تحلیل مجموعه داده های تصویری بزرگ با استفاده از سیستم پیوندی مبتنی بر CPU-GPU

تجزیه و تحلیل مجموعه داده های تصاویر آسیب شناسی و پاتولوژی با حجم بسیار بزرگ فرصت بسیار گسترده ای برای تحقیقات درزمینه ی ساختار شناسی سلولی فراهم آورده است. اما نیاز به منابع مناسب پردازشی انجام این گونه تحقیقات را در مقیاس کوچکمحدود نموده است . تاکنون سیستم های مختلفی با توان محاسباتی بسیار بالا در زمینه ی تحلیل تصاویر بافت شناسی مربوط به تومورهای مغزی با تفکیک پذیری بالا بر روی سیستم های توزیع شده مبتنی بر CPU-GPU پیاده سازی و آزمایش شده اند. برای دستیابی به توان پردازشی بالا در یک سیستم پیوندی از یک ساختار خط لوله ی چند سطحی پردازش داده استفاده می شود. چنین سیستمی به صورت ساختاری از خط لوله های دانه درشت طراحی شده است که ممکن است هر سطح از چند خط لوله ی ریز دانه بصورت مجزا تشکیل شود. عملیات در سطح ریز دانه دارای زمان بندی دقیق جهت انجام محاسبات روی CPU و GPU با بهینه سازی های زمانی موثر طراحی شده اند. این عملیات شامل جایگذاری های دقیق تر عملیات، تخصیص وظایف آگاه از وابستگی داده ها، واکشی اولیه داده ها و تهیه ی نسخه های ناهمگام از داده ها می باشد. این بهبود ها در بیشینه سازی عملکرد و بهره ی توان محاسباتی و همچنین کمینه سازی سربار تهیه ی نسخه از داده ها استفاده شده است. تجربه های عملی انجام شده در این مقاله نشان می دهد که استفاده ی مشترک و بصورت پیوندی از CPU و GPU مت واند عملکرد بهتری تا حدود 1.6 برابر سیستم هایی که تنها مبتنی بر GPU هستند ، داشته باشد. محاسبات انجام شده با استفاده از پردازش های ریز دانه، فرصت پیاده سازی خط لوله با حمایت در هنگام اجرا را برای تحلیل تصاویر سرطانی با مجموعه داده ای متشکل از 36848 تصویر با کیفیت 4096*4096 پیکسل در کمتر از چهار دقیقه فراهم می آورد.

Keywords:

خط لوله , قطعه سازی تصاویر , GPGPU , هیبرید , CPU-GPU