Procesamiento de imágenes en GPUs mediante CUDA. I. Introducción. Indice de contenidos

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Procesamiento de imágenes en GPUs mediante CUDA. I. Introducción. Indice de contenidos"

Transcripción

1 Procesamiento de imágenes en GPUs mediante CUDA Manuel Ujaldón Martínez Nvidia CUDA Fellow Departamento de Arquitectura de Computadores Universidad de Málaga Indice de contenidos 1. Introducción. [2] 2. La GPU en computación heterogénea. [5] 3. La GPU en computación de altas prestaciones. [7] 4. Procesamiento de imágenes en GPU-CUDA [23]: 1. Herramientas y lenguajes a utilizar. [8] 2. Caracterización de la imagen: Extracción de rasgos. [15] 1. Kernels desarrollados [9] 2. Implementación en CUDA [3] 3. Resultados experimentales y análisis [6] 5. Recomendaciones finales [1] 2 El mercado de los chips gráficos y su peso en el contexto global de la circuitería para PC I. Introducción Número total de chips gráficos vendidos en un trimestre: 124 millones el último trimestre de millones el penúltimo trimestre de millones el último trimestre de El mercado de los chips gráficos sigue creciendo, aunque se notan los efectos de la crisis. Comparado con las ventas de PCs, que fueron de 93.5 millones en el último trimestre de 2011, tenemos 1.5 chips gráficos por cada PC, y este porcentaje del 150% viene creciendo de forma sostenida desde el 115% en

2 En apenas 5 años, la programación CUDA está muy extendida y plenamente consolidada II. La GPU en computación heterogénea Se publican más de 500 artículos científicos cada año. Más de 500 universidades incluyen CUDA en sus cursos. Más de 350 millones de GPUs se programan con CUDA. Más de programadores CUDA en activo. Más de un millón de descargas del compilador y toolkit. 6 5 El eje central de la próxima generación: Computación heterogénea En lugar de rivalizar, vamos a aprovechar lo mejor de cada modelo computacional A favor de la CPU:! Cachés muy rápidas.! Buen manejo de las dependencias de datos y control.! Muchos paradigmas para ejecutar hilos y procesos.! Alto rendimiento sobre un único hilo de ejecución.! Mejor cobertura de E/S cores 16 cores Utilizar tanto la CPU como la GPU Cada procesador se encarga de ejecutar aquello en lo que es más eficiente PARALELISMO DE TAREAS 7 A favor de la GPU:! Núcleos computacionales muy numerosos.! Paralelismo masivo.! Hardware dedicado para cálculos matemáticos.! Alto rendimiento ejecutando tareas paralelas.! DRAM muy veloz. PARALELISMO DE DATOS 8

3 La unión CPU-GPU permite lograr un entorno altamente complementario Ámbitos de aplicación del modelo heterogéneo Gran ancho de banda en las comunicaciones: Externas: Superior a 10 GB/s (PCI-express 3). Internas: Superior a 100 GB/s (memoria de vídeo GDDR5 y anchura de bus en torno a 384 bits, que es como un séxtuple canal en CPU). Computación altamente paralela GPU (Computación paralela) Gráficos Init Alloc Función Lib Lib Función Función GPU Control y comunicación CPU (Computación secuencial) Aplicaciones de productividad Aplicaciones intensivas en el acceso a datos CPU Operación 1 Operación 2 Operación 3 Oil & Gas Finance Medical Biophysics Numerics Audio Video Imaging 9 10 Cómo encontrar el punto óptimo de cooperación en computación heterogénea III. La GPU en computación de altas prestaciones 11 12

4 Los supercomputadores más potentes se construyen mayoritariamente con GPUs 18 de Junio de 2012: Y las herramientas de programación están también a la altura de estas exigencias 9 de Noviembre de 2011: Librerías. Lenguajes y APIs. Debuggers. Profilers. Gestión de tareas y recursos. 13 Existe una plataforma hardware para cada perfil de usuario... Cientos de investigadores Miles de investigadores Cluster a gran escala 14 Existen tres perfiles de usuario en Nvidia dentro de la base de la pirámide anterior Más de un millón de dólares Cluster preconfigurado de servidores Tesla Entre y de dólares GeForce Jugones: Ocio y entretenimiento Millones de investigadores Tarjeta gráfica Quadro Gráficos profesionales: Diseño y creación Tesla Computación de altas prestaciones Menos de 5000 dólares 15 Todos ellos basados en una misma microarquitectura 16

5 Rendimiento La relación rendimiento/coste es muy favorable y el consumo es más eficiente 10000x Cluster de nodos Tesla para coprocesamiento $! #" 100x Supercomputador personal con GPU 100 veces más potente 100 veces más económico 100 veces más potente Cluster tradicional de CPUs #! " 18X mejor ratio en rendimiento/vatio respecto a la CPU Estación de trabajo CPU 1x < 10000! Coste M! 17! %&'()*+,*+ -*./0()#!1! 18 El sistema Cómo se construye un supercomputador: BlueGene/L El armario (rack) 32 Nodos 64 Racks, 64x32x32 IV. Procesamiento de imágenes en GPU mediante CUDA El nodo (32 chips 4x4x2) 16 computan, 0-2 E/S 180/360 TFLOPS 32 TB Las placas base 2 chips, 1x2x1 2.8/5.6 TFLOPS 512 GB El chip 2 procesadores 2.8/5.6 GFLOPS 4 MB 5.6/11.2 GFLOPS 1.0 GB 90/180 GFLOPS 16 GB 19 20

6 Lenguajes y herramientas útiles para el programador y su evolución IV.1 Lenguajes y herramientas En el contexto de la programación gráfica: 2001: HLSL (programación de shaders - Microsoft). 2003: OpenGL y Cg (C vectorial para shaders - Nvidia). 2006: CUDA (GPGPU para plataformas Nvidia). 2009: OpenCL (GPGPU para todo tipo de plataformas gráficas). 2012: OpenACC (para programadores menos avezados). En el contexto de la programación paralela de CPUs: P-threads para las plataformas multi-core. MPI/OpenMP para las plataformas multi-socket. Veamos cómo se relaciona todo esto basándonos en la programación de nuestras aplicaciones Versiones multicore en CPU y GPU Versiones multinodo 23 24

7 Versiones multicore sobre múltiples nodos Ruta seguida por nuestra primera aplicación: Extracción de rasgos de una imagen Ruta seguida por nuestra segunda aplicación: Segmentación y clustering de imágenes Ruta seguida por nuestra tercera aplicación: Registro y reconstrucción 3D 27 28

8 IV.2 Caracterización de la imagen: Extracción de rasgos IV.2.1 Kernels desarrollados Operadores que vamos a implementar en CUDA para caracterizar imágenes Conversiones de formato para el color Conversiones de formato en tratamiento del color. Utilizar la representación más adecuada según la aplicación. Se trata de los operadores más afines a la GPU, catalogados como "streaming". Operadores en el entorno de vecindad (stencils). LBP (Local Binary Pattern). Utilizados para representar con mayor fidelidad el color en el procesamiento de imágenes, como por ejemplo: Matrices de co-ocurrencia. Cálculo de parámetros estadísticos para el análisis de texturas. Momentos de Legendre y Zernike. Reconstrucción de imágenes, filtros/convoluciones y análisis de texturas. 31 Color por adición (luz en monitores): RGB, XYZ. Color por sustracción (tinta en papel): CMYK. Gestión del color: LUV, LA*B*, HSV. Almacenamiento digital y fotografía: srgb, JPEG, PNG. Representación de texturas para renderización (bitmaps). Se requiere una conversión de formato desde el formato origen a otro más apropiado según el ámbito de trabajo de la aplicación. 32

9 Operadores en el entorno de vecindad: LBP (Local Binary Pattern) (1) Basado en patrones binarios locales (Ojala, 2002) Recoge la proporción de micro-rasgos tales como aristas, brillo y puntos oscuros. Resulta muy utilizado en aplicaciones como el reconocimiento de expresiones faciales. Operadores en el entorno de vecindad: LBP (Local Binary Pattern) (2) Es invariante a la rotación de la imagen y a variaciones de intensidad local o global. Para ello, cada valor obtenido se caracteriza dentro de una de las nueve clases siguientes: Matrices de co-ocurrencia Ideadas por Haralick (1973). Histograma de intensidades de pares de píxeles que guardan una determinada relación espacial [dx,dy]. Recoge la variación espacial de intensidades. Se usa como estructura de datos intermedia para calcular ciertos rasgos: Contraste, correlación, energía, Ejemplo para una pequeña imagen con cuatro niveles de intensidad: Variantes para el cálculo de las matrices de co-ocurrencia Dependiendo de la aplicación que las utilice: Se calculan para cada píxel o subimagen a tratar. Tamaño de ventana a procesar centrada en cada píxel o subimagen: Desde pequeña (4x4) a grande (256x256). Espacio de color discretizado o completo [0..255]. Calculado para cada canal de color de forma separada o sobre escala de grises de forma conjunta. Configuración experimental: Resolución de las imágenes de entrada. Tratamiento hardware: CPU vs GPU. Estructuras de datos: Matrices densas/dispersas

10 Momentos de Legendre y Zernike Momentos de Legendre y Zernike (2) Son filtros definidos en el dominio espacial como una forma directa de capturar las propiedades de una textura. Los polinomios de Legendre y Zernike representan una imagen mediante un conjunto de descriptores mutuamente independientes. Los polinomios de Zernike son más exigentes computacionalmente que los de Legendre, pero también son invariantes a transformaciones lineales (escalado, rotación), siendo más atractivos para procesamiento de imágenes. 37 El momento calculado para una ventana centrada en un píxel puede interpretarse como una convolución de la imagen con una máscara. Cuanto mayor es el número de momentos, mejor es la reconstrucción. Las implementaciones existentes en CPU se han optimizado utilizando algoritmos recursivos, lo que plantea un reto a la GPU debido a las dependencias de datos entre iteraciones de los lazos. La alternativa de cálculo utilizando métodos directos (vs. iterativos) resulta más rápida en GPU, ya que aunque se requieren más computos, se explota mucho más paralelismo. 38 Ejemplo: Momento de Zernike de orden 0 aplicado al canal rojo de 6 ventanas 64x64 Tejido óseo:! ! ! IV.2.2. La implementación en CUDA Cartílago:! ! !

11 Las bazas de la GPU para mejorar implementaciones ya existentes en CPU Ejemplo de optimización sobre la jerarquía de memoria de CUDA! Explotar el paralelismo inherente a la aplicación: Elegir el número de threads óptimo y su despliegue en bloques.! Utilizar mecanismos específicos para el acceso a memoria en GPU.! Evitar conflictos en el acceso a bancos de memoria.! Grandes latencias en el acceso a memoria global, poca capacidad de memoria local y muy cercana a la velocidad del banco de registros.! Elección de la estructura de datos más adecuada.! Crear kernels que reutilicen datos. GPU Multiprocesador N Multiprocesador 2 Multiprocesador 1 Regs Core 1 Memoria compartida Regs Core 2 Caché de texturas Memoria global Regs Core M 41 Las matrices de co-ocurrencia tienden a concentrar sus elementos en torno a la diagonal principal. Algunos ejemplos ilustrativos: Regeneración ósea según diferentes tinciones: Diagnóstico del cáncer Solución: Utilizar matrices dispersas para minimizar el consumo de memoria. 42 Implementación mediante matrices dispersas: Utilizamos el formato coordenado Ejemplo: IV.2.3. Análisis de rendimiento Resulta algo más difícil de acceder que las listas simple o doblemente enlazadas, pero también es más compacto, que es nuestra prioridad aquí

12 Procesadores utilizados en la evaluación experimental de todos estos algoritmos Resultados para las conversiones de color Parámetro hardware CPU GPU Modelo comercial Código de referencia Frecuencia de reloj Potencia bruta de cálculo Anchura del bus de memoria Intel Core 2 Duo E GHz 10 GFLOPS 64 bits Nvidia GeForce 8800 GTX (G80) 575 MHz 520 GFLOPS 384 bits Conversión Tiempo en CPU Tiempo en GPU Aceleración en GPU RGB to XYZ RGB to Luv RGB to LA*B* RGB to HSV ms ms ms ms ms ms ms ms x x x 28.98x Reloj para la memoria 2x333 MHz 2x900 MHz RGB to srgb ms ms x Ancho de banda de la memoria 10.8 GB/sg GB/sg. srgb to XYZ ms ms x Tamaño y tipo de memoria 2 GB DDR2 768 MB GDDR3 srgb to Luv ms ms x srgb to LA*B* ms ms x Resultados para el operador LBP Resultados para las matrices de co-ocurrencia. Mejoras en GPU y usando matrices dispersas Tamaño de la ventana CPU/C++ GPU/Cg GPU/CUDA Aceleración en GPU Tamaño de la ventana CPU/ densa GPU/ densa GPU/ dispersa % de datos no nulos Mejora dispersa GPU/CPU 128x ms ms ms x 4x % 76.10x 13.60x 256x ms ms ms x 8x % 47.62x 17.62x 512x ms ms ms x 16x % 19.43x 7.23x 1K x 1K ms ms ms x 32x % 10.31x 4.10x 2K x 2K ms ms ms x 64x % 4.45x 1.77x Se consiguen mayores aceleraciones a medida que aumenta el tamaño de la ventana. La GPU es más efectiva en ventanas grandes, mientras que CUDA se luce más en tamaños de ventana pequeños. 128x % 1.10x 0.38x 256x % 0.19x 0.32x La GPU es más efectiva cuanto más dispersa es la matriz

13 Resultados para las matrices de co-ocurrencia. Mejoras según formato de la matriz dispersa Resultados para los momentos de Zernike para toda una imagen de 1K x 1K Tamaño de la ventana Formato coordenado Listas simplemente enlazadas Listas doblemente enlazadas Momentos calculados (nº) Método recursivo óptimo en CPU Método directo en GPU Aceleración en GPU 4 x A4,* (3) 62.5 ms ms x 8 x A8,* (5) 54.5 ms ms x 16 x A12,* (7) 62.5 ms ms x 32 x A16,* (9) 78.0 ms ms x 64 x A20,* (11) 93.5 ms ms x 128 x x La GPU es más efectiva utilizando formatos Mayores aceleraciones en GPU en los momentos de orden inferior. sencillos de matrices dispersas Síntesis de resultados. Caracterización de cada algoritmo sobre la GPU Recomendaciones finales para optimizar algoritmos en la GPU usando CUDA Rasgo a cuantificar Entrada Salida Canales de color Rango computacional Peso computacional Tipo de operador Reutilización de datos Localidad de acceso Conversiones de color Operadores de vecindad Matrices de coocurrencia Momentos de Zernike Un píxel Ventana 3x3 Subimagen Ventana variable Un píxel Un solo valor Cto. de valores Matriz de tam. var. Tres Uno Uno Tres Por píxel Por píxel Por subimagen Por píxel Muy ligero Ligero Pesado Muy pesado Streaming Streaming Recursivo Recurrente Ninguno Bajo Muy alto Alto Ninguna Baja Alta Muy alta Implementar sobre todo algoritmos de computación regular, fuertemente paralelos y aritméticamente intensivos. Adaptar el algoritmo para expresarlo mediante un número elevado de hilos lo más ligeros posible. Rediseñar el algoritmo para evitar recursividades y recurrencias. Pensar en las optimizaciones específicas de CUDA: Maximizar el ancho de banda: Coalescing y conflictos en bancos. Maximizar el uso del tamaño de memoria compartida disponible. Intensidad aritmética Muy alta Media Alta Baja Acceso a memoria Bajo Medio Alto Muy alto Aceleración en GPU x x 1-2x 0.7-1x 51 52

1. Introducción. Indice de contenidos [70 diapositivas] Aplicaciones bioinformáticas en GPUs: Imágenes de alta resolución y análisis genómico

1. Introducción. Indice de contenidos [70 diapositivas] Aplicaciones bioinformáticas en GPUs: Imágenes de alta resolución y análisis genómico Aplicaciones bioinformáticas en GPUs: Imágenes de alta resolución y análisis genómico Manuel Ujaldón Martínez Nvidia CUDA Fellow Departamento de Arquitectura de Computadores Universidad de Málaga Indice

Más detalles

Arquitecturas GPU v. 2013

Arquitecturas GPU v. 2013 v. 2013 Stream Processing Similar al concepto de SIMD. Data stream procesado por kernel functions (pipelined) (no control) (local memory, no cache OJO). Data-centric model: adecuado para DSP o GPU (image,

Más detalles

Kepler. 1. Presentación de la arquitectura. Índice de contenidos [25 diapositivas] Kepler, Johannes (1571-1630)

Kepler. 1. Presentación de la arquitectura. Índice de contenidos [25 diapositivas] Kepler, Johannes (1571-1630) Índice de contenidos [25 diapositivas] Manuel Ujaldón Nvidia CUDA Fellow Dpto. Arquitectura de Computadores Universidad de Málaga 1. Presentación de la arquitectura [3] 2. Los cores y su organización [7]

Más detalles

Modelo de aplicaciones CUDA

Modelo de aplicaciones CUDA Modelo de aplicaciones CUDA Utilización de GPGPUs: las placas gráficas se utilizan en el contexto de una CPU: host (CPU) + uno o varios device o GPUs Procesadores masivamente paralelos equipados con muchas

Más detalles

High Performance Computing and Architectures Group

High Performance Computing and Architectures Group HPCA Group 1 High Performance Computing and Architectures Group http://www.hpca.uji.es Universidad Jaime I de Castellón ANACAP, noviembre de 2008 HPCA Group 2 Generalidades Creado en 1991, al mismo tiempo

Más detalles

Computación heterogénea y su programación. 1. Introducción a la computación heterogénea. Indice de contenidos [38 diapositivas]

Computación heterogénea y su programación. 1. Introducción a la computación heterogénea. Indice de contenidos [38 diapositivas] Computación heterogénea y su programación Manuel Ujaldón Nvidia CUDA Fellow Departmento de Arquitectura de Computadores Universidad de Málaga (España) Indice de contenidos [38 diapositivas] 1. Introducción

Más detalles

Tarjetas gráficas para acelerar el cómputo complejo

Tarjetas gráficas para acelerar el cómputo complejo LA TECNOLOGÍA Y EL CÓMPUTO AVANZADO Tarjetas gráficas para acelerar el cómputo complejo Tarjetas gráficas para acelerar el cómputo complejo Jorge Echevarría * La búsqueda de mayor rendimiento A lo largo

Más detalles

Procesador Intel Core 2 Extreme de 4 núcleos Traducción de Textos Curso 2007/2008

Procesador Intel Core 2 Extreme de 4 núcleos Traducción de Textos Curso 2007/2008 Procesador Intel Core 2 Traducción de Textos Curso 2007/2008 Versión Cambio 0.9RC Revisión del texto 0.8 Traducido el octavo párrafo 0.7 Traducido el séptimo párrafo Autor: Rubén Paje del Pino i010328

Más detalles

Seminario II: Introducción a la Computación GPU

Seminario II: Introducción a la Computación GPU Seminario II: Introducción a la Computación GPU CONTENIDO Introducción Evolución CPUs-Evolución GPUs Evolución sistemas HPC Tecnologías GPGPU Problemática: Programación paralela en clústers heterogéneos

Más detalles

INFORMACIÓN TÉCNICA ACERCA DE TOSHIBA Y LA TECNOLOGÍA MÓVIL. Toshiba y la tecnología móvil Intel Centrino Duo para empresas

INFORMACIÓN TÉCNICA ACERCA DE TOSHIBA Y LA TECNOLOGÍA MÓVIL. Toshiba y la tecnología móvil Intel Centrino Duo para empresas Toshiba y la tecnología móvil Intel Centrino Duo para empresas En el mundo empresarial actual, el ordenador portátil es la herramienta móvil esencial tanto para la productividad como para las comunicaciones.

Más detalles

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY EL CLUSTER

Más detalles

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS MAURO CANABÉ SERGIO NESMACHNOW Centro de Cálculo, Facultad de Ingeniería Universidad de la República, Uruguay GPU IMPLEMENTATIONS

Más detalles

ITT-327-T Microprocesadores

ITT-327-T Microprocesadores ITT-327-T Microprocesadores Introducción al Microprocesador y al Microcomputador. al Microcomputador. Profesor Julio Ferreira. Sistema Microcomputador. Un Sistema Microcomputador tiene dos componentes

Más detalles

AUTORES CIENTÍFICO-TÉCNICOS Y ACADÉMICOS El mundo de las tarjetas gráficas Laura Raya González La capacidad computacional de todo un centro de computación, al alcance de tus manos Las tarjetas gráficas

Más detalles

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Clusters Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Introducción Aplicaciones que requieren: Grandes capacidades de cómputo: Física de partículas, aerodinámica, genómica, etc. Tradicionalmente

Más detalles

Computación de Propósito General en Unidades de Procesamiento Gráfico GPGPU

Computación de Propósito General en Unidades de Procesamiento Gráfico GPGPU Computación de Propósito General en Unidades de Procesamiento Gráfico () R. Bayá, E. Dufrechou, P. Ezzattiy M. Pedemonte Clase 1 Introducción Contenido Un poco de historia El pipeline gráfico Tarjetas

Más detalles

CLUSTER FING: ARQUITECTURA Y APLICACIONES

CLUSTER FING: ARQUITECTURA Y APLICACIONES CLUSTER FING: ARQUITECTURA Y APLICACIONES SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción Clusters Cluster

Más detalles

Introducción. Por último se presentarán las conclusiones y recomendaciones pertinentes.

Introducción. Por último se presentarán las conclusiones y recomendaciones pertinentes. Introducción En el presente documento se explicarán las consideraciones realizadas para implementar la convolución bidimensional en la arquitectura CUDA. En general se discutirá la metodología seguida

Más detalles

Profesor Santiago Roberto Zunino. Página 1

Profesor Santiago Roberto Zunino. Página 1 Profesor Santiago Roberto Zunino. Página 1 Software según su Hardware. Para establecer el software que debemos utilizar, siempre tenemos que tener en cuenta el Hardware con el que contamos, para tener

Más detalles

Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes.

Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes. Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes. Fabiana Leibovich, Armando De Giusti, Marcelo Naiouf, Laura De Giusti,

Más detalles

Ejemplos de optimización para Kepler. 1. Balanceo dinámico de la carga. Contenidos de la charla [18 diapositivas]

Ejemplos de optimización para Kepler. 1. Balanceo dinámico de la carga. Contenidos de la charla [18 diapositivas] Ejemplos de optimización para Kepler Manuel Ujaldón Nvidia CUDA Fellow Dpto. Arquitectura de Computadores Universidad de Málaga Contenidos de la charla [18 diapositivas] 1. Balanceo dinámico de la carga.

Más detalles

COMPUTADORES MULTINUCLEO. Stallings W. Computer Organization and Architecture 8ed

COMPUTADORES MULTINUCLEO. Stallings W. Computer Organization and Architecture 8ed COMPUTADORES MULTINUCLEO Stallings W. Computer Organization and Architecture 8ed Computador multinucleo Un computador multinúcleocombina dos o mas procesadores (llamados núcleos) en una única pieza de

Más detalles

Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala

Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala 1. Introducción Los procesadores con dos núcleos existen actualmente, y los procesadores de cuatro están insertándose en el mercado lentamente,

Más detalles

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013 FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS CNCA Abril 2013 6. COMPUTACIÓN DE ALTO RENDIMIENTO Ricardo Román DEFINICIÓN High Performance Computing - Computación de Alto Rendimiento Técnicas, investigación

Más detalles

Solving Dense Linear Systems on Platforms with Multiple Hardware Accelerators

Solving Dense Linear Systems on Platforms with Multiple Hardware Accelerators Solving Dense Linear Systems on Platforms with Multiple Hardware Accelerators Maribel Castillo, Francisco D. Igual, Rafael Mayo, Gregorio Quintana-Ortí, Enrique S. Quintana-Ortí, Robert van de Geijn Grupo

Más detalles

Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570

Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570 Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570 Juan Carlos Fernández Rodríguez. Área de HPC. Centro Informático Científico de Andalucía (CICA) Junta de Andalucía

Más detalles

Talleres CLCAR. CUDA para principiantes. Título. Mónica Liliana Hernández Ariza, SC3UIS-CRC NVIDIA Research Center monicalilianahernandez8@gmail.

Talleres CLCAR. CUDA para principiantes. Título. Mónica Liliana Hernández Ariza, SC3UIS-CRC NVIDIA Research Center monicalilianahernandez8@gmail. a CUDA para principiantes Mónica Liliana Hernández Ariza, SC3UIS-CRC NVIDIA Research Center monicalilianahernandez8@gmail.com Tener un primer encuentro práctico con la programación en CUDA para personas

Más detalles

EXPEDIENTE: 2/2015 ADQUISICIÓN E INSTALACIÓN DE INFRAESTRUCTURA CIENTÍFICA Y TECNOLÓGICA PARA CÉNITS PLIEGO DE PRESCRIPCIONES TÉCNICAS

EXPEDIENTE: 2/2015 ADQUISICIÓN E INSTALACIÓN DE INFRAESTRUCTURA CIENTÍFICA Y TECNOLÓGICA PARA CÉNITS PLIEGO DE PRESCRIPCIONES TÉCNICAS EXPEDIENTE: 2/2015 ADQUISICIÓN E INSTALACIÓN DE INFRAESTRUCTURA CIENTÍFICA Y TECNOLÓGICA PARA CÉNITS PLIEGO DE PRESCRIPCIONES TÉCNICAS PLIEGO DE PRESCRIPCIONES TÉCNICAS. EXPTE 2/2015 Adquisición e instalación

Más detalles

Intel XeonPhi Workshop

Intel XeonPhi Workshop Intel XeonPhi Workshop Elena Núñez-González Unidad Informática Científica - CIEMAT Madrid, 11 de Febrero de 2015 Evento Lugar, Fecha Índice Introducción MIC Intel Xeon Phi Arquitectura Intel Xeon Phi Entorno

Más detalles

Tema: Historia de los Microprocesadores

Tema: Historia de los Microprocesadores Universidad Nacional de Ingeniería Arquitectura de Maquinas I Unidad I: Introducción a los Microprocesadores y Microcontroladores. Tema: Historia de los Microprocesadores 1 Contenidos La década de los

Más detalles

CAR. http://acarus.uson.mx/cursos2013/car.htm

CAR. http://acarus.uson.mx/cursos2013/car.htm CAR http://acarus.uson.mx/cursos2013/car.htm Sistemas de CAR en la UNISON Responsable : María del Carmen Heras Sánchez Asesores Técnicos : Aracely Dzul Campos Daniel Mendoza Camacho Yessica Vidal Quintanar

Más detalles

Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs

Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs Técnicas SuperEscalares en la Paralelización de Bibliotecas de Computación Matricial sobre Procesadores Multinúcleo y GPUs Enrique S. Quintana-Ortí quintana@icc.uji.es High Performance Computing & Architectures

Más detalles

Descubriendo Kepler. 1. Presentación de la arquitectura. Agradecimientos. Indice de contenidos [46 diapositivas]

Descubriendo Kepler. 1. Presentación de la arquitectura. Agradecimientos. Indice de contenidos [46 diapositivas] Agradecimientos Descubriendo Kepler Manuel Ujaldón Nvidia CUDA Fellow Dpto. Arquitectura de Computadores Universidad de Málaga A los ingenieros de Nvidia, por compartir ideas, material, diagramas, presentaciones,...

Más detalles

270150 - TGA - Tarjetas Gráficas y Aceleradores

270150 - TGA - Tarjetas Gráficas y Aceleradores Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 701 - AC - Departamento de Arquitectura de Computadores Curso: Titulación: 2014 GRADO EN INGENIERÍA INFORMÁTICA

Más detalles

4. Programación Paralela

4. Programación Paralela 4. Programación Paralela La necesidad que surge para resolver problemas que requieren tiempo elevado de cómputo origina lo que hoy se conoce como computación paralela. Mediante el uso concurrente de varios

Más detalles

UNA NUEVA GENERACIÓN: HÍBRIDOS CPU/GPU. Microprocesadores para Comunicaciones. Paloma Monzón Rodríguez 42217126M

UNA NUEVA GENERACIÓN: HÍBRIDOS CPU/GPU. Microprocesadores para Comunicaciones. Paloma Monzón Rodríguez 42217126M UNA NUEVA GENERACIÓN: HÍBRIDOS CPU/GPU Microprocesadores para Comunicaciones 2010 Paloma Monzón Rodríguez 42217126M Índice 1. Introducción... 3 2. Unidad Central de Procesamiento (CPU)... 4 Arquitectura

Más detalles

Dr.-Ing. Paola Vega Castillo

Dr.-Ing. Paola Vega Castillo EL-3310 DISEÑO O DE SISTEMAS DIGITALES Dr.-Ing. Paola Vega Castillo Información n General Curso: Diseño de Sistemas Digitales Código: EL-3310 Tipo de curso: Teórico Créditos/Horas por semana: 4/4 Requisito:

Más detalles

Recomendaciones previas Sistemas operativos: Hardware:

Recomendaciones previas Sistemas operativos: Hardware: Recomendaciones previas La instalación de la V.18 es compatible con el resto de versiones de Cadwork, no siendo necesario desinstalar las versiones anteriores. Sistemas operativos: Microsoft Windows 7

Más detalles

ACTIVIDADES TEMA 1. EL LENGUAJE DE LOS ORDENADORES. 4º E.S.O- SOLUCIONES.

ACTIVIDADES TEMA 1. EL LENGUAJE DE LOS ORDENADORES. 4º E.S.O- SOLUCIONES. 1.- a) Explica qué es un bit de información. Qué es el lenguaje binario? Bit es la abreviatura de Binary digit. (Dígito binario). Un bit es un dígito del lenguaje binario que es el lenguaje universal usado

Más detalles

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción: arquitecturas

Más detalles

Segmentación de Imágenes en Procesadores Many-Core

Segmentación de Imágenes en Procesadores Many-Core Universidad de Santiago de Compostela Segmentación de Imágenes en Procesadores Many-Core Lilien Beatriz Company Garay Fernández lilien.gf@gmail.com Indice 1. Introducción Single-chip Cloud Computer (SCC)

Más detalles

Tecnología de la Información y las Comunicaciones. Colegio Bosque Del Plata. UNIDAD 6 Hardware Procesador y Unidades de Almacenamiento.

Tecnología de la Información y las Comunicaciones. Colegio Bosque Del Plata. UNIDAD 6 Hardware Procesador y Unidades de Almacenamiento. Colegio Bosque Del Plata Tecnología de la Información y las Comunicaciones UNIDAD 6 Hardware Procesador y Unidades de Almacenamiento. E-mail: garcia.fernando.j@gmail.com Profesor: Fernando J. Garcia Ingeniero

Más detalles

EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM)

EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM) EVALUACIÓN COMPARADA DEL RENDIMIENTO DEL PROCESADOR INTEL 5570 (NEHALEM) Carlos Bernal, Ana Silva, Marceliano Marrón, Juan Antonio Ortega, Claudio J. Arjona Área de HPC Centro Informático Científico de

Más detalles

Soluciones para entornos HPC

Soluciones para entornos HPC Dr.. IT Manager / Project Leader @ CETA-Ciemat abelfrancisco.paz@ciemat.es V Jornadas de Supercomputación y Avances en Tecnología INDICE 1 2 3 4 HPC Qué? Cómo?..................... Computación (GPGPU,

Más detalles

Kepler. 1. Presentación de la arquitectura. Contenidos de la charla. Kepler, Johannes (1571-1630)

Kepler. 1. Presentación de la arquitectura. Contenidos de la charla. Kepler, Johannes (1571-1630) Contenidos de la charla Manuel Ujaldón Nvidia CUDA Fellow Dpto. Arquitectura de Computadores Universidad de Málaga 1. Presentación de la arquitectura [7 diapositivas] 2. La memoria y el transporte de datos

Más detalles

nforce Serie 600i Características y beneficios de MCP NVIDIA nforce 680i SLI

nforce Serie 600i Características y beneficios de MCP NVIDIA nforce 680i SLI Características y beneficios de MCP NVIDIA nforce 680i SLI Ingeniería para aficionados Los procesadores de comunicaciones y medios (MCP) NVIDIA nforce SLI 680i ofrecen las herramientas y rendimiento que

Más detalles

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES CAPÍTULO PROCESAMIENTO DIGITAL DE IMÁGENES En este capítulo se presentan de manera breve, una explicación de la visión, las imágenes digitales y como son capturadas por medios electrónicos, el campo encargado

Más detalles

Arquitecturas basadas en computación gráfica (GPU)

Arquitecturas basadas en computación gráfica (GPU) Arquitecturas basadas en computación gráfica (GPU) Francesc Guim Ivan Rodero PID_00184818 CC-BY-NC-ND PID_00184818 Arquitecturas basadas en computación gráfica (GPU) Los textos e imágenes publicados en

Más detalles

Instituto Tecnológico Argentino Técnico en Hardware de PC Plan THP2A03B

Instituto Tecnológico Argentino Técnico en Hardware de PC Plan THP2A03B Instituto Tecnológico Argentino Técnico en Hardware de PC Plan THP2A03B Reservados los Derechos de Propiedad Intelectual Tema: Procesadores AMD Archivo: CAP2A03BTHP0335.doc Clase Nº: 35 Versión: 1.1 Fecha:

Más detalles

PROCESAMIENTO DE IMÁGENES 3D EN GPU

PROCESAMIENTO DE IMÁGENES 3D EN GPU Trabajo final PROCESAMIENTO DE IMÁGENES 3D EN GPU Para la materia de posgrado: Procesamiento digital de imágenes Dictada por el Profesor: Dr. Claudio Delrieux Propuesta presentada por Ing. Juan P. D Amato

Más detalles

Utilización de la programación paralela en procesadores gráficos para el cálculo científico.

Utilización de la programación paralela en procesadores gráficos para el cálculo científico. Utilización de la programación paralela en procesadores gráficos para el cálculo científico. EMNO 2013 Rolando E. Rodríguez Fernández Medicina Computacional, Instituto de Nefrología. y Facultad de Física,

Más detalles

1.1 Definición del problema

1.1 Definición del problema Capítulo 1. Introducción 1.1 Definición del problema Cuando el famoso juego Doom apareció, no solamente nos asombró el grandioso juego, sino que también trajo y popularizo un nuevo modelo de programación

Más detalles

Módulo: Modelos de programación para Big Data

Módulo: Modelos de programación para Big Data Program. paralela/distribuida Módulo: Modelos de programación para Big Data (título original: Entornos de programación paralela basados en modelos/paradigmas) Fernando Pérez Costoya Introducción Big Data

Más detalles

ANEXO ESPECIFICACIONES TÉCNICAS

ANEXO ESPECIFICACIONES TÉCNICAS SISTEMA DE CARTELERÍA Y AFICHES ELECTRÓNICOS El proyecto consiste en la instalación de un sistema de cartelería digital y afiches electrónicos incluyendo el servicio de mantenimiento preventivo y correctivo

Más detalles

GRID COMPUTING MALLA DE ORDENADORES

GRID COMPUTING MALLA DE ORDENADORES GRID COMPUTING MALLA DE ORDENADORES Introducción Concepto Compartir potencia computacional; Aprovechamiento de ciclos de procesamiento; El Grid Computing se enmarca dentro de la tecnología de computación

Más detalles

Abstracciones del computador y la Tecnología

Abstracciones del computador y la Tecnología Abstracciones del computador y la Tecnología Progreso en la tecnología de computadores Respaldado por la ley de Moore Hacer posibles las nuevas aplicaciones Computadores de los automóviles Teléfonos celulares

Más detalles

FUNDAMENTOS DE INFORMATICA

FUNDAMENTOS DE INFORMATICA FUNDAMENTOS DE INFORMATICA TEMAS QUE SE TRATARÁN: Arquitectura Interna Sistemas Operativos Programación en Visual Basic Bases de Datos Redes e Internet 1 FUNDAMENTOS DE INFORMATICA Tema 1: Arquitectura

Más detalles

HARDWARE DE UN ORDENADOR. Conceptos avanzados

HARDWARE DE UN ORDENADOR. Conceptos avanzados HARDWARE DE UN ORDENADOR Conceptos avanzados Tipos de ordenadores Ordenadores personales: tienen un coste relativamente bajo. Aquí incluiríamos los ordenadores portátiles y de sobremesa que podamos tener

Más detalles

Aceleradores gráficos. Su impacto en el bus del sistema.

Aceleradores gráficos. Su impacto en el bus del sistema. Aceleradores gráficos. Su impacto en el bus del sistema. Conceptos básicos Controladora de video tradicional en modo gráfico Buffer de video en placas ISA se ubica en el rango de posiciones de memoria

Más detalles

Escuela Politécnica Ingeniería en Informática

Escuela Politécnica Ingeniería en Informática UNIVERSIDAD DE EXTREMADURA Escuela Politécnica Ingeniería en Informática OpenCL frente a CUDA para análisis de imágenes hiperespectrales diciembre, 2011 2 UNIVERSIDAD DE EXTREMADURA Escuela Politécnica

Más detalles

8 PROCESAMIENTO DIGITAL DE IMÁGENES USANDO MATLAB & SIMULINK RA-MA

8 PROCESAMIENTO DIGITAL DE IMÁGENES USANDO MATLAB & SIMULINK RA-MA ÍNDICE PRÓLOGO...19 CAPÍTULO 1. INTRODUCCIÓN...25 1.1 SISTEMA DE VISIÓN Y PROCESAMIENTO DE IMÁGENES...25 1.2 PROCESAMIENTO DIGITAL DE IMÁGENES...26 1.3 RELACIONES BÁSICAS ENTRE PÍXELES...27 1.3.1 Vecinos

Más detalles

CAD / BIM, Plotter y PC, trabajo v/s desempeño Cómo encontrar la fórmula adecuada? Francisco Cardet

CAD / BIM, Plotter y PC, trabajo v/s desempeño Cómo encontrar la fórmula adecuada? Francisco Cardet 2do Congreso Latinoamericano «BIM LATAM 2015» 11 de noviembre de 2015 CAD / BIM, Plotter y PC, trabajo v/s desempeño Cómo encontrar la fórmula adecuada? Francisco Cardet Cuba www.cdt.cl 41 páginas CAD

Más detalles

Arquitectura de aceleradores. Carlos Bederián IFEG CONICET GPGPU Computing Group FaMAF UNC bc@famaf.unc.edu.ar

Arquitectura de aceleradores. Carlos Bederián IFEG CONICET GPGPU Computing Group FaMAF UNC bc@famaf.unc.edu.ar Arquitectura de aceleradores Carlos Bederián IFEG CONICET GPGPU Computing Group FaMAF UNC bc@famaf.unc.edu.ar Contenidos Cómo llegamos hasta acá Qué hay ahora Qué hace Cómo lo uso Hacia dónde parece que

Más detalles

Introducción. TEMA 3: Clusters de Computadores Personales

Introducción. TEMA 3: Clusters de Computadores Personales Introducción TEMA 3: Clusters de Computadores Personales Laboratorio de Arquitecturas Avanzadas de Computadores 5º de Ingeniería Superior de Informática 2008/09 Alberto Sánchez alberto.sanchez@urjc.es

Más detalles

Memoria central del Ordenador

Memoria central del Ordenador Memoria central del Ordenador Víctor González Núñez Nuria Cancho Díaz Josue Prieto Lentijo Grupo 7 Fundamentos de Informática II INTRODUCCIÓN: Con esta breve memoria expondremos las principales características

Más detalles

Figura 1.4. Elementos que integran a la Tecnología de Información.

Figura 1.4. Elementos que integran a la Tecnología de Información. 1.5. Organización, estructura y arquitectura de computadoras La Gráfica siguiente muestra la descomposición de la tecnología de información en los elementos que la conforman: Figura 1.4. Elementos que

Más detalles

Juan Pablo Jaramillo Valencia 10 2. 1.2.1.11 Planilla de trabajo: Investigación de componentes de PC

Juan Pablo Jaramillo Valencia 10 2. 1.2.1.11 Planilla de trabajo: Investigación de componentes de PC IT Essentials 5.0 Juan Pablo Jaramillo Valencia 10 2 1.2.1.11 Planilla de trabajo: Investigación de componentes de PC Imprima y complete esta planilla de trabajo. En esta planilla de trabajo, utilizará

Más detalles

Texturas. Descripción y aplicaciones

Texturas. Descripción y aplicaciones Texturas Descripciónyaplicaciones Motivación Segmentación de texturas. Clasificación de texturas. Síntesis de texturas. Extracción de características. Reconocimiento de patrones. Reconocimiento de objetos.

Más detalles

High Performance Computing y Big Data en AWS. +info: (http://gac.udc.es) HPC y Big Data en AWS 16 Abril, 2012 1 / 14

High Performance Computing y Big Data en AWS. +info: (http://gac.udc.es) HPC y Big Data en AWS 16 Abril, 2012 1 / 14 High Performance Computing y Big Data en AWS +info: (http://gac.udc.es) HPC y Big Data en AWS 16 Abril, 212 1 / 14 High Performance Computing High Performance Computing (HPC) Afonta grandes problemas empresariales,

Más detalles

Ingeniero en Informática

Ingeniero en Informática UNIVERSIDAD DE ALMERÍA Ingeniero en Informática CLÚSTER DE ALTO RENDIMIENTO EN UN CLOUD: EJEMPLO DE APLICACIÓN EN CRIPTOANÁLISIS DE FUNCIONES HASH Autor Directores ÍNDICE 1. Introducción 2. Elastic Cluster

Más detalles

Toshiba e Intel: emocionante entretenimiento digital portátil

Toshiba e Intel: emocionante entretenimiento digital portátil Información técnica Toshiba e Intel Toshiba e Intel: emocionante entretenimiento digital portátil Gracias a la tecnología móvil Intel Centrino Duo, Toshiba ha desarrollado nuevos portátiles para ofrecer

Más detalles

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez

Supercómputo. Oscar Rafael García Regis Enrique Cruz Martínez Supercómputo Oscar Rafael García Regis Enrique Cruz Martínez 2003-I Oscar Rafael García Regis Laboratorio de Dinámica No Lineal Facultad de Ciencias, UNAM Enrique Cruz Martínez Dirección General de Servicios

Más detalles

Universidad de Costa Rica Centro de Informática CI-ADR-RES-001 20130227

Universidad de Costa Rica Centro de Informática CI-ADR-RES-001 20130227 Estándar de Computadora de Escritorio Intel Recomendado para usuarios que utilicen la computadora en el ámbito de Docencia, Laboratorios de Cómputo y personal Administrativo. Este perfil permite el uso

Más detalles

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica C1. Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar

Más detalles

UNIDAD 1 HARDWARE DEL COMPUTADOR

UNIDAD 1 HARDWARE DEL COMPUTADOR UNIDAD 1 HARDWARE DEL COMPUTADOR 1.1 Tipos de computadoras Supercomputadoras Macrocomputadoras Minicomputadoras Microcomputadoras o PC s Tipos de Computadoras Supercomputadoras Es el tipo de computadora

Más detalles

Servicios avanzados de supercomputación para la ciència y la ingeniería

Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería HPCNow! provee a sus clientes de la tecnología y soluciones

Más detalles

:Arquitecturas Paralela basada en clusters.

:Arquitecturas Paralela basada en clusters. Computación de altas prestaciones: Arquitecturas basadas en clusters Sesión n 1 :Arquitecturas Paralela basada en clusters. Jose Luis Bosque 1 Introducción Computación de altas prestaciones: resolver problemas

Más detalles

Congreso de los Diputados

Congreso de los Diputados PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA LA CONTRATACIÓN DEL SERVICIO DE DISTRIBUCIÓN AVANZADA DE CONTENIDOS MULTIMEDIA A TRAVÉS DE INTERNET Y UNA LÍNEA PUNTO A PUNTO PARA EL CONGRESO DE LOS DIPUTADOS ÍNDICE

Más detalles

El microprocesador. Alberto Molina Coballes David Sánchez López. Noviembre 2011. Fundamentos de Hardware

El microprocesador. Alberto Molina Coballes David Sánchez López. Noviembre 2011. Fundamentos de Hardware El microprocesador Alberto Molina Coballes David Sánchez López Fundamentos de Hardware Noviembre 2011 Índice 1. Concepto 2. Arquitectura Interna 3. Elementos de un Microprocesador 4. Arquitectura Externa.

Más detalles

ELEMENTOS HARDWARE DEL ORDENADOR. Tarjeta gráfica

ELEMENTOS HARDWARE DEL ORDENADOR. Tarjeta gráfica ELEMENTOS HARDWARE DEL ORDENADOR Tarjeta gráfica Qué es? Tarjeta Gráfica 1. Interpreta los datos que le llegan del procesador, ordenándolos y calculando el valor de cada píxel, lo almacena en la memoria

Más detalles

TEMA 1 ELEMENTOS DE UN ORDENADOR BLOQUE 1 HARDWARE

TEMA 1 ELEMENTOS DE UN ORDENADOR BLOQUE 1 HARDWARE TEMA 1 ELEMENTOS DE UN ORDENADOR BLOQUE 1 HARDWARE 2 ÍNDICE 1. y Software 2. Arquitectura básica de un ordenador 3. Componentes 1. Placa base 2. CPU 3. Almacenamiento 4. Otras tarjetas 5. Periféricos 4.

Más detalles

TIPOS DE PROCESAMIENTOS

TIPOS DE PROCESAMIENTOS TIPOS DE PROCESAMIENTOS El desempeño de un computador puede tener diferentes medidas de elección para diferentes usuarios. Para un usuario individual que está ejecutando un único programa, la computadora

Más detalles

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 Anexo A. Partida 1 Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 CLUSTER LANCAD 1 El bien a adquirir se describe a continuación y consiste de un cúmulo de

Más detalles

Requisitos Técnicos de Cluster Heterogéneo.

Requisitos Técnicos de Cluster Heterogéneo. Requisitos Técnicos de Cluster Heterogéneo. Expediente CONSU02010018OP de suministro de un sistema de computación heterogéneo con procesadores gráficos y de propósito general para investigación para el

Más detalles

Arquitecturas de computadoras

Arquitecturas de computadoras Arquitecturas de computadoras Colaboratorio Nacional de Computación Avanzada (CNCA) 2014 Contenidos 1 Computadoras 2 Estación de Trabajo 3 Servidor 4 Cluster 5 Malla 6 Nube 7 Conclusiones Computadoras

Más detalles

Contenidos [62 diapositivas] Málaga, del 15 al 24 de Julio, 2015

Contenidos [62 diapositivas] Málaga, del 15 al 24 de Julio, 2015 Nuevas prestaciones hardware en Kepler IX Curso de verano de la UMA Programación de GPUs con CUDA Contenidos [62 diapositivas] Málaga, del 15 al 24 de Julio, 2015 1. 2. 3. 4. 5. Presentación de la arquitectura

Más detalles

Universidad de Córdoba. Trabajo de Fin de Máster

Universidad de Córdoba. Trabajo de Fin de Máster Universidad de Córdoba Máster en Sistemas Inteligentes Trabajo de Fin de Máster Minería de Reglas de Asociación en GPU Córdoba, Julio de 2013 Autor: Alberto Cano Rojas Director: Dr. Sebastián Ventura Soto

Más detalles

LA MISIÓN DE AMD 2 LA HISTORIA DE AMD 2014

LA MISIÓN DE AMD 2 LA HISTORIA DE AMD 2014 LA MISIÓN DE AMD Ser el diseñador e integrador líder de soluciones innovadoras de tecnología a medida que permiten a las personas exceder los límites de lo posible 2 LA HISTORIA DE AMD 2014 2014: AMD ACELERA

Más detalles

Rendimiento y coste de funcionamiento en perfecto equilibrio: Servidor MAXDATA PLATINUM con procesadores Dual-Core Intel Xeon

Rendimiento y coste de funcionamiento en perfecto equilibrio: Servidor MAXDATA PLATINUM con procesadores Dual-Core Intel Xeon Rendimiento y coste de funcionamiento en perfecto equilibrio: Servidor MAXDATA PLATINUM con procesadores Dual-Core Intel Xeon Rendimiento y coste de funcionamiento en perfecto equilibrio: Servidor MAXDATA

Más detalles

,7 PREVIO DE EVALUACIÓN DE SOFTWARE No 01 8-2008-GT1000

,7 PREVIO DE EVALUACIÓN DE SOFTWARE No 01 8-2008-GT1000 INFORME TECNICO,7 PREVIO DE EVALUACIÓN DE SOFTWARE No 01 8-2008-GT1000 Adquisición de Software para el diseño de contenido impreso, interactivo; películas; vídeos y contenido para dispositivos m 1. MBRE

Más detalles

Computación matricial dispersa con GPUs y su aplicación en Tomografía Electrónica

Computación matricial dispersa con GPUs y su aplicación en Tomografía Electrónica con GPUs y su aplicación en Tomografía Electrónica F. Vázquez, J. A. Martínez, E. M. Garzón, J. J. Fernández Portada Universidad de Almería Contenidos Computación matricial dispersa Introducción a SpMV

Más detalles

SEMINARIO PRÁCTICO Cómo elegir el sistema de cálculo científico ideal para mi investigación. Raúl Díaz rdiaz@sie.es

SEMINARIO PRÁCTICO Cómo elegir el sistema de cálculo científico ideal para mi investigación. Raúl Díaz rdiaz@sie.es ORGANIZA SEMINARIO PRÁCTICO Cómo elegir el sistema de cálculo científico ideal para mi investigación Raúl Díaz rdiaz@sie.es 1ª CUESTIÓN Necesito un sistema HPC? Si mi cálculo supera las 8 horas, un equipo

Más detalles

CAPITULO I INTRODUCCION. Conforme la informática avanza, las imágenes se han convertido en un área muy

CAPITULO I INTRODUCCION. Conforme la informática avanza, las imágenes se han convertido en un área muy Introducción 4 CAPITULO I INTRODUCCION 1.1 Compresión de Imágenes. Conforme la informática avanza, las imágenes se han convertido en un área muy importante de esta. Hoy en día surgen más entornos gráficos

Más detalles

Introducción general a la compresión de datos multimedia

Introducción general a la compresión de datos multimedia Introducción general a la compresión de datos multimedia Necesidad de la compresión La mayoría de las aplicaciones multimedia requieren volúmenes importantes de almacenamiento y transmisión. CD-ROM 640

Más detalles

Guía de selección de hardware Windows MultiPoint Server 2010

Guía de selección de hardware Windows MultiPoint Server 2010 Guía de selección de hardware Windows MultiPoint Server 2010 Versión de documento 1.0 Publicado en marzo del 2010 Información sobre los derechos de reproducción Este documento se proporciona como está.

Más detalles

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico.

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico. Desarrollo de un cluster computacional para la compilación de algoritmos en paralelo en el Observatorio Astronómico. John Jairo Parra Pérez Resumen Este artículo muestra cómo funciona la supercomputación

Más detalles

Laboratorio de Herramientas Computacionales

Laboratorio de Herramientas Computacionales Laboratorio de Herramientas Computacionales Tema 1.1 Componentes físicos de la computadora UNIVERSIDAD MICHOACANA DE SAN NICOLÁS DE HIDALGO FACULTAD DE INGENIERIA ELECTRICA M.I. ROSALÍA MORA JUÁREZ Antecedentes

Más detalles

================================================================== ÍNDICE ==================================================================

================================================================== ÍNDICE ================================================================== Disney Epic Mickey 2: El Poder de Dos Archivo léeme ( Disney) Gracias por adquirir Disney Epic Mickey 2: El Poder de Dos. Este archivo léeme contiene información reciente no incluida en el manual, información

Más detalles

Seminario de Informática

Seminario de Informática Seminario de Informática 2015 UNIDAD 1: Introducción a la Informática 1.Informática: Elementos de un sistema Informático. 2.Soporte Físico (HARDWARE): conceptos, componentes y funciones. 3.Soporte Lógico

Más detalles

Multimedia Streaming. Memoria del proyecto Streaming Multimedia (video&audio) Departamento de desarrollo de software. Lexon S.A.

Multimedia Streaming. Memoria del proyecto Streaming Multimedia (video&audio) Departamento de desarrollo de software. Lexon S.A. Multimedia Streaming Memoria del proyecto Streaming Multimedia (video&audio). Lexon S.A. Memoria del proyecto de Streaming de video Introducción Mediante este proyecto se pretende desarrollar un sistema

Más detalles