel Nachbar-Markierung Kollisionen
Clustering mittels Grafikprozessor GPU-DBScan Kollisionsbehandlung Erkennung durch AtomicOps old := AtomicMax(addr,new); Eintrag in Connection Matrix
Clustering mittels Grafikprozessor GPU-DBScan Connection Matrix Finale Cluster ID erst bei Abschluss einer Kette Tabelle mit Finalen Cluster ID's für Seeds Abschluss 1, neue ID ID ausbreiten neuer Seed Connection Matrix (Bits) Finale Cluser ID Tabelle
Clustering mittels Grafikprozessor DBScan 8D minPts=4 ℰ=0.01 CPU GPU um Faktor 5-7 schneller
Clustering mittels Grafikprozessor Zusammenfassung viel Leistung, niedrige Preise massiv Parallel technische Einschränkungen Vielen Dank für die Aufmerksamkeit !