Computación matricial dispersa con GPUs y su aplicación en Tomografía Electrónica

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Computación matricial dispersa con GPUs y su aplicación en Tomografía Electrónica"

Transcripción

1 con GPUs y su aplicación en Tomografía Electrónica F. Vázquez, J. A. Martínez, E. M. Garzón, J. J. Fernández Portada Universidad de Almería

2 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 2

3 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 3

4 SpMV: Producto matriz dispersa vector Operación ampliamente utilizada Procesamiento de imágenes, simulación, ingeniería de control, etc.. Aumentar el rendimiento de SpMV equivale a aumentar el rendimiento de estas aplicaciones Matriz dispersa > 90% del total son ceros Representación en formato denso excede capacidad de memoria x > 150 GB La mayoría de las operaciones son cero 4

5 Matriz dispersa. Ventajas: No se realizan operaciones sobre elementos nulos ya que no se representan El espacio de memoria se reduce considerablemente Inconvenientes: Pérdida de la estructura densa: Número de columnas Necesario usar otras estructuras de datos que permitan la identificación de cada entrada de la matriz Formatos de representación 5

6 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 6

7 El rendimiento de SpMV viene determinado por: Formato de representación utilizado Patrón de la matriz 7

8 Formatos de representación N. Bell, M. Garland CRS, CRS-vector, COO, ELL, HYB M. M. Baskaran, R. Bordawekar SpMV4GPU J. W. Choi, A. Singth, R. W. Vuduc Georgia, USA BELLPACK A. Monakov, A. Lokhmotov, A. Avestiyan Moscow, Russia Sliced ELLPACK 8

9 CRS A: Elementos no nulos de la matriz J: Índices de columna start: Inicio y fin de cada fila 9

10 SpMV CRS: 1 thread por fila int x = blockidx.x * blockdim.x + threadidx.x; if(x<n){ int i, k, p; float svalue=0.0; } i=start[x]; k=start[x+1]; SpMV GPU: u = Av for (p=i;p<k;p++){ svalue+=a[p] * v[ J[p] ]; } u[x]=svalue; 10

11 CRS Acceso a memoria no coalescente Desbalanceo de carga si el número de no nulos por fila es muy distinto entre threads de un mismo bloque Indirección en el acceso a v int x = blockidx.x * blockdim.x + threadidx.x; if(x<n){ int i, k, p; float svalue=0.0; i=start[x]; k=start[x+1]; for (p=i;p<k;p++){ svalue+=a[p] * v[ J[p] ]; } u[x]=svalue; } 11

12 SpMV CRS-vector: 32 threads por fila 12

13 SpMV CRS-vector: Etapa de reducción-suma 13

14 CRS-vector Acceso a memoria coalescente parcial Coalescencia parcial: No tiene en cuenta la alineación de segmentos: 3º half-warp: thread_id: Segmentos: 0..15, , , thread_id 32 toca 3º segmento posición 37 thread_id 43 toca 4º segmento posición 48 Aumenta el paralelismo al aumentar el número de threads por fila Desbalanceo a nivel de fila si el número de no nulos no es múltiplo de 32. 1ª fila tiene 37 no nulos, threads parados en la 2ª iteración 14

15 SpMV4GPU: 16 threads por fila + segmentos alineados 15

16 SpMV4GPU Acceso a memoria coalescente total Disminuye el grado de desbalanceo con respecto a CRSvector al destinar la mitad de threads a cada fila P.ej: Fila con 60 no nulos y siguiente con 5 no nulos SpMV4GPU:» 1ª fila: 4 iteraciones, 4 threads parados en la última iteración» 2ª fila: 1 iteración, 11 threads parados CRS-vector:» 1ª fila: 2 iteraciones, 4 threads parados en la última iteración» 2ª fila: 1 iteración, 27 threads parados 16

17 COO: 1 thread por elemento no nulo A: Elementos no nulos de la matriz I, J: Índices de fila y columna 17

18 COO Límite físico en el número máximo de threads que pueden ejecutarse Capacidad de cómputo 1.x: threads (65535 bloques x 512 threads/bloque) Capacidad de cómputo 2.x: threads (65535 bloques x 1024 threads/bloque) Acceso a memoria coalescente Desestructuración de la matriz. Requiere un acceso adicional a I para obtener el índice de fila Función atómica de suma. El resultado de una fila ha de ser actualizado por varios threads simultáneamente 18

19 ELL Computación matricial dispersa A: Valores de la matriz. Dimensión N x max J: Índices de columna. Dimensión N x max max: Máximo de elementos no nulos entre todas las filas Estructura regular 19

20 SpMV ELL SpMV GPU: u = Av int x = blockidx.x * blockdim.x + threadidx.x; if(x<n){ int p, col; float value, svalue=0.0; } for (p=0;p<max;p++){ value = A[N * p + x]; col = J[N * p + x]; if (value <> 0) svalue+=value * v[ col ]; } u[x]=svalue; 20

21 ELL Acceso a memoria coalescente parcial Computación innecesaria. max es un valor global entre todas las filas de la matriz. Todos los threads han de llegar a max y realizar la comprobación value <> 0 Pérdida de rendimiento en situaciones en las que max y el número de elementos no nulos de la fila sean muy distintos Divergencia. La sentencia if incluye una divergencia que produce una serialización en los threads que cumplen la condición 21

22 HYB Trata de eliminar los problemas de ELL Distribuye la matriz en dos estructuras: ELL y COO para eliminar las discordancias entre el número de no nulos de cada fila y max Las filas con 2/3 de max ELL Resto COO Una misma fila está representada con dos formatos Se necesitan varios kernels para realizar SpMV Imposible realizar precálculos durante la realización de SpMV 22

23 BELLPACK Tres parámetros Sub-bloque denso: r x c División en sub-matrices de R filas No es un formato general Válido para matrices con Sub-bloques r x c densos 23

24 BELLPACK Cada sub-matriz de R filas con sub-bloques r x c se representa en ELL Sólo se almacena el índice de columna del primer elemento del sub-bloque 24

25 BELLPACK Válido para matrices que presentan una estructuras de subbloques densos No es un formato de representación general Necesario tunning de parámetros: Tamaño del sub-bloque: r x c Tamaño de las sub-matrices: R Tamaño del bloque de threads para la ejecución: BS Dada la reordenación previa de filas, es necesario una reordenación posterior del vector resultado Acceso a memoria coalescente total 25

26 Sliced ELLPACK División en grupos de S filas Si S = 1 CRS Si S = N ELL Reordenación inicial de filas Bloque de BS threads por S filas T=BS/S: Nº de threads por fila Si T > 1 Reducción-suma 26

27 Sliced ELLPACK Parámetro max de ELL variable cada S filas No sufre la sobrecarga de ELL en filas con un número de no nulos muy distinto Uso variable del número de threads por fila Permite la adaptación a distintos tipos de matrices 1 thread en filas muy dispersas Varios threads en matrices con menos filas, pero menos dispersas Acceso a memoria coalescente total Necesario tunning de T y S Reordenación del vector resultado 27

28 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 28

29 ELLR-T: Basado en el formato ELL R: Nueva estructura de datos que indica el número de elementos no nulos por fila: rl T: Número de threads que calculan una fila T puede ser: 1, 2, 4, 8, 16 ó 32 Con T = 1, ELLR-1 equivale a ELLR y es la versión inicial Ventajas: Elimina la sobrecarga de ELL mediante el vector rl Estructura regular de la matriz ajustada a max No requiere reordenación de filas Sencillez, permite realizar precálculos Ajuste de BS y T mediante modelo analítico de ejecución Coalescencia total, mejor rendimiento 29

30 ELLR A: Valores de la matriz J: Índices de columna rl: Longitud de cada fila 30

31 ELLR 31

32 Operaciones ELL vs ELLR Accesos a memoria 307 vs 169 ELLR: Tiempos de espera reducidos a max local del warp 32

33 ELLR-T T threads calculan una fila Aumenta número de threads totales de ejecución Aumenta número de bloques totales de ejecución Aumenta longitud de la cola de bloques por multiprocesador Implica: Aumentar paralelismo Ocupación: Ocultación de latencias en el acceso a memoria Aumenta el número de warps/bloques/threads activos Capacidad de cómputo 1.x: Capacidad de cómputo 2.x:

34 ELLR-T 34

35 ELLR-T 35

36 ELLR-T 36

37 37

38 38

39 39

40 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 40

41 Conjunto de matrices 41

42 42

43 43

44 Matriz (GFLOPS) BELLPACK C1060 Sliced ELLPACK GTX 280 ELLR-T GTX 285 mac_econ -- 10,14 8,25 qcd5_ ,67 29,29 mc2depi -- 20,03 23,60 rma ,60 24,38 cop20k_a -- 13,01 16,74 dense ,67 30,26 cant 27 24,74 30,01 pdb1hys 21 25,56 29,62 consph 27 28,40 29,64 shipsec ,53 29,92 pwtk 23 28,52 31,48 44

45 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 45

46 Modelo analítico de ejecución ELLR-T Objetivo: Determinar a tiempo real T y BS Ejecución: 1. Lectura del histograma de la matriz rl 2. Aplicación del modelo y obtención de T y BS 3. Lectura de la matriz y representación en ELLR-T 4. Llamada al kernel SpMV de ELLR-T con tamaño de bloque BS 46

47 Bases de diseño Asignación de bloques a los multiprocesadores de la GPU SpMV está limitado por los accesos a memoria Contar número de accesos a memoria de cada SM Rendimiento de SpMV ligado al multiprocesador más lento 47

48 Características No modela el acceso al vector v en caché de texturas Evalúa los tamaños de bloque que generan una ocupación del 100% Capacidad de cómputo 1.x: BS=128, 256, 512 Capacidad de cómputo 2.x: BS=256, 512, 768 Resultados 91% acierto cuando se utiliza caché de texturas para v 97% acierto cuando no se utiliza caché de texturas para v 48

49 49

50 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 50

51 Tomografía Electrónica Métodos de reconstrucción WBP y SIRT Adquisición de imágenes mediante geometría de eje único de giro La imagen de proyección contiene la información de las rebanadas perpendiculares al eje de giro para un determinado ángulo En la práctica toda la información de una misma rebanada se agrupa en una estructura llamada sinograma La apilación de las reconstrucciones 2D de los sinogramas dan lugar al volúmen 3D 51

52 Tomografía Electrónica WBP: Weighted BackProjection Retroproyección de las imágenes de proyección para cada ángulo de giro 52

53 Tomografía Electrónica WBP: Weighted BackProjection Weighted: Filtro paso alto con el objeto de eliminar el ruido implícito en el proceso de retroproyección Complejidad del orden O(N 3 x M). N: Núm. Voxels, M: Núm. Imágenes de proyección La reconstrucción está fuertemente afectada por la limitación de los ángulos de giro y la función de transferencia del microscopio, lo que se traduce en un emborronamiento de la imagen Válido para la obtención de una vista preliminar del espécimen 53

54 Tomografía Electrónica SIRT: Simultaneous Iterative Reconstruction Technique Cada iteración: a) Proyección b) Cálculo de error c) Retroproyección 54

55 Tomografía Electrónica SIRT: Simultaneous Iterative Reconstruction Technique Más robusto en presencia de ruido y limitación ángulos de giro Altos requerimientos computacionales Reconstrucciones de mayor calidad que WBP a) WBP b) SIRT 55

56 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 56

57 WBP Matricial for s in Nslices g s = B p s Tomografía Electrónica Rebanada 4 x 4 nbins = 4, ntilts = 1 57

58 Tomografía Electrónica WBP Matricial: Patrón general 58

59 Tomografía Electrónica WBP Matricial: Niveles de simetría General Sym1: Elementos adyacentes Sym2: Nivel de filas Sym3: Angular A: A 1, A 2, A 3, A 12, A 13, A 23, A 123 B: B 1, B 2, B 3, B 12, B 13, B 23, B 123 Cada nivel de simetría reduce la matriz en un 50% 59

60 Tomografía Electrónica WBP Matricial: ELLR General 60

61 Tomografía Electrónica WBP Geforce GTX

62 Tomografía Electrónica WBP Geforce GTX

63 Contenidos Computación matricial dispersa Introducción a SpMV Formatos de representación de matrices dispersas Formatos ELLR y ELLR-T Evaluación comparativa Modelo analítico de ejecución ELLR-T Tomografía Electrónica Métodos de reconstrucción WBP, SIRT WBP Matricial SIRT Matricial 63

64 Tomografía Electrónica SIRT Matricial Proyección: q k = A g k Cálculo de error: e k = (p q k ) / w Retroproyección: g k+1 = g k + B e k A = B T 64

65 SIRT Matricial Tomografía Electrónica A: General B: Sym2 65

66 Tomografía Electrónica SIRT 66

67 Tomografía Electrónica SIRT 67

68 Tomografía Electrónica WBP: 25 min vs 10 seg SIRT: 38 horas vs 19 min 68

69 Contraportada 69

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

Departamento de Arquitectura de computadores y electrónica Universidad de Almería. Tesis Doctoral

Departamento de Arquitectura de computadores y electrónica Universidad de Almería. Tesis Doctoral Departamento de Arquitectura de computadores y electrónica Universidad de Almería Tesis Doctoral Computación algebraica dispersa con procesadores grácos y su aplicación en tomografía electrónica Francisco

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

Arquitecturas y programación de procesadores gráficos. Nicolás Guil Mata Dpto. de Arquitectura de Computadores Universidad de Málaga

Arquitecturas y programación de procesadores gráficos. Nicolás Guil Mata Dpto. de Arquitectura de Computadores Universidad de Málaga Arquitecturas y programación de procesadores gráficos Dpto. de Arquitectura de Computadores Universidad de Málaga Indice Arquitectura de las GPUs Arquitectura unificada Nvidia: GT200 Diagrama de bloques

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

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 () E. Dufrechou, P. Ezzatti, M. Pedemontey J.P. Silva Clases 4 Programación Contenido Modelo de programación Introducción Programación

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 () E. Dufrechou, P. Ezzatti M. Pedemonte Práctico Programación con CUDA Práctica 0: Ejecución del ejemplo visto en teórico (suma de

Más detalles

Memorias, opciones del compilador y otras yerbas. Clase 3

Memorias, opciones del compilador y otras yerbas. Clase 3 Memorias, opciones del compilador y otras yerbas Clase 3 Memorias en CUDA Grid CUDA ofrece distintas memorias con distintas características. Block (0, 0) Shared Memory Block (1, 0) Shared Memory registros

Más detalles

!!!!!!!! !!!!! Práctica!4.! Programación!básica!en!C.! ! Grado!en!Ingeniería!!en!Electrónica!y!Automática!Industrial! ! Curso!2015H2016!

!!!!!!!! !!!!! Práctica!4.! Programación!básica!en!C.! ! Grado!en!Ingeniería!!en!Electrónica!y!Automática!Industrial! ! Curso!2015H2016! INFORMÁTICA Práctica4. ProgramaciónbásicaenC. GradoenIngenieríaenElectrónicayAutomáticaIndustrial Curso2015H2016 v2.1(18.09.2015) A continuación figuran una serie de ejercicios propuestos, agrupados por

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

PROGRAMACIÓN AVANZADA DE GPUs PARA APLICACIONES CIENTÍFICAS

PROGRAMACIÓN AVANZADA DE GPUs PARA APLICACIONES CIENTÍFICAS Grupo de Ing. Electrónica aplicada a Espacios INteligentes y TRAnsporte Área Audio-Visual PROGRAMACIÓN AVANZADA DE GPUs PARA APLICACIONES CIENTÍFICAS Torrevieja (Alicante) Del 19 al 22 de Julio Álvaro

Más detalles

INFORMÁTICA. Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial. Curso 2013-2014. v1.0 (05.03.

INFORMÁTICA. Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial. Curso 2013-2014. v1.0 (05.03. INFORMÁTICA Práctica 5. Programación en C. Grado en Ingeniería en Electrónica y Automática Industrial Curso 2013-2014 v1.0 (05.03.14) A continuación figuran una serie de ejercicios propuestos, agrupados

Más detalles

Computación en procesadores gráficos

Computación en procesadores gráficos Programación con CUDA José Antonio Martínez García Francisco M. Vázquez López Manuel Ujaldón Martínez Portada Ester Martín Garzón Universidad de Almería Arquitectura de las GPUs Contenidos Modelo de programación

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

SUMA de Vectores: Hands-on

SUMA de Vectores: Hands-on SUMA de Vectores: Hands-on Clase X http://fisica.cab.cnea.gov.ar/gpgpu/index.php/en/icnpg/clases Algunas preguntas practicas (1) Que pasa si los vectores a sumar son muy grandes? (2) Como saber en que

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

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

1. Generalidades. M. en C. Mario Farias-Elinos

1. Generalidades. M. en C. Mario Farias-Elinos 1. Generalidades M. en C. Mario Farias-Elinos 1 Contenido Introducción Arquitectura de computadoras Arquitectura de un sistema operativo Introducción 2 Introducción Qué es un sistema operativo? Intermediario

Más detalles

CUDA Overview and Programming model

CUDA Overview and Programming model Departamento de Ciencias de la computación Universidad de Chile Modelado en 3D y sus Aplicaciones en Realidad Virtual CC68W CUDA Overview and Programming model Student: Juan Silva Professor: Dr. Wolfram

Más detalles

GRAFOS. Prof. Ing. M.Sc. Fulbia Torres

GRAFOS. Prof. Ing. M.Sc. Fulbia Torres ESTRUCTURAS DE DATOS 2006 Prof. DEFINICIÓN Un grafo consta de un conjunto de nodos(o vértices) y un conjunto de arcos (o aristas). Cada arco de un grafo se especifica mediante un par de nodos. Denotemos

Más detalles

Plataformas de soporte computacional: arquitecturas avanzadas,

Plataformas de soporte computacional: arquitecturas avanzadas, Plataformas de soporte computacional: arquitecturas avanzadas, sesión 2 Diego. Llanos, Belén Palop Departamento de Informática Universidad de Valladolid {diego,b.palop}@infor.uva.es Índice 1. Segmentación

Más detalles

Una variable de clase escalar tiene un nivel de indirección igual a 1. Por ejemplo, las variables i, b y x definidas como se muestra a continuación.

Una variable de clase escalar tiene un nivel de indirección igual a 1. Por ejemplo, las variables i, b y x definidas como se muestra a continuación. Descripción de la semántica de ALFA En esta descripción sólo se mencionarán los aspectos en los que el lenguaje de programación ALFA pueda diferir de otros lenguajes de programación de alto nivel. Se sobreentienden

Más detalles

Procesamiento Digital de Imágenes. Compresión de imágenes

Procesamiento Digital de Imágenes. Compresión de imágenes FICH, UNL - Departamento de Informática - Ingeniería Informática Procesamiento Digital de Imágenes Guía de Trabajos Prácticos 8 Compresión de imágenes 2010 1. Objetivos Analizar las características y el

Más detalles

Universidad Complutense de Madrid FACULTAD DE INFORMÁTICA

Universidad Complutense de Madrid FACULTAD DE INFORMÁTICA Universidad Complutense de Madrid FACULTAD DE INFORMÁTICA INGENIERÍA EN INFORMÁTICA SISTEMAS INFORMÁTICOS ALGORITMOS PARA GRAFOS Y PROGRAMACIÓN DE PROPÓSITO GENERAL EN CUDA Ezequiel Denegri Guillermo Frontera

Más detalles

PROGRAMACION VECTORIAL RAFAEL VALDÉS VALDAZO UO196581 ÁNGEL MARÍA VILABOA PÉREZ UO197092 BLOQUE PARALELAS 4º INFORMÁTICA UNIVERSIDAD DE OVIEDO

PROGRAMACION VECTORIAL RAFAEL VALDÉS VALDAZO UO196581 ÁNGEL MARÍA VILABOA PÉREZ UO197092 BLOQUE PARALELAS 4º INFORMÁTICA UNIVERSIDAD DE OVIEDO PROGRAMACION VECTORIAL RAFAEL VALDÉS VALDAZO UO196581 ÁNGEL MARÍA VILABOA PÉREZ UO197092 BLOQUE PARALELAS 4º INFORMÁTICA UNIVERSIDAD DE OVIEDO INTRODUCCIÓN Ligada al concepto de vector Decodifica instrucciones

Más detalles

Gradiente conjugado. MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23

Gradiente conjugado. MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23 Gradiente conjugado MSc. Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas 07/09/11 1/23 Contenido Contenido Estructura de una matriz rala a partir de conectividades Compressed

Más detalles

Procesamiento rápido de EEG utilizando GPU

Procesamiento rápido de EEG utilizando GPU Tesis de licenciatura Procesamiento rápido de EEG utilizando GPU Federico Raimondo Directores: Dr. Diego Fernández Slezak, Ing. Alejandro Furfaro Co-director: Lic. Juan Kamienkowski Julio de 2011 1 1.

Más detalles

Vectores en el espacio

Vectores en el espacio Vectores en el espacio Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas

Más detalles

Librería Thrust. Clase 4. http://fisica.cab.cnea.gov.ar/gpgpu/index.php/en/icnpg/clases

Librería Thrust. Clase 4. http://fisica.cab.cnea.gov.ar/gpgpu/index.php/en/icnpg/clases Librería Thrust Clase 4 http://fisica.cab.cnea.gov.ar/gpgpu/index.php/en/icnpg/clases Hasta aquí... CUDA C/C++ Control de bajo nivel del mapeo al hardware Desarrollo de algoritmos de alta performance.

Más detalles

Heterogénea y Jerárquica

Heterogénea y Jerárquica Metodología de la Programación Paralela 2015-2016 Facultad Informática, Universidad de Murcia Computación Híbrida, Heterogénea y Jerárquica Contenidos 1 Sistemas 2 Paralelismo anidado 3 Programación híbrida

Más detalles

DIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD

DIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD Curso Asignatura 2014/2015 MATEMÁTICAS II 1º Comentarios acerca del programa del segundo curso del Bachillerato, en relación con la Prueba de Acceso a la Universidad La siguiente relación de objetivos,

Más detalles

Tutorial CUDA Univ. de Santiago. 6 y 7 de Agosto, 2013

Tutorial CUDA Univ. de Santiago. 6 y 7 de Agosto, 2013 Tutorial CUDA Univ. de Santiago. 6 y 7 de Agosto, 2013 La suma por reducción Este código realiza la suma de un vector de N elementos mediante un operador binario de reducción, es decir, en log 2 (N) pasos.

Más detalles

1. Manejo de memoria estática 2. Manejo de memoria dinámica

1. Manejo de memoria estática 2. Manejo de memoria dinámica 1. Manejo de memoria estática 2. Manejo de memoria dinámica *La administración de memoria de una computadora es una tarea fundamental debido a que la cantidad de memoria es limitada. *El sistema operativo

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales

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

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO)

Tema 1. VECTORES (EN EL PLANO Y EN EL ESPACIO) Vectores Tema. VECTORES (EN EL PLANO Y EN EL ESPACIO Definición de espacio vectorial Un conjunto E es un espacio vectorial si en él se definen dos operaciones, una interna (suma y otra externa (producto

Más detalles

Fundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1

Fundamentos de la Visión Artificial. Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Fundamentos de la Visión Artificial Prof. Dr. Francisco Gómez Rodríguez Prof. Manuel J. Domínguez Morales 1 Índice 1. Introducción a lavisión Artificial 2. Adquisición y representación de imágenes 3. Filtrado

Más detalles

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

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

Más detalles

CONTENIDOS MÍNIMOS BACHILLERATO

CONTENIDOS MÍNIMOS BACHILLERATO CONTENIDOS MÍNIMOS BACHILLERATO I.E.S. Vasco de la zarza Dpto. de Matemáticas CURSO 2013-14 ÍNDICE Primero de Bachillerato de Humanidades y CCSS...2 Primero de Bachillerato de Ciencias y Tecnología...5

Más detalles

TEMA 9 RECTIFICACIÓN DE IMÁGENES

TEMA 9 RECTIFICACIÓN DE IMÁGENES TEMA 9 RECTIFICACIÓN DE IMÁGENES 9.1- Introducción En fotogrametría aérea cuando el terreno es llano y la toma es nadiral, el fotograma resultante es homotético con el terreno y por lo tanto un plano a

Más detalles

Geometría analítica. Impreso por Juan Carlos Vila Vilariño Centro I.E.S. PASTORIZA

Geometría analítica. Impreso por Juan Carlos Vila Vilariño Centro I.E.S. PASTORIZA Conoce los vectores, sus componentes y las operaciones que se pueden realizar con ellos. Aprende cómo se representan las rectas y sus posiciones relativas. Impreso por Juan Carlos Vila Vilariño Centro

Más detalles

Fundamento de Informática Teórica(2003) Prof. Dr. Eric Jeltsch F. ORGANIZACION FISICA DE LOS SISTEMAS DE BASE DE DATOS

Fundamento de Informática Teórica(2003) Prof. Dr. Eric Jeltsch F. ORGANIZACION FISICA DE LOS SISTEMAS DE BASE DE DATOS ORGANIZACION FISICA DE LOS SISTEMAS DE BASE DE DATOS La organización física de una base de datos es un tópico extenso y se aborda en detalle, principalmente en la asignatura Base de Datos, y digo principalmente

Más detalles

Trabajo Práctico Final. Transformada Rápida de Fourier con Paralelismo

Trabajo Práctico Final. Transformada Rápida de Fourier con Paralelismo Trabajo Práctico Final Transformada Rápida de Fourier con Paralelismo Sistemas Operativos II Facultad de Ciencias Exactas, Físicas y aturales UC Mauricio G. Jost 2009 Índice 1. Introducción 1 2. Marco

Más detalles

Procesos. Planificación del Procesador.

Procesos. Planificación del Procesador. Procesos. Planificación del Procesador. Sistemas Operativos. Tema 2. Concepto de Proceso. Una definición sencilla: Programa en ejecución. Entidad pasiva Programa RECURSOS CPU Memoria Ficheros Dispositivos

Más detalles

Bloque IV. Prácticas de programación en CUDA. David Miraut Marcos García Ricardo Suárez

Bloque IV. Prácticas de programación en CUDA. David Miraut Marcos García Ricardo Suárez Bloque IV Prácticas de programación en CUDA David Miraut Marcos García Ricardo Suárez Control de flujo Situaciones no tratadas Claves con tamaños diferentes. Cada Wrap debería acceder a claves del mismo

Más detalles

Algoritmos. Autor: José Ángel Acosta Rodríguez

Algoritmos. Autor: José Ángel Acosta Rodríguez Autor: 2006 ÍNDICE Página Índice 1 Problema 1. Movimiento de figuras geométricas.2 Problema 2. Conversión decimal a binario....3 Problema 3. Secuencias binarias..4 Problema 4. Conversión a binario a octal...

Más detalles

Extracción paralela de valores propios en matrices Toeplitz simétricas usando hardware gráfico

Extracción paralela de valores propios en matrices Toeplitz simétricas usando hardware gráfico Extracción paralela de valores propios en matrices Toeplitz simétricas usando hardware gráfico Tesis de Máster en Computación Paralela y Distribuida de: Leandro Graciá Gil Dirigida por: Antonio Manuel

Más detalles

Introducción a Matlab.

Introducción a Matlab. Introducción a Matlab. Ejercicios básicos de manipulación de imágenes. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Iniciación

Más detalles

T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA

T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE Aplicación a la INDUSTRIA de la construcción 1 El presente estudio propone el uso de un algoritmo comúnmente utilizado en la rama de investigación

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

Computación Híbrida, Heterogénea y Jerárquica

Computación Híbrida, Heterogénea y Jerárquica Computación Híbrida, Heterogénea y Jerárquica http://www.ditec.um.es/ javiercm/curso psba/ Curso de Programación en el Supercomputador Ben-Arabí, febrero-marzo 2012 Organización aproximada de la sesión,

Más detalles

TRANSFORMACIONES LINEALES. Transformaciones. TRANSFORMACIONES LINEALES Ejemplo. TRANSFORMACIONES LINEALES Ejemplo

TRANSFORMACIONES LINEALES. Transformaciones. TRANSFORMACIONES LINEALES Ejemplo. TRANSFORMACIONES LINEALES Ejemplo TRANSFORMACIONES LINEALES Transformaciones Conceptos básicos Gilberto Aguilar Miranda Instituto Tecnologico de Chihuahua : Una transformación lineal L de R n en R m (L : R n R m ) es una función que asigna

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

GUÍA PARA UN ESCANEO ÓPTIMO

GUÍA PARA UN ESCANEO ÓPTIMO Condiciones para obtener un buen escaneo Los factores que intervienen en el proceso de escaneo son ambientales, propios de la configuración y calibración del escáner así como del objeto a escanear. El

Más detalles

Nombre de la asignatura: Programación Estructurada. Créditos: 3-2 - 5. Aportación al perfil

Nombre de la asignatura: Programación Estructurada. Créditos: 3-2 - 5. Aportación al perfil Nombre de la asignatura: Programación Estructurada Créditos: 3-2 - 5 Aportación al perfil Diseñar, analizar y construir equipos y/o sistemas electrónicos para la solución de problemas en el entorno profesional,

Más detalles

Arquitectura de Computadores: Exámenes y Controles

Arquitectura de Computadores: Exámenes y Controles 2º curso / 2º cuatr. Grado en Ing. Informática Doble Grado en Ing. Informática y Matemáticas Arquitectura de Computadores: Exámenes y Controles Examen de Prácticas AC 05/07/2013 resuelto Material elaborado

Más detalles

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Diego R. Martínez diegorm@dec.usc.es Dpto. Electrónica y Computación Universidad

Más detalles

Espacio afín. Transformaciones afines y movimientos

Espacio afín. Transformaciones afines y movimientos Capítulo Espacio afín. Transformaciones afines y movimientos. Espacio afín y espacio afín métrico Definición. El espacio afín (tridimensional) está constituido por los siguientes elementos. El espacio

Más detalles

FaceFinder MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS

FaceFinder MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS FaceFinder MÓDULO DE BÚSQUEDA DE PERSONAS DENTRO DE UNA BASE DE DATOS DE ROSTROS Introducción Los algoritmos utilizados para el procesamiento de imágenes son de complejidad computacional alta. Por esto

Más detalles

Primeros pasos con CUDA. Clase 1

Primeros pasos con CUDA. Clase 1 Primeros pasos con CUDA Clase 1 Ejemplo: suma de vectores Comencemos con un ejemplo sencillo: suma de vectores. Sean A, B y C vectores de dimensión N, la suma se define como: C = A + B donde C i = A i

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

Comparación de Métodos Iterativos de Reconstrucción de Imágenes TAC

Comparación de Métodos Iterativos de Reconstrucción de Imágenes TAC Comparación de Métodos Iterativos de Reconstrucción de Imágenes TAC Vicent Vidal, Liubov A. Flores, Patricia Mayo, Francisco Rodenas, Gumersindo Verdú Abstract En la tomografía axial computarizada (TAC),

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

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

Tècnic Auxiliar en Disseny Industrial - Manual Autocad 2011. Atributos. Un atributo es un objeto que se crea e incluye con una definición de bloque.

Tècnic Auxiliar en Disseny Industrial - Manual Autocad 2011. Atributos. Un atributo es un objeto que se crea e incluye con una definición de bloque. ATRIBUTOS Un atributo es un objeto que se crea e incluye con una definición de bloque. Los atributos pueden almacenar datos como números de serie, nombres de productos, etc. Ejemplos de algunas aplicaciones

Más detalles

GEOMETRÍA DE LOS DETERMINANTES

GEOMETRÍA DE LOS DETERMINANTES GEOMETRÍA DE LOS DETERMINANTES Introducción Tanto los libros de texto de bachillerato como los del primer curso de facultad suelen introducir la noción de determinante con su concepto aritmético o algebraico

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA MECANICA DEPARTAMENTO ACADEMICO DE CIENCIAS BASICAS, HUMANIDADES Y CURSOS COMPLEMENTARIOS

UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA MECANICA DEPARTAMENTO ACADEMICO DE CIENCIAS BASICAS, HUMANIDADES Y CURSOS COMPLEMENTARIOS UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE INGENIERIA MECANICA DEPARTAMENTO ACADEMICO DE CIENCIAS BASICAS, HUMANIDADES Y CURSOS COMPLEMENTARIOS SILABO P.A. 2012-1 1. INFORMACION GENERAL Nombre del

Más detalles

Districte Universitari de Catalunya

Districte Universitari de Catalunya Proves dʼaccés a la Universitat. Curs 2009-2010 Matemáticas Serie 1 Responda a CINCO de las siguientes seis cuestiones. En las respuestas, explique siempre qué es lo que quiere hacer y por qué. Cada cuestión

Más detalles

PROBLEMAS MÉTRICOS. Página 183 REFLEXIONA Y RESUELVE. Diagonal de un ortoedro. Distancia entre dos puntos. Distancia de un punto a una recta

PROBLEMAS MÉTRICOS. Página 183 REFLEXIONA Y RESUELVE. Diagonal de un ortoedro. Distancia entre dos puntos. Distancia de un punto a una recta PROBLEMAS MÉTRICOS Página 3 REFLEXIONA Y RESUELVE Diagonal de un ortoedro Halla la diagonal de los ortoedros cuyas dimensiones son las siguientes: I) a =, b =, c = II) a = 4, b =, c = 3 III) a =, b = 4,

Más detalles

MC ENRIQUE MARTINEZ PEÑA. Maestría en Ingeniería. Introducción al PDI Representación de la imagen Operaciones básicas con imágenes

MC ENRIQUE MARTINEZ PEÑA. Maestría en Ingeniería. Introducción al PDI Representación de la imagen Operaciones básicas con imágenes Maestría en Ingeniería Procesamiento Digital de Imágenes Contenido Introducción al PDI Representación de la imagen Operaciones básicas con imágenes 2 1 Inteligencia artificial La inteligencia artificial

Más detalles

Hoja de problemas Estructuras de Control

Hoja de problemas Estructuras de Control Departamento de Estadística, I.O. y Computación Ingeniería Técnica Industrial - Electrónica Industrial Fundamentos de Informática Hoja de problemas Estructuras de Control 1. Cuál es el efecto de las siguientes

Más detalles

RECONOCIMIENTO AUTOMATICO DE MATRICULAS

RECONOCIMIENTO AUTOMATICO DE MATRICULAS RECONOCIMIENTO AUTOMATICO DE MATRICULAS Carlos Parra Ramos Universidad Carlos III de Madrid Madrid, España 2006 David Regajo Rodríguez Universidad Carlos III de Madrid Madrid, España 2006 100030583@alumnos.uc3m.es

Más detalles

Administración de memoria: Funciones y operaciones

Administración de memoria: Funciones y operaciones Administración de memoria: Funciones y operaciones Facultad de Ingeniería, UNAM Instituto de Investigaciones Económicas, UNAM Índice Introducción 1 Introducción 2 3 4 5 El administrador de memoria Es otra

Más detalles

Ingeniería Superior de Informática. Curso 3º. Sistemas Operativos. Examen Final. TEORÍA. 31 de Enero de 2005

Ingeniería Superior de Informática. Curso 3º. Sistemas Operativos. Examen Final. TEORÍA. 31 de Enero de 2005 Ingeniería Superior de Informática. Curso º. Sistemas Operativos. Examen Final. TEORÍA. de Enero de 005 Nombre: DNI:. ( puntos). La TFA es la tabla que, en UNIX, guarda los punteros de posición de cada

Más detalles

SEGURIDAD Y PROTECCION DE FICHEROS

SEGURIDAD Y PROTECCION DE FICHEROS SEGURIDAD Y PROTECCION DE FICHEROS INTEGRIDAD DEL SISTEMA DE ARCHIVOS ATAQUES AL SISTEMA PRINCIPIOS DE DISEÑO DE SISTEMAS SEGUROS IDENTIFICACIÓN DE USUARIOS MECANISMOS DE PROTECCIÓN Y CONTROL INTEGRIDAD

Más detalles

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada Capítulo 2 Silueta 2.1 Silueta La silueta de un objeto es muy importante porque es lo que nos da las pistas visuales de cómo es que está formado, nos dice dónde están sus límites y ayuda a diferenciar

Más detalles

Fundamentos de Matemática Aplicada. (Prácticas)

Fundamentos de Matemática Aplicada. (Prácticas) Fundamentos de Matemática Aplicada (Prácticas) Damián Ginestar Peiró UNIVERSIDAD POLITÉCNICA DE VALENCIA 1 Índice general 1. Matrices dispersas 3 1.0.1. Esquemas de almacenamiento.............. 3 1.0.2.

Más detalles

Todo el alumnado que tenga un buen nivel podrá asistir a las clases de profundización que serán el por las tardes.

Todo el alumnado que tenga un buen nivel podrá asistir a las clases de profundización que serán el por las tardes. SEGUNDO DE BACHILLERATO CIENCIAS NATURALEZA Y SALUD A continuación se especifican los contenidos y los objetivos mínimos y deseables para cada una de las unidades didácticas de cada bloque. Finalmente

Más detalles

Hardware y Estructuras de Control. Memoria Virtual. Ejecución de un Programa. Ejecución de un Programa

Hardware y Estructuras de Control. Memoria Virtual. Ejecución de un Programa. Ejecución de un Programa Memoria Virtual Capítulo 8 Hardware y Estructuras de Control Las referencias de memoria se traducen a direcciones físicas dinámicamente en tiempo de ejecución Un proceso puede ser intercambiado hacia dentro

Más detalles

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA CURSO: Matemática Intermedia 1 JORNADA: Vespertina SEMESTRE: 1er. Semestre AÑO: 2013 TIPO DE EXAMEN: 3er. Examen

Más detalles

Objetos de la Base de Datos

Objetos de la Base de Datos Objetos de la Base de Datos Todos los datos de una base de datos de Microsoft SQL Server 2005/8 están contenidos en objetos llamados tablas. Cada tabla representa algún tipo de objeto con significado para

Más detalles

OLAP 2 OLAP 1 OLAP 4 OLAP 3 OLAP 5 OLAP 6

OLAP 2 OLAP 1 OLAP 4 OLAP 3 OLAP 5 OLAP 6 OLAP EXPLOTACIÓN UN DW: EXPLOTACIÓN UN DW:... OLAP 1 OLAP 2 EXPLOTACIÓN UN DW: MOLO UN AMBIENTE OLAP EXPLOTACIÓN UN DW: LAS HERRAMIENTAS OLAP PRESENTAN AL USUARIO UNA VISIÓN MULTIDIMENSIONAL LOS DATOS

Más detalles

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0).

Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). Problema 1. (4 puntos) Sea f la aplicación lineal de R³ en R³ definida por f(1,3,4)=(2,6,8), f(1,1,1)=(2,6,8) y f(0,1,1)=(0,0,0). a) Demostrad que (1,3,4), (1,1,1) i (0,1,1) son una base de R³. b) Decid

Más detalles

Capítulo 5: Comparación con ScaLAPACK

Capítulo 5: Comparación con ScaLAPACK Capítulo 5: Comparación con ScaLAPACK En este capítulo se presentan dos aspectos importantes en cuanto a la validez y utilización de los aportes de esta tesis: 1) Aplicación de los principios de paralelización

Más detalles

Resolución de Sistemas de Ecuaciones Lineales Banda Sobre Procesadores Actuales y Arquitecturas Multihebra. Aplicaciones en Control

Resolución de Sistemas de Ecuaciones Lineales Banda Sobre Procesadores Actuales y Arquitecturas Multihebra. Aplicaciones en Control UNIVERSIDAD JAIME I DE ASTELLÓN E. S. DE TENOLOGÍA Y IENIAS EXPERIMENTALES Resolución de Sistemas de Ecuaciones Lineales anda Sobre Procesadores Actuales y Arquitecturas Multihebra. Aplicaciones en ontrol

Más detalles

ALN - Formatos dispersos

ALN - Formatos dispersos ALN - Formatos dispersos In. Co. Facultad de Ingeniería Universidad de la República Temario Matrices dispersas Motivación e historia Formatos estáticos Formatos dinámicos Otros formatos Versión 1.0 2 Motivación

Más detalles

Procesadores de lenguaje Tema 5 Comprobación de tipos

Procesadores de lenguaje Tema 5 Comprobación de tipos Procesadores de lenguaje Tema 5 Comprobación de tipos Departamento de Ciencias de la Computación Universidad de Alcalá Resumen Sistemas de tipos. Expresiones de tipo. Equivalencia de tipos. Sobrecarga,

Más detalles

Cinemática Inversa del Robot. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides

Cinemática Inversa del Robot. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides Cinemática Inversa del Robot M.Sc. Kryscia Ramírez Benavides Introducción Resuelve la configuración que debe adoptar el robot para una posición y orientación del extremo conocidas. 2 Introducción (cont.)

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

Capítulo 12: Indexación y asociación

Capítulo 12: Indexación y asociación Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación

Más detalles

Cómputo en paralelo con OpenMP 1

Cómputo en paralelo con OpenMP 1 Cómputo en paralelo con OpenMP 1 Miguel Vargas-Félix miguelvargas@cimat.mx http://www.cimat.mx/~miguelvargas CIMAT, September 2, 2015 1/34 Velocidad de los procesadores de escritorio Recientemente, la

Más detalles

Determinación del espesor de aleaciones metálicas

Determinación del espesor de aleaciones metálicas Determinación del espesor de aleaciones metálicas Pablo Argañaras 1, Matías Farías 1, Miguel Mariguin 3, and Renzo Iturra 4 1 CNEA, Centro Atómico Bariloche, Mecánica Computacional, Av. Bustillo 9500,

Más detalles

PLANEACIÓN DE SISTEMAS INFORMÁTICOS ING. KARINA RAMÍREZ DURÁN

PLANEACIÓN DE SISTEMAS INFORMÁTICOS ING. KARINA RAMÍREZ DURÁN PLANEACIÓN DE SISTEMAS INFORMÁTICOS ING. KARINA RAMÍREZ DURÁN Diagrama de Gantt Fue desarrollada por Henry L. Gantt, durante la primera guerra mundial. Con estas graficas Gantt procuro resolver el problema

Más detalles

GRUPOS PUNTUALES. 4.- Si un plano de simetría contiene un eje de orden n, existen n planos que contienen el eje. formando entre ellos ángulos de

GRUPOS PUNTUALES. 4.- Si un plano de simetría contiene un eje de orden n, existen n planos que contienen el eje. formando entre ellos ángulos de GRUPOS PUNTUALES Existen algunas relaciones entre elementos de simetría que pueden ser útiles a la hora de deducir cuales son los conjuntos de estos que forman grupo. 1.- Todos los elementos de simetría

Más detalles

2º ITT SISTEMAS ELECTRÓNICOS 2º ITT SISTEMAS DE TELECOMUNICACIÓN 3º INGENIERÍA DE TELECOMUNICACIÓN AUTÓMATAS Y SISTEMAS DE CONTROL

2º ITT SISTEMAS ELECTRÓNICOS 2º ITT SISTEMAS DE TELECOMUNICACIÓN 3º INGENIERÍA DE TELECOMUNICACIÓN AUTÓMATAS Y SISTEMAS DE CONTROL 2º ITT SISTEMAS ELECTRÓNICOS 2º ITT SISTEMAS DE TELECOMUNICACIÓN 3º INGENIERÍA DE TELECOMUNICACIÓN AUTÓMATAS Y SISTEMAS DE CONTROL PRÁCTICA 2: INTRODUCCIÓN A MATLAB. CARACTERÍSTICAS BÁSICAS DE MATLAB Funcionalidades

Más detalles

Matrices y transformaciones

Matrices y transformaciones Matrices transformaciones La simetría corre por nuestras venas. Esta imagen representa el núcleo central del grupo hemo, el centro activo de la hemoglobina que oigena nuestras células. Fuente: http://www.cienciateca.com/simetria.html

Más detalles

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n.

1 v 1 v 2. = u 1v 1 + u 2 v 2 +... u n v n. v n. y v = u u = u 2 1 + u2 2 + + u2 n. Ortogonalidad Producto interior Longitud y ortogonalidad Definición Sean u y v vectores de R n Se define el producto escalar o producto interior) de u y v como u v = u T v = u, u,, u n ) Ejemplo Calcular

Más detalles

Software de Ingeniería de Costos, Programación, Planeación y Control de Obras. ecosoft.com.mx

Software de Ingeniería de Costos, Programación, Planeación y Control de Obras. ecosoft.com.mx Software de Ingeniería de Costos, Programación, Planeación y Control de Obras. ecosoft.com.mx Aspecto y comportamiento El aspecto y comportamiento (look and feel) del sistema OPUS le dan una enorme ventaja.

Más detalles

Selección de plataformas para el trabajo colaborativo en grupos deslocalizados: formulación del problema.

Selección de plataformas para el trabajo colaborativo en grupos deslocalizados: formulación del problema. Selección de plataformas para el trabajo colaborativo en grupos deslocalizados: formulación del problema. Juan A. Marin-Garcia 1, Teresa Marin-Garcia 2, Mª Rosario Perelló 1, Julio J. Garcia- Sabater 1

Más detalles

2º CURSO INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN TEMA 5 ENTRADA/SALIDA. JOSÉ GARCÍA RODRÍGUEZ JOSÉ ANTONIO SERRA PÉREZ Tema 5.

2º CURSO INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN TEMA 5 ENTRADA/SALIDA. JOSÉ GARCÍA RODRÍGUEZ JOSÉ ANTONIO SERRA PÉREZ Tema 5. ARQUITECTURAS DE COMPUTADORES 2º CURSO INGENIERÍA TÉCNICA EN INFORMÁTICA DE GESTIÓN TEMA 5 ENTRADA/SALIDA JOSÉ GARCÍA RODRÍGUEZ JOSÉ ANTONIO SERRA PÉREZ Tema 5. Unidad de E/S 1 Unidad de E/S Indice Introducción.

Más detalles