Acceleració d'operacions SQL en GPU

L'objectiu principal d'aquest projecte és avaluar la tecnologia GPU per determinar si pot ser útil en el sector de les bases de dades. En concret s'utilitza el problema específic de les consultes analítiques amb la finalitat de intentar obtenir un temps de resposta més ràpid. Per aconseguir-ho s'executa el benchmark estàndard TCP-H per poder realitzar la comparació entre tres sistemes de gestió de bases de dades CPU amb un altre implementat per GPU.

ReacTIVision en CUDA : aprovechando las capacidades de la computación paralela en GPU

En aquest projecte final de carrera es decriurà el procés realitzat per tal d'aconseguir que l'aplicació reacTICision aprofiti les capacitats de la computació paral·lela en GPU mitjançant la tecnologia CUDA de NVIDIA. Amb aquest objectiu es realitzarà un estudi de la tecnologia CUDA i el funcionament de reacTIVision així com un anàlisi dels resultats obtinguts

Desarrollo de software para el procesado numérico en tarjetas gráficas

Debido al gran número de transistores por mm2 que hoy en día podemos encontrar en las GPU convencionales, en los últimos años éstas se vienen utilizando para propósitos generales gracias a que ofrecen un mayor rendimiento para computación paralela. Este proyecto implementa el producto sparse matrix-vector sobre OpenCL. En los primeros capítulos hacemos una revisión de la base teórica necesaria para comprender el problema. Después veremos los fundamentos de OpenCL y del hardware sobre el que se ejecutarán las librerías desarrolladas. En el siguiente capítulo seguiremos con una descripción del código de los kernels y de su flujo de datos. Finalmente, el software es evaluado basándose en comparativas con la CPU.

Avaluació de la tecnologia de les GPUs

En el projecte s’ha dut a terme un estudi sobre la tecnologia que aporten les targetes gràfiques (GPU) dins l’àmbit de programació d’aplicacions que tradicionalment eren executades en la CPU o altrament conegut com a GPGPU. S’ha fet una anàlisi profunda del marc tecnològic actual explicant part del maquinari de les targetes gràfiques i de què tracta el GPGPU. També s’han estudiat les diferents opcions que existeixen per poder realitzar els tests de rendiment que permetran avaluar el programari, quin programari està dissenyat per ser executat amb aquesta tecnologia i quin és el procediment a seguir per poder utilitzar-los. S’han efectuat diverses proves per avaluar el rendiment de programari dissenyat o compatible d’executar en la GPU, realitzant taules comparatives amb els temps de còmput. Un cop finalitzades les diferents proves del programari, es pot concloure que no tota aplicació processada en la GPU aporta un benefici. Per poder veure millores és necessari que l’aplicació reuneixi una sèrie de requisits com que disposi d’un elevat nombre d’operacions que es puguin realitzar en paral lel, que no existeixin condicionants per a l’execució de les operacions i que sigui un procés amb càlcul aritmètic intensiu.

Paral·lelització de la factorització LU utilitzant OpenCL

Els objectius del projecte són l'estudi de l'estàndard OpenCL (Open Computing Language) i la seva avaluació  desenvolupant  la paral·lelització d'una factorització LU.

Econometrics on GPUs

A graphical processing unit (GPU) is a hardware device normally used to manipulate computer memory for the display of images. GPU computing is the practice of using a GPU device for scientific or general purpose computations that are not necessarily related to the display of images. Many problems in econometrics have a structure that allows for successful use of GPU computing. We explore two examples. The first is simple: repeated evaluation of a likelihood function at different parameter values. The second is a more complicated estimator that involves simulation and nonparametric fitting. We find speedups from 1.5 up to 55.4 times, compared to computations done on a single CPU core. These speedups can be obtained with very little expense, energy consumption, and time dedicated to system maintenance, compared to equivalent performance solutions using CPUs. Code for the examples is provided.

Algorismes de shading moderns|h[Recurs electrònic] :|b implementació i comparativa

Elmercat de jocs i de pel•lícules d'entreteniment demana constantment entornsmés realistes i efectes que sorprenguin a l'espectador.Els gràfics 3D interactius (per exemple, dels jocs) han vist una evoluciósorprenent en les dues últimes dècades. Hem passat de representacions moltesquemàtiques i simplificades dels entorns, a una qualitat visual que aviatserà indistingible de la realitat. El projecte tracta de desenvolupar un motor 3D des de zero. Es podria haver utilitzatun motor 3D ja disponible com a base, com per exemple el popular Unity,però s’ha decidit crear-lo ja que això dóna l’ oportunitat de conèixer com funcionen els motoscomercials i provar noves idees. En resum, és un treball difícil, però moltenriquidor, la qual cosa comporta una gran motivacio.S’han utilitzat noves tecnologies. No només s’ha volgut desenvoluparun motor 3D des de zero, si no que s’han volgut provar noves llibreries gràfiques i nous formats de dades 3d. El mercat té força oferta de les duess, per la qualcosa s’ha aprofitat l’ oportunitat per aprendre duess tecnologies noves.El procés de desenvolupar un projecte utilitzant tecnologies desconegudes permetrà aprendre els seus punts forts i febles, podent fer-neuna anàlisi crítica, que d'altra manera no es tindria.Finalment, s’ha implementat i comparat quatre algorismes de shading.La selecció dels quatre algorismes ha estat en base a les diferentsnecessitats que intenten cobrir. El primer, el Forward Shading, és l'algorismeclàssic, utilitzat des de fa dècades, però que teòricament escala malament respecte a la quantitat de llums. El segon, el Deferred Shading, teòricament,escala molt bé amb moltes llums, però té un cost base elevat, i un consum altde memòria. El tercer, el Deferred Lighting, és una variació de l'anterior queintenta reduir el cost base i l'úss de memòria. L'últim, el Inferred Lighting,intenta explotar la baixa freqüència de la il•luminació dels entorns 3D, persuportar una gran quantitat de llums amb un molt bon rendiment.Un cop implementats aquests quatre algorismes, s’han pogut compararrespecte el seu ús de la GPU, i el seu comportament en diferents tipusd'escenes, per tal de tenir una visió global de quin algorisme és adequat encada situació