GRAFIKUS PROCESSZOROK ALKALMAZÁSA KÉPFELDOLGOZÁSI FELADATOKRA
|
|
- Marcell Kocsis
- 8 évvel ezelőtt
- Látták:
Átírás
1 GRAFIKUS PROCESSZOROK ALKALMAZÁSA KÉPFELDOLGOZÁSI FELADATOKRA ABSTRACT Simon Pál PhD hallgató Miskolci Egyetem Hatvany József Informatikai Tudományok Doktori Iskola The aim of this paper is the presentation of the graphical processors and the image processing tasks which can be executed with them. Nowadays graphical processors not only used to computation of computer graphics, but to general computational tasks. Using it strongly parallel task their executive abilities the execution time of the computational tasks significantly reducible. The relatively plain operations to be made on the big data set are makes it suitable for the execution of image processing algorithms because of his intense parallel. ÖSSZEFOGLALÓ Ennek a cikknek a tárgya a grafikus processzorok és azokkal végrehajtható feldolgozási feladatoknak a bemutatása. Napjainkban a grafikus processzorokat nemcsak megjelenítési feladatok számításaihoz alkalmazzák, hanem általános számítási feladatokhoz is. Kihasználva az erősen párhuzamos feladat végrehajtó ességeiket a számítási feladatok végrehajtási ideje jelentősen csökkenthető. A nagy adathalmazon végzendő viszonylag egyszerű műveletek nagyfokú párhuzamosíthatósága miatt feldolgozó algoritmusok végrehajtására is alkalmasak. BEVEZETÉS Napjaink grafikus kártyái már nem csak megjelenítésre használhatóak. A rajtuk található feladatspecifikus processzor, a GPU es fix és lebegőpontos számítások elvégzésére és a megjelenítési követelmények miatt erősen párhuzamos architektúrájú. A grafikai algoritmusok kifinomultsága miatt, ezeket a hardver eszközöket felhasználók által programozhatóvá tették. Mindez ahhoz vezetett, hogy a grafikus processzorokat általános számítási műveletek végrehajtására is használni kezdték. Mivel a nagyfokú párhuzamossága miatt a számítási teljesítménye jóval meghaladja a CPU számítási teljesítményét, így általános célú használata gyorsan elterjedt. Később ezt megkönnyítendő különféle fejlesztőkörnyezeteket és függvénykönyvtárakat kezdtek fejleszteni az általános számítási feladatok implementálására. Jelenleg bizonyos feladatokat a grafikus processzorok esek akár 150-szer gyorsabban is elvégezni a hagyományos processzorokhoz est, a nagy probléma kisebb feladatokra osztásával, majd az eredmények későbbi egyesítésével. Ezen esség miatt nagyon alkalmasak feldolgozási algoritmusok végrehajtására. 84
2 GRAFIKUS PROCESSZOR A GPU architektúrájának köszönhetően erősen párhuzamos műveletvégzésre alkalmas, emellett nagy és gyorsan elérhető gyorsítótárat is tartalmaz. Az összetett 3D-s alakzatok megjelenítésére lettek kifejlesztve és emiatt az utasítás készlete jóval kisebb mint egy CPU-é. De emiatt a specializáltság miatt lehet elérni azt a nagy teljesítményt. A GPU előnyös tulajdonságai 1. Nagymértékű párhuzamos lebegőpontos számítás A jelenlegi GPUkban több mint 400 lebegőpontos számításra es processzor található, így számítási teljesítménye többszörösen nagyobb mint amire a CPU es [1]. A jelenlegi Tesla GPU dupla pontosságú lebegőpontos számítási sebessége 515 Gflop [2]. Ezt a számítási sebbegéset a jelenlegi CPU-k meg sem közelítik. 2. Nagy memória sávszélesség A GPU a belső memóriáját gyorsabban tudja elérni, mint a CPU a rendszermemóriát. A GPU belső memóriája 128MB-tól akár 6GB-ig is terjedhet és a sávszélessége akár 144 GB/sec is lehet. 3. Multi-GPUs számítás Egy számítógépen belül akár több grafikus kártyát is lehet alkalmazni, így a rendszer számítási teljesítménye még inkább megnövelhető. A GPU-k architektúráját folyamatosan fejlesztik és nem csak a számítási teljesítmény növelése céljából, hanem a könnyebb programozhatóság érdekében is. A kezdeti szigorúan feladat-párhuzamos működést támogató architektúrát leváltotta az adat-párhuzamos működési architektúra [3]. Napjainkban a grafikus kártyákat gyártó AMD és NVIDIA egységesített shader architektúrájú GPU-kat fejleszt. CPU vagy GPU A CPU-t és a GPU-t más céllal fejlesztik, ebből kifolyólag más-más feladatokat esek hatékonyan végrehajtani. A CPU a számítógép központi egységeként sok folyamat és szál kezelését végzi hatékonyan. A szálak közötti kontextus váltásokra és az egyes szálak szekvenciális végrehajtására tervezték. Ezzel szemben a GPU-t egyetlen folyamat szálainak párhuzamos végrehajtásra tervezték. Emiatt jól lehet alkalmazni olyan esetekben, ahol nagy adathalmazon kell műveteket végrehajtani és az egyes adatok között minimális a függőség. GPU-K PROGRAMOZÁSA ÁLTALÁNOS CÉLLAL A GPU-k programozása szinte tetszőleges programozási nyelven történhet, csak a megfelelő függvénykönyvtárakat kell használni. Több ilyen függvénykönyvtár használata is elterjedt. 85
3 CUDA Toolkit A Compute Unified Device Architecture, az nvidia párhuzamos programozási rendszere, melynek segítségével az nvidia grafikus kártyáit lehet programozni. OpenCL Az Open Computing Language, egy olyan standard, melynek segítségével, párhuzamosan programozhatók heterogén rendszerek. A heterogenitás ebben az esetben azt jelenti, hogy ugyanaz a kód es módosítás nélkül futni bármelyik gyártó GPU-ján vagy CPUn. GpuCV A egy nyílt forráskódú GPU-ra implementált feldolgozó Computer Vision függvénykönyvtár [4]. A benne található függvények nagyon hasonlóak az OpenCV függvénykönyvtár függvényeihez. Néhány művelet alkalmazása során tapasztalt sebesség növekedést mutat az 1. táblázat. 1. táblázat Műlelet végrehajtási idők összehasonlítása OpenCV-t és GpuCV-t használva 1024x1024 felbontású en. Használt hardver: Pentium 4 CPU, 1GB RAM, GeForce 7800 GTX GPU [4] OpenCV GpuCV 3x3 erózió 24 ms 3,0 ms 5x5 erózió 31 ms 8,5 ms RGB to XYZ 11 ms 0,6 ms RGB to HSV 18 ms 1,7 ms Binary threshold 1,2 ms 0,7 ms KÉPFELDOLGOZÁS GPU SEGÍTSÉGÉVEL A GPU-k a párhuzamos feladat végrehajtásuk miatt alkalmasak feldolgozó eljárások végrehajtásához. A leggyakoribb művelet a konvolúció, amelyet minden pontra végre kell hajtani így a nagymértékű párhuzamosítás jelentősen megnöveli a végrehajtás gyorsaságát. Konvolúciót alkalmazó algoritmus a Canny éldetektáló algoritmus, amit jól lehet GPU-ra implementálni [5]. Hasonlóan jó példa a pontokra alkalmazott transzformációs függvény a Hough-transzformáció él [6] és kör [7] detektálásra. A GPU-k gyors memória elérését kihasználva mapping algoritmusokat lehet implementálni. Egy mapping algoritmust használó szűrő eljárást bemutató tanulmány szerint [8] jelentős sebesség növekedés érhető el a GPU-k használatával (2.táblázat). 86
4 2. táblázat A sebességnövekedés és a percenkénti ek száma (FPS) a Tesla C1060 és Xeon Quad Core (2,66 GHz) processzorokat használva, 9x9-es szűrőablakot alkalmazva különböző méretű eken. [8] 512x x x x4096 FPS (Xeon) 4,58 1,01 0,19 0,005 FPS (Tesla) 306,55 97,05 26,19 0,66 sebességnövekedés 66,95 89,11 135,62 145,88 Összetett feldolgozó eljárásokat is implementáltak már GPU-ra, mint az orvosdiagnosztikai feldolgozás során használható javítási és objektum elkülönítési eljárások [9]. De szegmentáláson kívül a en található objektumok felismerésére [10] és objektumok sajátosságainak a keresésére [11] is készült algoritmus. Valós időben történő alkalmazásra a jó példa a szem lehunyásának a detektálása [12]. Hasonlóan komplex feldolgozó algoritmus készült szűrésére genetikus algoritmust felhasználva [13] vagy az élkiemelésre Russo and Ramponi által elkészített [14] FIRE (Fuzzy Interference Ruled by Else-Action) eljárás. Ennél az eljárásnál is több mint 100 szoros sebesség növekedés lehetett elérni a GPU használatával (3. táblázat). A teszteléshez használt processzor AMD Athlon Fx-55 2,6GHz-es órajellel, a rendszer memória 2GB, a GPU NVIDIA 8800 BFG Ultra 768MB memóriával. 3. táblázat A feldolgozás idejének alakulása CPU és GPU felhasználásával [14] 320x x x x x CPU 0,73 2,86 6,6 11,5 12,3 GPU 0,006 0,024 0,052 0,091 0,098 Sebesség különbség 121X 119X 126X 126X 125X ÖSSZEFOGLALÁS A grafikus processzorok alkalmazása feldolgozási algoritmusok használatához általánossá válhat. Leginkább a valós időben történő feldolgozási feladatoknál nyújthatnak nagy segítséget. A grafikus processzorok fejlődésével lehetőség válhat a nagy felbontású ek másodperc tört része alatt történő feldolgozására, elemzésére. Ezzel új távlatokat nyithatnak a folyamatok szabályzása, vezérlése valamint a robotika területén. 87
5 KÖSZÖNETNYILVÁNÍTÁS A bemutatott kutatómunka a TÁMOP B-10/2/KONV jelű projekt részeként az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósult meg. IRODALOM [1] NVIDIA Corporation: NVIDIA CUDA compute unified device architecture programming guide, Version 2.0, 6/7/2008, [Megtekintve November 2.] [2] [Megtekintve 2011 November 2.] [3] Owens, J., Houston, M., Luebke, D., Green, S., Stone, J., Phillips, J.: GPU Computing, Proceedings of the IEEE 96(5), , 2008 [4] Yannick Allusse, Patrick Horain, Ankit Agarwal, Cindula Saipriyadarshan: GpuCV: A GPU-accelerated framework for Image Processing and Computer Vision, Lecture Notes in Computer Science, Volume 5359/2008, [5] Y. Luo and R. Duraiswami: Canny edge detection on NVIDIA CUDA, Computer Vision and Patern Recognation Workschops, CVPR Workschops IEEE Computer Society Conference on, June 2008 pp 1-8. [6] James Fung, Steve Mann, and Chris Aimone: OpenVIDIA: Parallel GPU computer vision, Proceedings of the ACM Multimedia 2005, Singapore, Nov , pp [7] M. Ujaldn, A. Ruiz, and N. Guil: On the computation of the circle hough transform by a GPU rasterizer, Pattern Recognition Letters, vol. 29, no. 3, pp , [8] Richard Membarth, Hritam Dutta, Frank Hannig, and Jürgen Teich : Efficient Mapping of Streaming Applications for Image Processing on Graphics Cards, Transactions on High-Performance Embedded Architectures and Compilers (Transactions on HiPEAC), 2011 [9] L. Pan, L. Gu and J. Xu: Implementation of medical image segmention in CUDA, Technology and Applications in Biomedicine, ITAB International Conference on, May 2008 pp [10] Hicham Ghorayeb, Bruno Steux, and Claude Laurgeau: Boosted algorithms for visual object detection on graphics processing units, Lecture Notes in Computer Science, ACCV 2006, vol. 3852/2006, pp [11] Sudipta N. Sinha, Jan-Michael Frahm, Marc Pollefeys, and Yakup Genc: Feature tracking and matching in video using programmable graphics hardware, Machine Vision and Applications, [12] Lalonde, Byrns, Gagnon, Teasdale, and Laurendeau: Real-time eye blink detection with gpu-based sift tracking, CRV, vol. 00, pp , [13] Simon Harding: Evolution of image filters on graphics processor units using Cartesian Genetic Programming, IEEE Congress on Evolutionary Computation 2008:
6 [14] R. H. Luke, D. T. Anderson, J. M. Keller, S. Coupland: Fuzzy Logic-Based Image Processing Using Graphics Processor Units, IFSA/EUSFLAT Conf. 2009: pp
7 TARTALOMJEGYZÉK Antal Dániel EJTÉSI TESZT EGYSZERSÍTETT MODELLEZÉSE A TERVEZÉS FÁZISÁBAN 1 Bodolai Tamás MINTATESZTEL SZOFTVER FEJLESZTÉSE LINE SCAN KAMERÁS ALKALMAZÁSOKHOZ 7 Bodzás Sándor DESIGNING AND MODELLING OF WORM GEAR HOB 12 Burmeister Dániel BUCKLING OF SHELL-STIFFENED AND AXISYMMETRICALLY LOADED ANNULAR PLATES 18 Daróczy Gabriella EMOTION AND THE COMPUTATIONAL MODEL OF METAPHORS 24 Drágár Zsuzsa NEM SZABVÁNYOS SZERSZÁM-ALAPPROFIL KIALAKÍTÁSÁNAK LEHETSÉGEI FOGASKEREKEKHEZ 30 Fekete Tamás MEMBRÁNOK ALKAKMAZÁSA SZINKRON VÁLTAKOZÓ ÁRAMÚ HIDRAULIKUS HAJTÁSOKBAN 35 Ferenczi István MODELING THE BEHAVIOR OF PROFINET IRT IN GIGABIT ETHERNET NETWORK 41 Ficsor Emese AUTOMATIZÁLT AZONOSÍTÁSTECHNIKAI ÉS NYOMONKÖVETÉSI LEHETSÉGEK VIZSGÁLATA INTERMODÁLIS SZÁLLÍTÁS SORÁN 47 Gáspár Marcell Gyula NAGYSZILÁRDSÁGÚ ACÉL HEGESZTÉSTECHNOLÓGIÁJÁNAK FEJLESZTÉSE A HLÉS ID ELEMZÉSÉVEL 54 Hriczó Krisztián NEMNEWTONI FOLYADÉKOK HATÁRRÉTEG ÁRAMLÁSÁNAK HASONLÓSÁGI MEGOLDÁSAI KONVEKTÍV FELÜLETI PEREMFELTÉTELEK MELLETT 60 Kelemen László Attila DOMBORÍTOTT FOGAZAT MATEMATIKAI MODELLEZÉSE FOGASGYRS TENGELYKAPCSOLÓKHOZ 66
8 Krizsán Zoltán STRUCTURAL IMPROVEMENTS OF THE OPENRTM ROBOT MIDDLEWARE 72 Mándy Zoltán A POSSIBLE NEURAL NETWORK FOR A HOLONIC MANUFACTURING SYSTEM 78 Simon Pál GRAFIKUS PROCESSZOROK ALKALMAZÁSA KÉPFELDOLGOZÁSI FELADATOKRA 84 Skapinyecz Róbert OPTIMALIZÁLÁSI LEHETSÉGEK VIZSGÁLATA EGY E-PIACTÉRREL INTEGRÁLT VIRTUÁLIS SZÁLLÍTÁSI VÁLLALATNÁL 90 Somoski Gábor COLD METAL TRANSFER THE CMT PROCESS 96 Szabó Adél Anett A TELJES KÖLTSÉG KONCEPCIÓ JELENTSÉGE A VÁLLALATI BESZERZÉSI GYAKORLATBAN 102 Szamosi Zoltán MEZGAZDASÁGI HULLADÉKOK VIZSGÁLATA 108 Szilágyiné Biró Andrea BETÉTEDZÉS ACÉLOK KÜLÖNBÖZ HMÉRSÉKLET KARBONITRIDÁLÁSA 114 Tomkovics Tamás DARABÁRU OSZTÁLYOZÓ RENDSZEREK KISZOLGÁLÁSI STRATÉGIÁIT BEFOLYÁSOLÓ JELLEMZK; A RENDSZEREK MODULJAI KÖZÖTTI ÖSSZEFÜGGÉSEK FELTÁRÁSA 120 Tóth Zsolt EL REDUKCIÓ ALKALMAZÁSA A TBL ALGORITMUS IDKÖLTSÉGÉNEK CSÖKKENTÉSÉRE 126 Varga Zoltán KONKRÉT LOGISZTIKAI MINTARENDSZER MODELLEZÉSE 131 Vincze Dávid MATLAB INTERFACE FOR THE 3D VIRTUAL COLLABORATION ARENA 137 Wagner György INTENZÍTÁS BÁZISÚ OPTIMALIZÁLÁS FORGÁCSOLÁSI PARAMÉTEREK MEGHATÁROZÁSÁHOZ 143
BETÉTEDZÉSŰ ACÉLOK KÜLÖNBÖZŐ HŐMÉRSÉKLETŰ KARBONITRIDÁLÁSA. Szilágyiné Biró Andrea 1, Dr. Tisza Miklós 2
BEVEZETÉS BETÉTEDZÉSŰ ACÉLOK KÜLÖNBÖZŐ HŐMÉRSÉKLETŰ KARBONITRIDÁLÁSA Szilágyiné Biró Andrea 1, Dr. Tisza Miklós 2 1 PhD hallgató, 2 tanszékvezető, egyetemi tanár Miskolci Egyetem, Mechanikai Technológiai
RészletesebbenINTENZÍTÁS BÁZISÚ OPTIMALIZÁLÁS FORGÁCSOLÁSI PARAMÉTEREK MEGHATÁROZÁSÁHOZ
INTENZÍTÁS BÁZISÚ OPTIMALIZÁLÁS FORGÁCSOLÁSI PARAMÉTEREK MEGHATÁROZÁSÁHOZ Wagner György 1, Tóth Tibor 2 egyetemi tanársegéd, ME Általános Informatikai Tanszék Prof. Dr. DSc, egyetemi tanár, ME Alkalmazott
RészletesebbenKONKRÉT LOGISZTIKAI MINTARENDSZER MODELLEZÉSE
KONKRÉT LOGISZTIKAI MINTARENDSZER MODELLEZÉSE Szerzők: Dr. Kovács László 1, Varga Zoltán 2 Egyetemi docens, PhD hallgató Miskolci Egyetem, Hatvany József Informatikai Tudományok Doktori Iskola A Miskolci
RészletesebbenELŽ REDUKCIÓ ALKALMAZÁSA A TBL ALGORITMUS IDŽKÖLTSÉGÉNEK CSÖKKENTÉSÉRE
ELŽ REDUKCIÓ ALKALMAZÁSA A TBL ALGORITMUS IDŽKÖLTSÉGÉNEK CSÖKKENTÉSÉRE TÓTH ZSOLT, LÁSZLÓ KOVÁCS Kivonat. A környezet független nyelvek generálása egy N P nehéz probléma, amire a TBL algoritmus[1][2] egy
RészletesebbenA TELJES KÖLTSÉG KONCEPCIÓ JELENTŐSÉGE A VÁLLALATI BESZERZÉSI GYAKORLATBAN
A TELJES KÖLTSÉG KONCEPCIÓ JELENTŐSÉGE A VÁLLALATI BESZERZÉSI GYAKORLATBAN Szabó Adél Anett 1, Dr. Bányainé dr. Tóth Ágota 2, Prof. Dr. Illés Béla 3 1 doktorandusz hallgató, 2 egyetemi docens témavezető,
RészletesebbenMEMBRÁNOK ALKAKMAZÁSA SZINKRON VÁLTAKOZÓ ÁRAMÚ HIDRAULIKUS HAJTÁSOKBAN. Fekete Tamás PhD hallgató Miskolci Egyetem, Szerszámgépek Tanszéke
MEMBRÁNOK ALKAKMAZÁSA SZINKRON VÁLTAKOZÓ ÁRAMÚ HIDRAULIKUS HAJTÁSOKBAN Fekete Tamás PhD hallgató Miskolci Egyetem, Szerszámgépek Tanszéke 1. ASZINKRON VÁLTAKOZÓ ÁRAMÚ HIDRAULIKUS HAJTÁS A váltakozó áramú
RészletesebbenDARABÁRU OSZTÁLYOZÓ RENDSZEREK KISZOLGÁLÁSI STRATÉGIÁIT BEFOLYÁSOLÓ JELLEMZŐK; A RENDSZEREK MODULJAI KÖZÖTTI ÖSSZEFÜGGÉSEK FELTÁRÁSA
DARABÁRU OSZTÁLYOZÓ RENDSZEREK KISZOLGÁLÁSI STRATÉGIÁIT BEFOLYÁSOLÓ JELLEMZŐK; A RENDSZEREK MODULJAI KÖZÖTTI ÖSSZEFÜGGÉSEK FELTÁRÁSA Tomkovics Tamás 1, Dr. Kovács László 2 Ph.D. hallgató, egyetemi docens
RészletesebbenAUTOMATIZÁLT AZONOSÍTÁSTECHNIKAI ÉS NYOMONKÖVETÉSI LEHETŐSÉGEK VIZSGÁLATA INTERMODÁLIS SZÁLLÍTÁS SORÁN
AUTOMATIZÁLT AZONOSÍTÁSTECHNIKAI ÉS NYOMONKÖVETÉSI LEHETŐSÉGEK VIZSGÁLATA INTERMODÁLIS SZÁLLÍTÁS SORÁN Ficsor Emese 1, Prof. Dr. Illés Béla 2 Ph.D. hallgató 1, tanszékvezető, egyetemi tanár 2 Miskolci
RészletesebbenMEZİGAZDASÁGI HULLADÉKOK VIZSGÁLATA
MEZİGAZDASÁGI HULLADÉKOK VIZSGÁLATA Szamosi Zoltán 1, Dr. Lakatos Károly 2, Dr. Siménfalvi Zoltán 3 doktorandusz, egyetemi docens, tanszékvezetı egyetemi docens Vegyipari Gépek Tanszéke, Áramlás- és Hıtechnikai
RészletesebbenOptimalizálási lehetőségek vizsgálata egy e-piactérrel integrált virtuális szállítási vállalatnál
Optimalizálási lehetőségek vizsgálata egy e-piactérrel integrált virtuális szállítási vállalatnál ABSZTRAKT Skapinyecz Róbert 1, Illés Béla 2 PhD. hallgató Prof. Dr., tanszékvezető egyetemi tanár Miskolci
RészletesebbenDESIGNING AND MODELLING OF WORM GEAR HOB
DESIGNING AND MODELLING OF WORM GEAR HOB Sándor Bodzás 1, Dr. Illés Dudás 2 1 PhD student, bodzassandor@nyf.hu 2 DSc professor, illes.dudas@uni-miskolc.hu 1,2 Department of Production Engineering, University
RészletesebbenGPGPU alapok. GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai
GPGPU alapok GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai Szenasi.sandor@nik.uni-obuda.hu GPGPU alapok GPGPU alapok Grafikus kártyák evolúciója GPU programozás sajátosságai Szenasi.sandor@nik.uni-obuda.hu
RészletesebbenA CUDA előnyei: - Elszórt memória olvasás (az adatok a memória bármely területéről olvashatóak) PC-Vilag.hu CUDA, a jövő technológiája?!
A CUDA (Compute Unified Device Architecture) egy párhuzamos számításokat használó architektúra, amelyet az NVIDIA fejlesztett ki. A CUDA valójában egy számoló egység az NVIDIA GPU-n (Graphic Processing
RészletesebbenNAGYSZILÁRDSÁGÚ ACÉLOK HEGESZTÉSTECHNOLÓGIÁJÁNAK FEJLESZTÉSE A HŰLÉSI IDŐ ELEMZÉSÉVEL
NAGYSZILÁRDSÁGÚ ACÉLOK HEGESZTÉSTECHNOLÓGIÁJÁNAK FEJLESZTÉSE A HŰLÉSI IDŐ ELEMZÉSÉVEL Gáspár Marcell Gyula 1, Dr. Balogh András 2 1 PhD hallgató, 2 egyetemi docens Miskolci Egyetem Mechanikai Technológiai
RészletesebbenOpenCL - The open standard for parallel programming of heterogeneous systems
OpenCL - The open standard for parallel programming of heterogeneous systems GPU-k általános számításokhoz GPU Graphics Processing Unit Képalkotás: sok, általában egyszerű és független művelet < 2006:
RészletesebbenGPU-Accelerated Collocation Pattern Discovery
GPU-Accelerated Collocation Pattern Discovery Térbeli együttes előfordulási minták GPU-val gyorsított felismerése Gyenes Csilla Sallai Levente Szabó Andrea Eötvös Loránd Tudományegyetem Informatikai Kar
RészletesebbenGrafikus csővezeték 1 / 44
Grafikus csővezeték 1 / 44 Grafikus csővezeték Vertex feldolgozás A vertexek egyenként a képernyő térbe vannak transzformálva Primitív feldolgozás A vertexek primitívekbe vannak szervezve Raszterizálás
RészletesebbenPárhuzamos programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
RészletesebbenSzámítógépek felépítése
Számítógépek felépítése Emil Vatai 2014-2015 Emil Vatai Számítógépek felépítése 2014-2015 1 / 14 Outline 1 Alap fogalmak Bit, Byte, Word 2 Számítógép részei A processzor részei Processzor architektúrák
RészletesebbenÉlpont osztályozáson alapuló robusztus tekintetkövetés
KÉPFELDOLGOZÁS Élpont osztályozáson alapuló robusztus tekintetkövetés HELFENBEIN TAMÁS Ipari Kommunikációs Technológiai Intézet, Bay Zoltán Alkalmazott Kutatási Közalapítvány helfenbein@ikti.hu Lektorált
RészletesebbenPárhuzamos programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
RészletesebbenMagas szintű optimalizálás
Magas szintű optimalizálás Soros kód párhuzamosítása Mennyi a várható teljesítmény növekedés? Erős skálázódás (Amdahl törvény) Mennyire lineáris a skálázódás a párhuzamosítás növelésével? S 1 P 1 P N GPGPU
RészletesebbenGPGPU-k és programozásuk Dezső, Sima Sándor, Szénási
GPGPU-k és programozásuk Dezső, Sima Sándor, Szénási GPGPU-k és programozásuk írta Dezső, Sima és Sándor, Szénási Szerzői jog 2013 Typotex Kivonat A processzor technika alkalmazásának fejlődése terén napjaink
RészletesebbenVirtuális Egér. Horváth Zsolt, Schnádenberger Gábor, Varjas Viktor. 2011. március 20.
Számítógépes Látás Projekt Virtuális Egér Horváth Zsolt, Schnádenberger Gábor, Varjas Viktor 011. március 0. Feladat kiírás: Egy olyan rendszer megvalósítása, melyben kamera értelmezi a kéz és az ujjak
RészletesebbenAdatfolyam alapú RACER tömbprocesszor és algoritmus implementációs módszerek valamint azok alkalmazásai parallel, heterogén számítási architektúrákra
Adatfolyam alapú RACER tömbprocesszor és algoritmus implementációs módszerek valamint azok alkalmazásai parallel, heterogén számítási architektúrákra Témavezet : Dr. Cserey György 2014 szeptember 22. Kit
RészletesebbenNemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával
Nemlineáris optimalizálási problémák párhuzamos megoldása grafikus processzorok felhasználásával 1 1 Eötvös Loránd Tudományegyetem, Informatikai Kar Kari TDK, 2016. 05. 10. Tartalom 1 2 Tartalom 1 2 Optimalizálási
Részletesebbenegy szisztolikus példa
Automatikus párhuzamosítás egy szisztolikus példa Áttekintés Bevezetés Példa konkrét szisztolikus algoritmus Automatikus párhuzamosítási módszer ötlet Áttekintés Bevezetés Példa konkrét szisztolikus algoritmus
Részletesebben5-6. ea Created by mrjrm & Pogácsa, frissítette: Félix
2. Adattípusonként különböző regisztertér Célja: az adatfeldolgozás gyorsítása - különös tekintettel a lebegőpontos adatábrázolásra. Szorzás esetén karakterisztika összeadódik, mantissza összeszorzódik.
RészletesebbenKétdimenziós mesterséges festési eljárások. Hatások és alkalmazások
Pannon Egyetem Informatikai Tudományok Doktori Iskola Tézisfüzet Kétdimenziós mesterséges festési eljárások. Hatások és alkalmazások Kovács Levente Képfeldolgozás és Neuroszámítógépek Tanszék Témavezet
RészletesebbenUtolsó módosítás:
Utolsó módosítás: 2012. 09. 06. 1 A tantárggyal kapcsolatos adminisztratív kérdésekkel Micskei Zoltánt keressétek. 2 3 4 5 6 7 8 9 Forrás: Gartner Hype Cycle for Virtualization, 2010, http://premierit.intel.com/docs/doc-5768
RészletesebbenMérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben
Mérnök informatikus mesterszak mintatanterve (GE-MI) nappali tagozat/ MSc in, full time Érvényes: 2011/2012. tanév 1. félévétől, felmenő rendszerben Tantárgy Tárgykód I. félév ősz II. félév tavasz Algoritmusok
RészletesebbenIman 3.0 szoftverdokumentáció
Melléklet: Az iman3 program előzetes leírása. Iman 3.0 szoftverdokumentáció Tartalomjegyzék 1. Az Iman rendszer...2 1.1. Modulok...2 1.2. Modulok részletes leírása...2 1.2.1. Iman.exe...2 1.2.2. Interpreter.dll...3
RészletesebbenMérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time)
Mérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time) (specializáció választás a 4. félévben, specializációra lépés feltétele: az egyik szigorlat
RészletesebbenSzámítógép felépítése
Alaplap, processzor Számítógép felépítése Az alaplap A számítógép teljesítményét alapvetően a CPU és belső busz sebessége (a belső kommunikáció sebessége), a memória mérete és típusa, a merevlemez sebessége
RészletesebbenCOLD METAL TRANSFER THE CMT PROCESS. Somoskői Gábor Ügyvezető Froweld Hegesztéstechnikai és Kereskedelmi kft.
ABSTRACT COLD METAL TRANSFER THE CMT PROCESS Somoskői Gábor Ügyvezető Froweld Hegesztéstechnikai és Kereskedelmi kft. Doctoral supervisor: Dr. Török Imre ME, Institute of Mechanical Technology The article
RészletesebbenFIR SZŰRŐK TELJESÍTMÉNYÉNEK JAVÍTÁSA C/C++-BAN
Multidiszciplináris tudományok, 4. kötet. (2014) 1. sz. pp. 31-38. FIR SZŰRŐK TELJESÍTMÉNYÉNEK JAVÍTÁSA C/C++-BAN Lajos Sándor Mérnöktanár, Miskolci Egyetem, Matematikai Intézet, Ábrázoló Geometriai Intézeti
RészletesebbenOSZTOTT 2D RASZTERIZÁCIÓS MODELL TÖBBMAGOS PROCESSZOROK SZÁMÁRA
Multidiszciplináris tudományok, 3. kötet. (2013) sz. pp. 259-268. OSZTOTT 2D RASZTERIZÁCIÓS MODELL TÖBBMAGOS PROCESSZOROK SZÁMÁRA Mileff Péter Adjunktus, Miskolci Egyetem, Informatikai Intézet, Általános
RészletesebbenA TÉRINFORMATIKA OKTATÁSA ÉS ALKALMAZÁSI LEHETÕSÉGEI
A TÉRINFORMATIKA OKTATÁSA ÉS ALKALMAZÁSI LEHETÕSÉGEI Katona Endre, katona@inf.u-szeged.hu JATE, Alkalmazott Informatikai Tanszék Abstract Geographer students learn how to apply GIS, but for programmer
RészletesebbenFlynn féle osztályozás Single Isntruction Multiple Instruction Single Data SISD SIMD Multiple Data MISD MIMD
M5-. A lineáris algebra párhuzamos algoritmusai. Ismertesse a párhuzamos gépi architektúrák Flynn-féle osztályozását. A párhuzamos lineáris algebrai algoritmusok között mi a BLAS csomag célja, melyek annak
RészletesebbenBevezetés. Többszálú, többmagos architektúrák és programozásuk Óbudai Egyetem, Neumann János Informatikai Kar
Többszálú, többmagos architektúrák és programozásuk Óbudai Egyetem, Neumann János Informatikai Kar Bevezetés Motiváció Soros és párhuzamos végrehajtás, soros és párhuzamos programozás Miért? Alapfogalmak
RészletesebbenKÉPFELDOLGOZÓ ALGORITMUSOK FEJLESZTÉSE GRAFIKUS HARDVER KÖRNYEZETBEN
KÉPFELDOLGOZÓ ALGORITMUSOK FEJLESZTÉSE GRAFIKUS HARDVER KÖRNYEZETBEN Takács Gábor Konzulens: Vajda Ferenc PhD, adjunktus 1 TARTALOMJEGYZÉK: Budapesti Műszaki és Gazdaságtudományi Egyetem A kutatási projekt
RészletesebbenMatematika és Számítástudomány Tanszék
Matematika és Számítástudomány Tanszék Műszaki Tudományi Kar Matematika és Számítástudomány Tanszék Tanszékvezető: Dr. Horváth Zoltán Beosztás: Főiskolai tanár Elérhetőség: Telefon: (96)/503-647 E-mail:
RészletesebbenCloud computing. Cloud computing. Dr. Bakonyi Péter.
Cloud computing Cloud computing Dr. Bakonyi Péter. 1/24/2011 1/24/2011 Cloud computing 2 Cloud definició A cloud vagy felhő egy platform vagy infrastruktúra Az alkalmazások és szolgáltatások végrehajtására
RészletesebbenAz MTA Cloud a tudományos alkalmazások támogatására. Kacsuk Péter MTA SZTAKI
Az MTA Cloud a tudományos alkalmazások támogatására Kacsuk Péter MTA SZTAKI Kacsuk.Peter@sztaki.mta.hu Tudományos alkalmazások és skálázhatóság Kétféle skálázhatóság: o Vertikális: dinamikusan változik
RészletesebbenTakács Árpád K+F irányok
Takács Árpád K+F irányok 2016. 06. 09. arpad.takacs@adasworks.com A jövőre tervezünk Az AdasWorks mesterséges intelligencia alapú szoftverterfejlesztéssel és teljes önvezető megoldásokkal forradalmasítja
RészletesebbenIsmerkedjünk tovább a számítógéppel. Alaplap és a processzeor
Ismerkedjünk tovább a számítógéppel Alaplap és a processzeor Neumann-elvű számítógépek főbb egységei A részek feladatai: Központi egység: Feladata a számítógép vezérlése, és a számítások elvégzése. Operatív
RészletesebbenPárhuzamos és Grid rendszerek
Párhuzamos és Grid rendszerek (10. ea) GPGPU Szeberényi Imre BME IIT Az ábrák egy része az NVIDIA oktató anyagaiból és dokumentációiból származik. Párhuzamos és Grid rendszerek BME-IIT
RészletesebbenGPGPU programozás oktatása
GPGPU programozás oktatása Szénási Sándor Összefoglalás A grafikus kártyák hagyományosan a képernyő tartalmának megjelenítéséért feleltek, ez azonban az évek folyamán lassan megváltozott. Ennek első látványos
RészletesebbenCsoportos üzenetszórás optimalizálása klaszter rendszerekben
Csoportos üzenetszórás optimalizálása klaszter rendszerekben Készítette: Juhász Sándor Csikvári András Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Automatizálási
RészletesebbenCloud computing Dr. Bakonyi Péter.
Cloud computing Dr. Bakonyi Péter. 1/24/2011 Cloud computing 1/24/2011 Cloud computing 2 Cloud definició A cloud vagy felhő egy platform vagy infrastruktúra Az alkalmazások és szolgáltatások végrehajtására
RészletesebbenGPGPU ÚJ ESZKÖZÖK AZ INFORMÁCIÓBIZTONSÁG TERÜLETÉN
IV. Évfolyam 4. szám - 2009. december Szénási Sándor szenasi.sandor@nik.bmf.hu GPGPU ÚJ ESZKÖZÖK AZ INFORMÁCIÓBIZTONSÁG TERÜLETÉN Absztrakt A processzor architektúrák elmúlt években bekövetkező fejlődésének
RészletesebbenGPGPU. Architektúra esettanulmány
GPGPU Architektúra esettanulmány GeForce 7800 (2006) GeForce 7800 Rengeteg erőforrást fordítottak arra, hogy a throughput-ot maximalizálják Azaz a különböző típusú feldolgozóegységek (vertex és fragment
RészletesebbenVirtualizációs technológiák Linux alatt (teljesítményteszt)
Virtualizációs technológiák Linux alatt (teljesítményteszt) Ebben a dokumentációban a virtualizációs technológiák sebességét, teljesítményét hasonlítom össze RedHat-alapú Linux disztribúciókkal. A teszteléshez
RészletesebbenMérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time)
Mérnök informatikus (BSc) alapszak levelező tagozat (BIL) / BSc in Engineering Information Technology (Part Time) (A képzés közös része, szakirányválasztás a 3. félév végén) Tárgykód Félév Tárgynév Tárgy
RészletesebbenKUTATÁSOK INFORMATIKAI TÁMOGATÁSA. Dr. Szénási Sándor
KUTATÁSOK INFORMATIKAI TÁMOGATÁSA Dr. Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Alkalmazott Informatikai Intézet Alapvető jellemzői NVIDIA GTX 1080 2560
RészletesebbenAZ A PRIORI ISMERETEK ALKALMAZÁSA
Doktori (PhD) értekezés tézisei AZ A PRIORI ISMERETEK ALKALMAZÁSA A VEGYIPARI FOLYAMATMÉRNÖKSÉGBEN MADÁR JÁNOS Veszprémi Egyetem Vegyészmérnöki Tudományok Doktori Iskolája Témavezető: dr. Abonyi János
RészletesebbenElosztott rendszer architektúrák
Elosztott rendszer architektúrák Distributed systems architectures Irodalom Ian Sommerville: Software Engineering, 7th e. chapter 12. Andrew S. Tanenbaum, aarten van Steen: Distributed Systems: rinciples
RészletesebbenBepillantás a gépházba
Bepillantás a gépházba Neumann-elvű számítógépek főbb egységei A részek feladatai: Központi egység: Feladata a számítógép vezérlése, és a számítások elvégzése. Operatív memória: A számítógép bekapcsolt
RészletesebbenÚj kompakt X20 vezérlő integrált I/O pontokkal
Új kompakt X20 vezérlő integrált I/O pontokkal Integrált flash 4GB belső 16 kb nem felejtő RAM B&R tovább bővíti a nagy sikerű X20 vezérlő családot, egy kompakt vezérlővel, mely integrált be és kimeneti
RészletesebbenSzakdolgozat, diplomamunka és TDK témák (2008. 09. 01-2012. 01. 04.)
Szakdolgozat, diplomamunka és TDK témák (2008. 09. 01-2012. 01. 04.) Felvehető szakdolgozat, diplomamunka és TDK témák (2012. 01. 04.) 1. Vezérlés, számolás és képfeldolgozás FPGA-n és/vagy GPU-val (BsC,
RészletesebbenA processzor hajtja végre a műveleteket. összeadás, szorzás, logikai műveletek (és, vagy, nem)
65-67 A processzor hajtja végre a műveleteket. összeadás, szorzás, logikai műveletek (és, vagy, nem) Két fő része: a vezérlőegység, ami a memóriában tárolt program dekódolását és végrehajtását végzi, az
RészletesebbenSZOMSZÉDSÁGI SZEKVENCIÁK ÉS ALKALMAZÁSAIK A KÉPFELDOLGOZÁSBAN ÉS KÉPI ADATBÁZISOKBAN
SZOMSZÉDSÁGI SZEKVENCIÁK ÉS ALKALMAZÁSAIK A KÉPFELDOLGOZÁSBAN ÉS KÉPI ADATBÁZISOKBAN NEIGHBORHOOD SEQUENCES AND THEIR APPLICATIONS IN IMAGE PROCESSING AND IMAGE DATABASES András Hajdu, János Kormos, Tamás
Részletesebben1.4 fejezet. RGB színrendszerek
1 1.4 fejezet. RGB színrendszerek 1. sz. ábra. Számítógépes monitorról készült nagyítás Az RGB színrendszer a katódsugárcso képernyo összeadó színképzéséhez igazodik, amely a vörös, zöld és kék színeket
Részletesebben2. Számítógépek működési elve. Bevezetés az informatikába. Vezérlés elve. Külső programvezérlés... Memória. Belső programvezérlés
. Számítógépek működési elve Bevezetés az informatikába. előadás Dudásné Nagy Marianna Az általánosan használt számítógépek a belső programvezérlés elvén működnek Külső programvezérlés... Vezérlés elve
RészletesebbenLÉTRADIAGRAM FORDÍTÓK ELMÉLETE PLC VEZÉRLÉSEK SZÁMÁRA II.
V. Évfolyam 1. szám - 2010. március Deák Ferenc deak@nct.hu LÉTRADIAGRAM FORDÍTÓK ELMÉLETE PLC VEZÉRLÉSEK SZÁMÁRA II. Absztrakt A létradiagram egyszerű, programozási képzettséggel nem rendelkező szakemberek
RészletesebbenTeljesítmény Mérés. Tóth Zsolt. Miskolci Egyetem. Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés / 20
Teljesítmény Mérés Tóth Zsolt Miskolci Egyetem 2013 Tóth Zsolt (Miskolci Egyetem) Teljesítmény Mérés 2013 1 / 20 Tartalomjegyzék 1 Bevezetés 2 Visual Studio Kód metrikák Performance Explorer Tóth Zsolt
RészletesebbenMIKROKONTROLLEREK ALKALMAZÁSA AUTOMATA REPÜLŐ SZERKEZETEKBEN 4 BEVEZETÉS
Schuster György 1 Terpecz Gábor 2 Radnai Viktor 3 MIKROKONTROLLEREK ALKALMAZÁSA AUTOMATA REPÜLŐ SZERKEZETEKBEN 4 A járművekben a 80-as évek elejétől alkalmaznak mikrokontrollereket, ez az utóbbi másfél
RészletesebbenSZAKKÉPZÉSI KERETTANTERV a(z) 55 213 05 MULTIMÉDIA-ALMAZÁSFEJLESZTŐ SZAKKÉPESÍTÉS-RÁÉPÜLÉSHEZ
SZAKKÉPZÉSI KERETTANTERV a(z) 55 213 05 MULTIMÉDIA-ALMAZÁSFEJLESZTŐ SZAKKÉPESÍTÉS-RÁÉPÜLÉSHEZ I. A szakképzés jogi háttere A szakképzési kerettanterv a nemzeti köznevelésről szóló 2011. évi CXC. törvény,
RészletesebbenOPENCV TELEPÍTÉSE SZÁMÍTÓGÉPES LÁTÁS ÉS KÉPFELDOLGOZÁS. Tanács Attila Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem
OPENCV TELEPÍTÉSE SZÁMÍTÓGÉPES LÁTÁS ÉS KÉPFELDOLGOZÁS Tanács Attila Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem OpenCV Nyílt forráskódú szoftver (BSD licensz) Számítógépes látás,
RészletesebbenHardver Ismeretek IA32 -> IA64
Hardver Ismeretek IA32 -> IA64 Problémák az IA-32-vel Bonyolult architektúra CISC ISA (RISC jobb a párhuzamos feldolgozás szempontjából) Változó utasításhossz és forma nehéz dekódolni és párhuzamosítani
RészletesebbenSzámítógép architektúra
Budapesti Műszaki Főiskola Regionális Oktatási és Innovációs Központ Székesfehérvár Számítógép architektúra Dr. Seebauer Márta főiskolai tanár seebauer.marta@roik.bmf.hu Irodalmi források Cserny L.: Számítógépek
RészletesebbenAdatok ábrázolása, adattípusok
Adatok ábrázolása, adattípusok Összefoglalás Adatok ábrázolása, adattípusok Számítógépes rendszerek működés: információfeldolgozás IPO: input-process-output modell információ tárolása adatok formájában
RészletesebbenNeurális hálózatok bemutató
Neurális hálózatok bemutató Füvesi Viktor Miskolci Egyetem Alkalmazott Földtudományi Kutatóintézet Miért? Vannak feladatok amelyeket az agy gyorsabban hajt végre mint a konvencionális számítógépek. Pl.:
RészletesebbenParciális rekonfiguráció Heterogán számítási rendszerek VIMIMA15
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Parciális rekonfiguráció Heterogán számítási rendszerek VIMIMA15 Fehér
RészletesebbenTeszt: Az nvidia GeForce kártyák Crysis 2-ben mért teljesítménye
Teszt: Az nvidia GeForce kártyák Crysis 2-ben mért teljesítménye Mivel úgy gondoljuk, hogy az egyes nvidia GeForce kártyák teljesítményét legjobban egy játékteszt során lehet bemutatni, így a Dirt3 teszt
RészletesebbenGPU alkalmazása az ALICE eseménygenerátorában
GPU alkalmazása az ALICE eseménygenerátorában Nagy Máté Ferenc MTA KFKI RMKI ALICE csoport ELTE TTK Fizika MSc Témavezető: Dr. Barnaföldi Gergely Gábor MTA KFKI RMKI ALICE csoport Elméleti Fizikai Főosztály
RészletesebbenIntel Pentium G2120 Intel HD Graphics kártyával (3,1 GHz, 3 MB gyorsítótár, 2 mag)
Rendszerjellemzők Operációs rendszer Windows 8 64 Windows 8 Pro 64 Windows 7 Professional 32 Windows 7 Professional 64 Windows 7 Professional 32 (elérhető Windows 8 Pro 64 downgrade által) Windows 7 Professional
RészletesebbenDiplomamunka. Miskolci Egyetem. GPGPU technológia kriptográfiai alkalmazása. Készítette: Csikó Richárd VIJFZK mérnök informatikus
Diplomamunka Miskolci Egyetem GPGPU technológia kriptográfiai alkalmazása Készítette: Csikó Richárd VIJFZK mérnök informatikus Témavezető: Dr. Kovács László Miskolc, 2014 Köszönetnyilvánítás Ezúton szeretnék
RészletesebbenOpenCL alapú eszközök verifikációja és validációja a gyakorlatban
OpenCL alapú eszközök verifikációja és validációja a gyakorlatban Fekete Tamás 2015. December 3. Szoftver verifikáció és validáció tantárgy Áttekintés Miért és mennyire fontos a megfelelő validáció és
RészletesebbenNETinv. Új generációs informatikai és kommunikációs megoldások
Új generációs informatikai és kommunikációs megoldások NETinv távközlési hálózatok informatikai hálózatok kutatás és fejlesztés gazdaságos üzemeltetés NETinv 1.4.2 Távközlési szolgáltatók és nagyvállatok
RészletesebbenBevezetés az informatikába 1.
Bevezetés az informatikába 1. 1. előadás Dr. Istenes Zoltán Eötvös Loránd Tudományegyetem Informatikai Kar Programozáselmélet és Szoftvertechnológiai Tanszék Matematikus BSc - I. félév / 2008 / Budapest
RészletesebbenEGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA
infokommunikációs technológiák EGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA Témavezető: Tarczali Tünde Témavezetői beszámoló 2015. január 7. TÉMAKÖR Felhő technológián
RészletesebbenBeltéri autonóm négyrotoros helikopter szabályozó rendszerének kifejlesztése és hardware-in-the-loop tesztelése
Beltéri autonóm négyrotoros helikopter szabályozó rendszerének kifejlesztése és hardware-in-the-loop tesztelése Regula Gergely, Lantos Béla BME Villamosmérnöki és Informatikai Kar Irányítástechnika és
RészletesebbenLowPrice
LowPrice 2012-2013 1 Under 7 Termék típusa Tablet PC Képernyő méret 7 " Operációs rendszer Támogatott rendszer Android 2.2 operációs rendszer A Windows XP/2000/98SE/ME Processzor típusa / CPU Cortex A9
RészletesebbenParciális rekonfiguráció Heterogén számítási rendszerek VIMIMA15
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Parciális rekonfiguráció Heterogén számítási rendszerek VIMIMA15 Fehér
RészletesebbenGPGPU: Általános célú grafikus processzorok cgpu: computational GPU GPGPU = cgpu Adatpárhuzamos gyorsító: dedikált eszköz, ami eleve csak erre
GPGPU: Általános célú grafikus processzorok cgpu: computational GPU GPGPU = cgpu Adatpárhuzamos gyorsító: dedikált eszköz, ami eleve csak erre szolgál. Nagyobb memória+grafika nélkül (nincs kijelzőre kimenet)
Részletesebbenelektronikus adattárolást memóriacím
MEMÓRIA Feladata A memória elektronikus adattárolást valósít meg. A számítógép csak olyan műveletek elvégzésére és csak olyan adatok feldolgozására képes, melyek a memóriájában vannak. Az információ tárolása
RészletesebbenInformatika el adás: Hardver
Informatika 1. 1. el adás: Hardver Wettl Ferenc és Kovács Kristóf prezentációjának felhasználásával Budapesti M szaki és Gazdaságtudományi Egyetem 2017-09-05 Követelmények 3 ZH 5. 9. 14. héten egyenként
RészletesebbenIBM felhő menedzsment
IBM Váltsunk stratégiát! Budapest, 2012 november 14. IBM felhő menedzsment SmartCloud Provisioning és Service Delivery Manager Felhő alapú szolgáltatások Felhasználás alapú számlázás és dinamikus kapacitás
RészletesebbenA második, azaz az utolsó előtti félév az esslingeni masteren
A második, azaz az utolsó előtti félév az esslingeni masteren A második félév végig elméleti képzés ugyanúgy, mint az első. Ezután már csak egyetlen következő félévet kell teljesítened aminek során a szakdolgozatodon
RészletesebbenIsmétlés: Moore törvény. Tranzisztorok mérőszáma: n*százmillió, n*milliárd.
1 2 3 Ismétlés: Moore törvény. Tranzisztorok mérőszáma: n*százmillió, n*milliárd. 4 5 Moore törvényhez érdekesség: a várakozásokhoz képest folyamatosan alulteljesített, ezért többször is újra lett fogalmazva
RészletesebbenA számítógép egységei
A számítógép egységei A számítógépes rendszer két alapvető részből áll: Hardver (a fizikai eszközök összessége) Szoftver (a fizikai eszközöket működtető programok összessége) 1.) Hardver a) Alaplap: Kommunikációt
RészletesebbenMintatesztelő szoftver fejlesztése line scan kamerás alkalmazásokhoz. Bodolai Tamás tanársegéd Miskolci Egyetem, Elektrotechnikai Elektronikai Tanszék
intatestelő softe fejlestése line scan kameás alkalmaásokho Bodolai Tamás tanásegéd iskolci Egetem, Elektotechnikai Elektonikai Tansék KÖSZÖNETNYILVÁNÍTÁS A kutató munka a TÁOP-4.2.2/B-/-2-8 jelű pojekt
RészletesebbenBevezetés a párhuzamos programozási koncepciókba
Bevezetés a párhuzamos programozási koncepciókba Kacsuk Péter és Dózsa Gábor MTA SZTAKI Párhuzamos és Elosztott Rendszerek Laboratórium E-mail: kacsuk@sztaki.hu Web: www.lpds.sztaki.hu Programozási modellek
RészletesebbenOpenCL Kovács, György
OpenCL Kovács, György OpenCL Kovács, György Szerzői jog 2013 Typotex Tartalom Bevezetés... xii 1. Az OpenCL története... xii 2. Az OpenCL jelene és jövője... xvii 3. OpenCL a Flynn-osztályokban... xviii
RészletesebbenHaladó Grafika EA. Inkrementális képszintézis GPU-n
Haladó Grafika EA Inkrementális képszintézis GPU-n Pipeline Az elvégzendő feladatot részfeladatokra bontjuk Mindegyik részfeladatot más-más egység dolgozza fel (ideális esetben) Minden egység inputja,
RészletesebbenGaussian Mixture Modell alapú Fisher vektor számolás GPGPU-n
Gaussian Mixture Modell alapú Fisher vektor számolás GPGPU-n Daróczy Bálint és András Benczúr, Bodzsár Erik, Petrás István, Siklósi Dávid, Nikházy László, Pethes Róbert Adatbányászat és Webes Keresés Kutatócsoport
RészletesebbenAKTUÁTOR MODELLEK KIVÁLASZTÁSA ÉS OBJEKTÍV ÖSSZEHASONLÍTÁSA
AKTUÁTOR MODELLEK KIVÁLASZTÁSA ÉS OBJEKTÍV ÖSSZEHASONLÍTÁSA Kovács Ernő 1, Füvesi Viktor 2 1 Egyetemi docens, PhD; 2 tudományos segédmunkatárs 1 Eletrotechnikai és Elektronikai Tanszék, Miskolci Egyetem
RészletesebbenOTKA Nyilvántartási szám: T ZÁRÓJELENTÉS
OTKA Nyilvántartási szám: T042735 ZÁRÓJELENTÉS Témavezető neve: dr. Szirmay-Kalos László. A téma címe: Interaktív globális illumináció A kutatás időtartama: 4 év A kutatási tervnek megfelelően az interaktív
RészletesebbenHogyan kell 3D tartalmat megtekinteni egy BenQ kivetítőn? Minimális rendszerkövetelmények 3D tartalom lejátszásához BenQ kivetítőn:
Hogyan kell 3D tartalmat megtekinteni egy BenQ kivetítőn? Az Ön BenQ kivetítője támogatja a háromdimenziós (3D) tartalom lejátszását a D-Sub, Komponens, HDMI, Videó és S-Video bemeneteken keresztül. Kompatibilis
Részletesebben