Algorithm Engineering „GPU Algorithmen“

Slides:



Advertisements
Ähnliche Präsentationen
Cluster- Projekt Präsentiert von Dominik Henn & Torben Pastuch
Advertisements

Matrixmultiplikation
Spezialvorlesung Suchalgorithmen Thema: Einzelzustandsraumsuche Stefan Edelkamp.
Schnelle Matrizenoperationen von Christian Büttner
2. Kapitel: Komplexität und Komplexitätsklassen
Wie lösen wir ILPs exakt?
Was wir zur numerischen Lösung von Dglen wissen
WS 03/04 Algorithmentheorie 03 - Randomisierung Prof. Dr. S. Albers Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen Halbzeit: Was haben wir bisher gelernt? Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (11-1 –Selbstanordnende lineare Listen) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27-Selbstanordnende lineare Listen) Prof. Th. Ottmann.
Lösung linearer Gleichungssysteme
Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUTE University of Paderborn Algorithms and Complexity Algorithmen und Komplexität Teil 1: Grundlegende.
Beispiele für Gleichungssysteme
Problemstellung Berechne die Summe der Quadrate aller natürlichen Zahlen bis zu einer vorgegebenen Zahl (bspw. 100)! Oder mathematisch: Berechne.
Algorithmische Geometrie
Algorithmen und Komplexität
DVG Gaußscher Algorithmus1 Gaußscher Algorithmus.
Gaußscher Algorithmus
Kurzvorstellung der AG Algorithmen und Komplexität MPI Informatik
Random Heightmap on GPU
Matrix Multiplication on CUDA
§ 29 Determinanten: Eigenschaften und Berechnung
Leitfaden Motivation Was ist CUDA ? NVIDIA Grafikkarte Programmierung
Effiziente Algorithmen
Einführung in die Informatik für Naturwissenschaftler und Ingenieure
Einführung in die Programmierung Wintersemester 2013/14 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
F.Ladstätter und R.Elsässer VP Wissenschaftliches Arbeiten und Präsentation 13. Dezember 2001.
Computerorientierte Physik VORLESUNG Zeit: jeweils Mo Uhr Ort: Hörsaal 5.01, Institut für Experimentalphysik, Universitätsplatz 5, A-8010.
Einführung in die Programmierung
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Einführung in die Programmierung Wintersemester 2012/13 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
GPU Computing Burim Kameri Fachhochschule Hannover (FHH)
GPU Computing Burim Kameri Fachhochschule Hannover (FHH)
Einführung in die Programmierung Wintersemester 2009/10 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Einführung in die Programmierung Wintersemester 2008/09 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Einführung in die Programmierung Wintersemester 2009/10 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Einführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung) (Vorlesung) Prof. Dr. Günter Rudolph Fakultät.
Einführung in die Programmierung Wintersemester 2009/10 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Einführung in die Programmierung Wintersemester 2011/12 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Einführung in die Programmierung Wintersemester 2012/13 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund.
Parallel Matrix Multiplication
Limited Local Search And Restart Nähere Betrachtungen.
Charakteristika linearer Gleichungen auffinden Lineare Gleichungssysteme Lösen durch Elimination Eliminationsprogramm erstellen Anwendung: Bahn eines.
Institut für Wirtschaftsinformatik – Software Engineering, JKU Linz 1 Algorithmen und Datenstrukturen SS 2005 Mag.Th. Hilpold u. Dr. A.Stritzinger Institut.
Algorithm Engineering Parallele Algorithmen Stefan Edelkamp.
Algorithm Engineering Parallele Algorithmen Stefan Edelkamp.
Algorithm Engineering Schnelles Sortieren Stefan Edelkamp.
Algorithm Engineering „Zeichenkettensuche“
2.4 Rekursion Klassifikation und Beispiele
Ein Vortrag von Simon Bayer
Algorithmen und Datenstrukturen Übungsmodul 1
Determinanten und Cramer‘sche Regel
Die Idee hinter Copying Garbage Collection (1) Aufteilung des Heaps in zwei Teile: To-Space und From-Space Nutzung eines Teiles durch das Programm Ist.
Externspeicher- Algorithmen:Teil 2
Gaußelimination, Teilprojekt 1&2: Schlechtkonditionierte lineare G.S. Alexander Zapletal,Gerald Meinhart 1/17 Schlechtkonditionierte lineare GS. Ax = b.
Software Engineering Grundlagen
WebComposition & WCML Ein Vortrag von Michael Capper & Lars Völker.
Direkte Darstellung von Faserinformation durch Kohärenzmaße
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Mergesort.
Algorithm Engineering „Suffix-Bäume und Suffix-Arrays“ Stefan Edelkamp.
Grundlagen der Mathematik Wintersemester 2015/16 FB2:Informatik und Ingenieure Frankfurt am Main Dr. I. Huber.
Lineare Algebra Softwareprojekt: Anwendung von Algorithmen Sebastian Kürten, Philipp Borgers SoSe 2010.
Prozessor CPU Bauteilname 1. Ausschneiden
 Präsentation transkript:

Algorithm Engineering „GPU Algorithmen“ Stefan Edelkamp

Übersicht GPU Architektur und Effektivität CUDA Programmierung Matrixmultiplikation Lösen von linearen Gleichungssystemen Anwendung: Probabilistische Modellprüfung Experimente Breitensuche und Retrograde Analyse auf der GPU

GPU Architektur (GTX 280 Chip)

Effektivität

CUDA

CUDA Programmierung

CUDA Programmierung

CUDA Programmierung

Hierarchischer Speicher

Lösen von linearen Gleichungssystemen

Darstellung dünner Matrizen

Adaption

Berechnung auf der GPU

Anwendung: Probabilistische Modellprüfung

Anwendung: Probabilistische Modellprüfung

Anwendung: Probabilistische Modellprüfung

Anwendung: Probabilistische Modellprüfung

Anwendung: Probabilistische Modellprüfung

Aufteilung der Matrix

Termination

Algorithmus

Experimente

Experimente

Experimente

Ergebnis

Experimente

Ergebnis

Einfache vs. Doppelte Präzision

Breitensuche auf der GPU

Perfektes Hashen auf der CPU Expansion und Ranking auf der GPU

Pseude Code

Kernel Funktionen

Solitär

Ergebnisse Solitär

Frösche und Kröten

Ergebnis Frösche und Kröten Lösung: 115 worst-case: 117 Züge

Fuchs und Gänse

Ergebnis Fuchs und Hennen