KUTATÁSOK INFORMATIKAI TÁMOGATÁSA. Dr. Szénási Sándor
|
|
- Jenő Hajdu
- 7 évvel ezelőtt
- Látták:
Átírás
1 KUTATÁSOK INFORMATIKAI TÁMOGATÁSA Dr. Szénási Sándor Óbudai Egyetem Neumann János Informatikai Kar Alkalmazott Informatikai Intézet
2 Alapvető jellemzői NVIDIA GTX végrehajtó egység 8.22 TFlops
3 Intel ASCI Red (2000 Top 1) Alapvető jellemzői 6000 pentium processzor 2.3 TFlops
4 Intel ASCI White ( Top1) Alapvető jellemzői 8192 IBM Power3 processzor 12.2 TFlops
5 Történeti áttekintés GPU programozás sajátosságai Gyakorlati alkalmazások
6 A videokártya a számítógép megjelenítésért felelős alkotórésze Egyidős a PC-k megjelenésével Alaplapra integrált változatok Különálló bővítőkártya változatok Fejlesztések Csatolók fejlesztése Felbontás növelése Színmélység növelése Grafikus kártya Frissítési frekvencia növelése
7 90-es évektől kezdve általánossá vált a 3D megjelenítés Játékokban Grafikai programokban Tervező programokban Stb. Erre több lehetséges algoritmus is ismert Sugárkövetés Raszterizálás 3D megjelenítés A gyakorlatban főleg ez utóbbi terjedt el
8 Egy hálóval írja le a felületet, ami tipikusan háromszögekből áll Megfelelően sűrű háló esetén az eredmény már tökéletes További műveletek Z távolság megállapítása Árnyékolás Textúrázás Előnye Gyorsan végrehajtható Jól párhuzamosítható Raszterizálás
9 Alapvető lépések Háromszögek pontjainak leképezése a képernyő síkjába Bemenet: modell pontjai (x, y, z koordináták), kamera helyzete Kimenet: pontok x, y koordinátái Egyszerű transzformáció A képernyő síkjában lévő háromszögek kirajzolása Bemenet: a háromszögek pontjainak x, y koordinátái Kiegészítés: szín, textúra, fényhatások Kimenet: a képernyőre kirajzolt háromszög További műveletek Effektek Élsimítás 3D megjelenítés lépései
10 GPU szerepe a 3D megjelenítésben 90-es évek közepén nyilvánvalóvá vált, hogy A 3D megjelenítés egyre több helyen megjelent Szinte korlátlanul erőforrásigényes (gyorsabb eszköz nagyobb hálósűrűség szebb kép) Az alaplépései azonosak az alkalmazástól függetlenül Grafikai megjelenítésre speciális API-k DirectX OpenGL Fentiek miatt célszerű hardveres megoldást keresni Különálló 3D gyorsítókártyák Grafikus kártyákba integrált megoldások
11 Alapvető shader típusok Vertex shader Feladata a 3D modell pontjainak leképezése a 2D síkba Alapvetően lebegőpontos számokkal dolgozik Pixel shader Feladata a 2D koordináták által megadott háromszögek kirajzolása Alapvetően színekkel dolgozik Geometria shader Shaderek Feladata a geometria futásközbeni változtatása Használata csak később jelent meg Különböző hardver elemek valósították meg Párhuzamosítás shaderek számának növelése
12 Több shader megjelenése NVIDIA GT végrehajtó egység
13 Még több shader megjelenése NVIDIA GTX végrehajtó egység
14 És még több shader megjelenése NVIDIA GTX végrehajtó egység
15 Annál is több shader megjelenése NVIDIA GTX végrehajtó egység
16 Még annál is több shader NVIDIA GTX végrehajtó egység
17 Sok shader megjelenése NVIDIA GTX végrehajtó egység
18 A megvalósítás során problémát okoz a megfelelő arányok eltalálása Összetett árnyékolást használó képek Kevés vertex shader Sok pixel shader Bonyolult geometriát használó programok Sok vertex shader Shaderek elosztása Kevés pixel shader Megadott költség mellett nehéz olyan kártyát készíteni, ami minden célra tökéletesen alkalmas
19 Megoldás: megpróbálták közelíteni egymáshoz az egymástól eltérő részegységek felépítését Ez több éven keresztül történt meg Shader Model 1.x Shader Model 2.x Shader Model 3.x Shader generációk Unified Shader Model Végeredményként a közelítés elérte a végső célt, és a grafikus kártyákra már csak egy fajta, általános célú végrehajtó elemekek kerültek
20 GPGPU programozás A grafikus kártyák lehetővé tették a shaderek direkt programozását Ezt alapvetően grafikai funkciókra szánták, de lehetőség nyílt általános célú programok futtatására is (2001 mátrix szorzás megvalósítása) Kezdetben ez csak a grafikai funkciókon keresztül, meglehetősen nehézkesen működött. Ez neveztük GPGPU programozásnak (General Purpose Graphical Processing Unit) A Unified Shader model még vonzóbbá tette ezt a lehetőséget
21 A grafikus kártya gyártók is felismerték az ebben rejlő piaci lehetőséget Ezért támogatást nyújtottak a saját kártyáikhoz NVIDIA CUDA AMD/ATI CTM 2007 Mivel ezek eltérő nyelvek, készült egy szabány is OpenCL Ezt követően egyre többen foglalkoztak a témával Egyetemek Kutatóintézetek Nagyvállalatok GPU programozás
22 Fejlesztői környezetek tovább fejlődtek NVIDIA CUDA OpenCL AMD/ATI már nem fejleszt külön rendszert A GPU fejlesztés Stabil alapokon áll Elterjedt Jó alternatíva További hiányosságok Napjainkban Elméleti háttér hiányosságok Eszközök fejletlenek
23 Aktuális teljesítmény
24 Gyakorlati alkalmazások
25 Történeti áttekintés GPU programozás sajátosságai Gyakorlati alkalmazások
26 Előnyök Sok végrehajtó egység Gyors memória Gyors adatátvitel Hátrányok Miért ilyen gyors a GPU? A végrehajtó egységek lassabbak A végrehajtó egységek egyszerűbbek A végrehajtó egységek nem függetlenek A grafikus kártya saját memóriájában dolgozik Biztos hogy gyors? a feladattól függ
27 Felépítés különbsége Magok: CPU-n kevés, GPU-n sok Gyorsítótár: CPU-n sok, GPU-n kevés Vezérlés: CPU-n összetett, GPU-n egyszerű Függetlenség: CPU magok igen, GPU magok nem
28 Memória késleltetés CPU-n Memória késleltetés alatt értjük azt az időt, amíg a processzornak várakoznia kell a memóriából kért adatokra Csökkenteni nem, csak elrejteni tudjuk CPU esetén a módszerek a csökkentésre Összetett végrehajtás Utasítás futószalag Spekulatív végrehajtás Elágazás becslés Gyorsítótár használata Az egyszer már beolvasott adatot ne kelljen újra megvárni
29 Memória késleltetés GPU-n A probléma ugyanaz, de a megoldás egészen más GPU esetén a módszerek a csökkentésre Gyors kontextusváltás Nagy mennyiségű szál futtatása Minimális gyorsítótár A GPU a memória késleltetést úgy próbálja meg elrejteni, hogy egy memóriából való olvasás után a várakozás helyett azonnal elkezd egy másik, aktuálisan futtatható szálat végrehajtani Így nem kell gyorsítótár és bonyolult vezérlés
30 Egyszerű végrehajtóegységek A vezérlés egyszerűsítése érdekében több ALU-hoz tartozik egy vezérlő egység Ezek összekötve egyidőben csak ugyanazt a műveletet tudják végrehajtani Viszont arra van mód, hogy ezt különböző adatokon végezzék el Emiatt az összes szál célszerűen ugyanazt a kódot kell, hogy futtassa
31 Elágazások esetén meg kell oldani azt, hogy az összekapcsolt szálak feltételtől függően más kódot futtassanak Erre szolgál a SIMT technika Ez a feltételtől függően bizonyos egységeket lekapcsolhat Az ilyen elágazás végrehajtása nem hatékony emiatt SIMT végrehajtás
32 Memória hierarchia GPU memória felépítésének jellemzői CPU központi memóriától független Összetett hierarchia, optimalizálás főként kézzel történik Másolási műveletek költségesek
33 Multiprocesszorok Egyszerű skálázhatóság Független végrehajtás On-chip, off-chip memória
34 GPU előnyei Összefoglalva Kiemelkedő elméleti csúcsteljesítmény Ideális teljesítmény/költség arány Jól skálázható Dinamikusan fejlődő terület GPU előnyei akkor használhatók ki, ha Nagy mennyiségű szálat kell indítani Ezek lehetőleg mind ugyanazt az algoritmust futtatják Kellően magas a számítás/memóriahozzáférés arány Egyéb szempontok
35 Szöveg keresés CPU 1 A szöveg amiben keresünk (29 karakter) E z e g y h o s s z ú s z ö v e g e s t e s z t! A szó amit keresünk (6 karakter) s z ö v e g CPU megvalósítás 1 szálon Az eredeti szöveg minden karakteréből indítsunk egy keresést (24 vizsgálandó indulópont) Hasonlítsuk össze az ott lévő betűket a keresendő szó betűivel (1 és 6 lépés között) Értékelés Legjobb esetben műveletek száma: 6 Legrosszabb esetben műveletek száma: 24 6=144
36 Szöveg keresés CPU 2 A szöveg amiben keresünk (29 karakter) E z e g y h o s s z ú s z ö v e g e s t e s z t! A szó amit keresünk (6 karakter) s z ö v e g CPU megvalósítás 4 magos CPU-val Az eredeti szöveget összuk szét a 4 mag között CPU 1 : 1..6, CPU 2 : 7..12, CPU 3 : , CPU 4 : A 6 hosszú szövegek feldolgozása azonos, mint az előbb Értékelés Műveletek száma: Időszükséglet: 6 36
37 Szöveg keresés - GPU A szöveg amiben keresünk (29 karakter) E z e g y h o s s z ú s z ö v e g e s t e s z t! A szó amit keresünk (6 karakter) s z ö v e g GPU megvalósítás (több ezer végrehajtó egység) Minden végrehajtó egység egy kiinduló pontot vizsgál GPU 1 : 1, GPU 2 : 2, GPU 3 : 3,..., GPU 24 : 24 Minden GPU szál csak egy szót ellenőriz Értékelés Műveletek száma: Időszükséglet: 1-6
38 Szöveg keresés GPU 2 A szöveg amiben keresünk (29 karakter) E z e g y h o s s z ú s z ö v e g e s t e s z t! A szó amit keresünk (6 karakter) s z ö v e g GPU megvalósítás (több ezer végrehajtó egység) Indítsunk 24 6 darab szálat Minden szál csak egy karakter megfelelőségét ellenőrzi Lépésszám Műveletek száma: 144 Időszükséglet: 1
39 Történeti áttekintés GPU programozás sajátosságai Gyakorlati alkalmazások Képfeldolgozás
40 Main components Sejtmag Mirigy Surface epithelium
41 Előfeldolgozás Wallis szűrő Átlagoló szűrő Kiinduló pont választás Feltételezések Régió növelés 1. lépés Lokálisan maximális intenzitás Még nem feldolgozott Nem része egy már létező régiónak
42 Kontúr felépítése a környező pixelek alapján Régió növelés 2. lépés
43 Régió növelés 3. lépés Jósági függvény kiszámítása a kontúr pontokra Szín egyezőség Körkörösség Méret Stb
44 Régió kiterjesztése a legjobb kontúrpont irányába Régió növelés 4. lépés
45 Előző lépések ismétlése amíg egy megállási feltétel be nem következik Nincs több szomszéd Maximális méret Másik sejtmagba növelés Régió növelés 3. lépés
46 Szekvenciális megoldás A régió növelés tipikusan nem jól párhuzamosítható feladat Az egyes lépések az előző lépések eredményein alapulnak Inicializálás Szomszédság ellenőrzés Kontúr pontok felvétele Jóság függvény Régió növelés Utófeldolgozás Kilépési feltétel
47 Párhuzamosítható részek Az egész régiónövelő algoritmus nem párhuzamosítható Az egyes rész lépések azonban igen Inicializálás Szomszédság ellenőrzés Kontúr pontok felvétele Jóság függvény Régió növelés Utófeldolgozás Kilépési feltétel
48 Jóság függvény számítása Jóság függvény számítás A jóság függvény néhány paramétere minden iterációban változik (régió középpontja, áltagos színe, stb.) Ezért minden iterációban, minden kontúrpont esetén újra kell számolni Számítás párhuzamosítása Minden kontúrpontnál ugyanazt a számítást kell elvégezni, csak más adatokkal Ez tipikusan jól párhuzamosítható feladat
49 Párhuzamos jóság számítás 1 GPU szál mindig 1 kontúrpont jóságát számolja ki 1 GPU blokk egy sejtmaggal dolgozik A szükséges szálak száma egyenlő a kontúr méretével Ez 4 - ~1000 közötti érték lehet
50 További párhuzamosítható részek Szomszédok vizsgálata Egy új pont felvétele után meg kell vizsgálni, hogy merre bővíthető a kontúr Utófeldolgozás Külső- és belső kontúr megállapítása Egyéb konvolúciók Kiinduló pontok keresése
51 Végrehajtási idő Egy sejtmag esetében a végrehajtási idő közel azonos a CPU-n mért értékkel Ez azonban még nem használja ki a kártya erőforrásait, így további párhuzamosításra van szükség Regio grow execution time on GPU Regio grow execution time on CPU
52 Párhuzamosság magasabb szintje Ismert a sejtmag legnagyobb mérete (sugara) Megfelelő távolságból indított keresések (ahol táv > 4*maxR) egymástól függetlenek Tehát egyidőben, párhuzamosan is indíthatók
53 Párhuzamosan futó régiónövelések Egyidőben keresett sejtmagok száma Amennyiben a bemeneti kép azt megengedi, számos sejtmagot lehet feldolgozni egy időben Ez jelentősen növeli a processzor kihasználtságát
54 Teljes végrehajtási idő Teljes futásidő A gyakorlatban a teljes kép feldolgozási idő a mérvadó Ebben a GPU általában 3-4x gyorsabb, mint a CPU implementáció Kép felbontás Nagyobb felbontások esetében az eredmények még jobbak Entire execution time in case of images Entire execution time by image resolution
55 Több grafikus kártya használata Teljes kép felosztása átfedő részekre Több régiónövelés indítása Eredmények összefésülése Eredmény kb. 8x gyorsabb mint az eredeti módszer
56 Történeti áttekintés GPU programozás sajátosságai Gyakorlati alkalmazások IHCP
57 Hőátadás Hőátadási tényező Hőátadás Valódi alkalmazás 3D Hőkezelési eljárások
58 Háttér Hőátadási együttható függ időtől/helytől
59 Hővezetés Fourier-egyenlete
60 HTC Lehülési görbe
61 Lehülési görbe HTC
62 Lehülés valóságban
63 HTC valóságban
64 Megoldandó feladat
65 A meglévő módszerek számításigényesek Végeselem analízis Véges differenciák módszere Hőátadás mértéke Problémák Közvetlenül nem mérhető Inverz hőtani modellek segítségével származtatható Inverz hőátadási folyamat Rosszul feltett matematikai probléma Nem lineáris Nincs közvetlen megoldása Heurisztikus módszerek
66 Particle Swarm Optimization 1995, James Kennedy, Russell C. Eberhart Madár és hal rajok mozgásán alapul
67 Minden egyednek van Saját térbeli helyzete Aktuális sebessége (vektor) A sebességet befolyásolja Eddig talált legjobb saját pozíció A teljes raj által eddig talált legjobb pozíció A mi esetünkben PSO felépítése Egyed: egy vizsgált paraméterkészlet Pozíció: HTC paraméterek Jóság: referencia lehülési görbék közelítése Cél: minél közelebbi görbét generáló HTC megtalálása
68 PSO lépései Start Induló pozíciók generálása Jósági függvények számítása Legjobb adatok kiválasztása Megállási feltétel vizsgálata Stop Új sebesség meghatározása Mozgatás
69 Előnyök A módszer ideális nagyméretű paramétertérben való keresésre Hatékonyabban kerüli el a lokális optimumokat, mint a hasonló módszerek Problémák IHCP megoldása PSO-val Nagyszámú részecske minden iterációjában ki kell számolni a lehülési görbét (kb. 15ms/részecske) Ezért egy teljes szimuláció futásideje: 3000 elem/iteráció * 4000 iteráció * 15 ms/elem = 50 óra
70 Lehűlés szimuláció GPU-val Véges differencia módszer 10x40 rács 4000 időegység Egy GPU multiprocesszor = 1 lehűlés 400 szál 400 érték a belső memóriában Az egyes lehűlések egymástól függetlenek Minden multiprocesszor dolgozhat GPU teljesítménye kiaknázható
71 CPU-GPU megoldás összehasonlítása
72 Optimalizációs lépések Általános GPU optimalizálási ötletek Shared memória használata Warp divergencia kiküszöbölése CPU-GPU együttműködés elősegítése Memória mozgatások csökkentése Shared memória használata A mátrix és a szükséges segédadatok elférnek az on-chip memóriában Ezért minden számítás ott elvégezhető Memória késleltetés emiatt minimális
73 A grafikus kártya 32-es csoportokba rendezve futtatja a szálakat Ezek egyidőben mindig ugyanazt a feladatot hajtják végre Elágazás esetén a szálak egy részének várakoznia kell (lásd SIMT végrehajtás) Lehetőségek Warp divergencia Elágazások kiküszöbölése (általában nem megoldható) Szálak átcsoportosítása (divergencia csökkentése)
74 Warp divergencia DHCP A testet reprezentáló mátrix bizonyos pontjainál másmás képlettel kell számolni
75 Warp divergencia megoldása Mátrix méret: 10x34 Csak utolsó warp divergens
76 Optimalizáció eredménye Optimalizált megoldás futásideje
77 Ideális terheléseloszlás CPU-GPU együtt
78 Memória másolások problémája CPU-GPU memóriák közötti másolás költséges Egymásra épülő lépések CPU GPU másolás GPU kernel futtatás GPU CPU másolás
79 Memória másolások átfedése GPU három végrehajtó egysége: 2 másoló, 1 futtató Ezek párhuzamosan működnek, így a memória másolás ideje részben elrejthető
80 CPU, core 1 CPU, core 2 CPU, core 3 CPU, core 4 GPU 2 GPU 1 Mérnöki Látásmód az Informatikában Kutatások Informatikai Támogatása Eredmény Végrehajtási idő: 50 óra 27 perc
81 Gyakorlati alkalmazás PSO/GA configurálás Kérdéses paraméterek Ideális populáció méret Ideális módszerek Időszükséglet További lehetőségek Paraméterenként teszt CPU: 3,5 év GPU: 2 hét Egyéb heurisztikák kipróbálása Fireworks Ant colony optimization
82 Populáció méret kísérlet
83 Irodalomjegyzék/képek forrásai Review-DX10-and-Unified-Architecture/G80-Architecture ft.png
84 Köszönöm a figyelmet
85
Grafikus 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
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
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
RészletesebbenVideókártya - CUDA kompatibilitás: CUDA weboldal: Példaterületek:
Hasznos weboldalak Videókártya - CUDA kompatibilitás: https://developer.nvidia.com/cuda-gpus CUDA weboldal: https://developer.nvidia.com/cuda-zone Példaterületek: http://www.nvidia.com/object/imaging_comp
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:
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
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
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
RészletesebbenKészítette: Trosztel Mátyás Konzulens: Hajós Gergely
Készítette: Trosztel Mátyás Konzulens: Hajós Gergely Monte Carlo Markov Chain MCMC során egy megfelelően konstruált Markov-lánc segítségével mintákat generálunk. Ezek eloszlása követi a céleloszlást. A
RészletesebbenTeszt Az nvidia GeForce VGA kártyák gyakorlati teljesítménye a Dirt3-ban
Teszt Az nvidia GeForce VGA kártyák gyakorlati teljesítménye a Dirt3-ban Nemrég megjelent a Codemasters nevével fémjelzett Dirt3 videojáték. Kaptunk az alkalmon és megnéztük, hogy a különböző árszegmensű
RészletesebbenSzimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)
Szimuláció RICHARD M. KARP és AVI WIGDERSON A Fast Parallel Algorithm for the Maximal Independent Set Problem című cikke alapján (Készítette: Domoszlai László) 1. Bevezetés A következőkben megadott algoritmus
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,
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
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
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
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
RészletesebbenGrafikus csővezeték és az OpenGL függvénykönyvtár
Grafikus csővezeték és az OpenGL függvénykönyvtár 1 / 32 A grafikus csővezeték 3D-s színtér objektumainak leírása primitívekkel: pontok, élek, poligonok. Primitívek szögpontjait vertexeknek nevezzük Adott
RészletesebbenMáté: Számítógépes grafika alapjai
Történeti áttekintés Interaktív grafikai rendszerek A számítógépes grafika osztályozása Valós és képzeletbeli objektumok (pl. tárgyak képei, függvények) szintézise számítógépes modelljeikből (pl. pontok,
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
Részletesebbenegy szisztolikus példa
Automatikus párhuzamosítás egy szisztolikus példa Áttekintés Bevezetés Példa konkrét szisztolikus algoritmus Automatikus párhuzamosítási módszer ötlet Áttekintés Bevezetés Példa konkrét szisztolikus algoritmus
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)
RészletesebbenGPGPU. GPU-k felépítése. Valasek Gábor
GPGPU GPU-k felépítése Valasek Gábor Tartalom A mai órán áttekintjük a GPU-k architekturális felépítését A cél elsősorban egy olyan absztrakt hardvermodell bemutatása, ami segít megérteni a GPU-k hardveres
RészletesebbenGPU-k a gravitációs hullám kutatásban
GPU-k a gravitációs hullám kutatásban Debreczeni Gergely MTA KFKI RMKI (Gergely.Debreczeni@rmki.kfki.hu) e-science Cafè 2011. november 14. Óbudai Egyetem Neumann János Informatikai Kar Á.R.: Megfigyelhető
RészletesebbenGyőri HPC kutatások és alkalmazások
Győri HPC kutatások és alkalmazások dr. Horváth Zoltán dr. Környei László Fülep Dávid Széchenyi István Egyetem Matema5ka és Számítástudomány Tanszék 1 HPC szimulációk az iparban Feladat: Rába- futómű terhelés
RészletesebbenOrvosi készülékekben használható modern fejlesztési technológiák lehetőségeinek vizsgálata
Kutatási beszámoló a Pro Progressio Alapítvány számára Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Mérnök informatika szak Orvosi készülékekben használható modern
RészletesebbenA számítógépek felépítése. A számítógép felépítése
A számítógépek felépítése A számítógépek felépítése A számítógépek felépítése a mai napig is megfelel a Neumann elvnek, vagyis rendelkezik számoló egységgel, tárolóval, perifériákkal. Tápegység 1. Tápegység:
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
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
RészletesebbenGrafikus csővezeték 2 / 77
Bevezetés 1 / 77 Grafikus csővezeték 2 / 77 Grafikus csővezeték Vertex feldolgozás A vertexek egyenként a képernyő térbe vannak transzformálva Primitív feldolgozás A vertexek primitívekbe vannak szervezve
RészletesebbenA fordítóprogramok szerkezete. Kódoptimalizálás. A kódoptimalizálás célja. A szintézis menete valójában. Kódoptimalizálási lépések osztályozása
A fordítóprogramok szerkezete Forrásprogram Forrás-kezelő (source handler) Kódoptimalizálás Fordítóprogramok előadás (A,C,T szakirány) Lexikális elemző (scanner) Szintaktikus elemző (parser) Szemantikus
RészletesebbenAkusztikai tervezés a geometriai akusztika módszereivel
Akusztikai tervezés a geometriai akusztika módszereivel Fürjes Andor Tamás BME Híradástechnikai Tanszék Kép- és Hangtechnikai Laborcsoport, Rezgésakusztika Laboratórium 1 Tartalom A geometriai akusztika
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
RészletesebbenInformáció megjelenítés Számítógépes ábrázolás. Dr. Iványi Péter
Információ megjelenítés Számítógépes ábrázolás Dr. Iványi Péter Raszterizáció OpenGL Mely pixelek vannak a primitíven belül fragment generálása minden ilyen pixelre Attribútumok (pl., szín) hozzárendelése
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 programozási platformok
Párhuzamos programozási platformok Parallel számítógép részei Hardver Több processzor Több memória Kapcsolatot biztosító hálózat Rendszer szoftver Párhuzamos operációs rendszer Konkurenciát biztosító programozási
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
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
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
RészletesebbenSAT probléma kielégíthetőségének vizsgálata. masszív parallel. mesterséges neurális hálózat alkalmazásával
SAT probléma kielégíthetőségének vizsgálata masszív parallel mesterséges neurális hálózat alkalmazásával Tajti Tibor, Bíró Csaba, Kusper Gábor {gkusper, birocs, tajti}@aries.ektf.hu Eszterházy Károly Főiskola
RészletesebbenDigitális technika VIMIAA01 9. hét Fehér Béla BME MIT
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Digitális technika VIMIAA01 9. hét Fehér Béla BME MIT Eddig Tetszőleges
RészletesebbenDigitális technika VIMIAA01 9. hét
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM VILLAMOSMÉRNÖKI ÉS INFORMATIKAI KAR MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK Digitális technika VIMIAA01 9. hét Fehér Béla BME MIT Eddig Tetszőleges
RészletesebbenNégyprocesszoros közvetlen csatolású szerverek architektúrája:
SzA49. AMD többmagos 2 és 4 processzoros szerverarchitektúrái (a közvetlenül csatolt architektúra főbb jegyei, négyprocesszoros közvetlen csatolású szerverek architektúrája, többmagos szerverprocesszorok
RészletesebbenGrafikonok automatikus elemzése
Grafikonok automatikus elemzése MIT BSc önálló laboratórium konzulens: Orosz György 2016.05.18. A feladat elsődleges célkitűzései o eszközök adatlapján található grafikonok feldolgozása, digitalizálása
RészletesebbenPlakátok, részecskerendszerek. Szécsi László
Plakátok, részecskerendszerek Szécsi László Képalapú festés Montázs: képet képekből 2D grafika jellemző eszköze modell: kép [sprite] 3D 2D képével helyettesítsük a komplex geometriát Image-based rendering
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
RészletesebbenOptimalizációs stratégiák 1.
Optimalizációs stratégiák 1. Nyers erő, Oszd meg és uralkodj, Feljegyzéses, Dinamikus, Mohó előadás http://nik.uni-obuda.hu/prog2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János
RészletesebbenKereső algoritmusok a diszkrét optimalizálás problémájához
Kereső algoritmusok a diszkrét optimalizálás problémájához A. Grama, A. Gupta, G. Karypis és V. Kumar: Introduction to Parallel Computing, Addison Wesley, 2003. könyv anyaga alapján A kereső eljárások
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
RészletesebbenValasek Gábor
Valasek Gábor valasek@inf.elte.hu Eötvös Loránd Tudományegyetem Informatikai Kar 2011/2012. őszi félév Tartalom 1 Textúrázás Bevezetés Textúra leképezés Paraméterezés Textúra szűrés Procedurális textúrák
RészletesebbenSzámítógép architektúrák záróvizsga-kérdések február
Számítógép architektúrák záróvizsga-kérdések 2007. február 1. Az ILP feldolgozás fejlődése 1.1 ILP feldolgozási paradigmák (Releváns paradigmák áttekintése, teljesítmény potenciáljuk, megjelenési sorrendjük
RészletesebbenSZÁMÍTÓGÉP ARCHITEKTÚRÁK
SZÁMÍTÓGÉP ARCHITEKTÚRÁK Az utasítás-pipeline szélesítése Horváth Gábor, Belső Zoltán BME Hálózati Rendszerek és Szolgáltatások Tanszék ghorvath@hit.bme.hu, belso@hit.bme.hu Budapest, 2018-05-19 1 UTASÍTÁSFELDOLGOZÁS
RészletesebbenKereső algoritmusok a diszkrét optimalizálás problémájához
Kereső algoritmusok a diszkrét optimalizálás problémájához A. Grama, A. Gupta, G. Karypis és V. Kumar: Introduction to Parallel Computing, Addison Wesley, 2003. könyv anyaga alapján A kereső eljárások
RészletesebbenAz informatika kulcsfogalmai
Az informatika kulcsfogalmai Kulcsfogalmak Melyek azok a fogalmak, amelyek nagyon sok más fogalommal kapcsolatba hozhatók? Melyek azok a fogalmak, amelyek más-más környezetben újra és újra megjelennek?
RészletesebbenRekurzió. Működése, programtranszformációk. Programozás II. előadás. Szénási Sándor.
Rekurzió Működése, programtranszformációk előadás http://nik.uni-obuda.hu/prog2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar Rekurzió Rekurzió alapjai Rekurzív
RészletesebbenMegkülönböztetett kiszolgáló routerek az
Megkülönböztetett kiszolgáló routerek az Interneten Megkülönböztetett kiszolgálás A kiszolgáló architektúrák minősége az Interneten: Integrált kiszolgálás (IntServ) Megkülönböztetett kiszolgálás (DiffServ)
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
RészletesebbenÖsszeállította Horváth László egyetemi tanár
Óbudai Egyetem Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézet Intelligens Mérnöki Rendszerek Szakirány a Mérnök informatikus alapszakon Összeállította Horváth László Budapest, 2011
RészletesebbenOsztott algoritmusok
Osztott algoritmusok A benzinkutas példa szimulációja Müller Csaba 2010. december 4. 1. Bevezetés Első lépésben talán kezdjük a probléma ismertetésével. Adott két n hosszúságú bináris sorozat (s 1, s 2
RészletesebbenGPU Lab. 15. fejezet. Nehezen párhuzamosítható szimulációk. Grafikus Processzorok Tudományos Célú Programozása. Berényi Dániel Nagy-Egri Máté Ferenc
15. fejezet Nehezen párhuzamosítható szimulációk Grafikus Processzorok Tudományos Célú Programozása Jól párhuzamosítható szimulációk Ha megnézzük az eddigi példákat (valamint a beadandókat) akkor a következőt
RészletesebbenDr. Schuster György október 30.
Real-time operációs rendszerek RTOS 2015. október 30. Jellemzők ONX POSIX kompatibilis, Jellemzők ONX POSIX kompatibilis, mikrokernel alapú, Jellemzők ONX POSIX kompatibilis, mikrokernel alapú, nem kereskedelmi
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
RészletesebbenGrafikus processzorok általános célú programozása (GPGPU)
2015. szeptember 17. Grafikus processzorok általános célú programozása (GPGPU) Eichhardt I., Hajder L. és V. Gábor eichhardt.ivan@sztaki.mta.hu, hajder.levente@sztaki.mta.hu, valasek@inf.elte.hu Eötvös
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
RészletesebbenProgramozási nyelvek 6. előadás
Programozási nyelvek 6. előadás Szempontok Programozási nyelvek osztályozása Felhasználói kör (amatőr, professzionális) Emberközelség (gépi nyelvektől a természetes nyelvekig) Számítási modell (hogyan
RészletesebbenSzámítógépek felépítése, alapfogalmak
2. előadás Számítógépek felépítése, alapfogalmak Lovas Szilárd, Krankovits Melinda SZE MTK MSZT kmelinda@sze.hu B607 szoba Nem reprezentatív felmérés kinek van ilyen számítógépe? 2 Nem reprezentatív felmérés
RészletesebbenITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban
IBM Global Technology Services ITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban ITSMF Magyarország 3. szemináriuma Tild Attila, ISM IBM Magyarországi Kft. 2006
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
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenPanorámakép készítése
Panorámakép készítése Képregisztráció, 2009. Hantos Norbert Blaskovics Viktor Összefoglalás Panoráma (image stitching, planar mosaicing): átfedő képek összeillesztése Lépések: Előfeldolgozás (pl. intenzitáskorrekciók)
RészletesebbenJava programozási nyelv
Java programozási nyelv 2. rész Vezérlő szerkezetek Nyugat-Magyarországi Egyetem Faipari Mérnöki Kar Informatikai Intézet Soós Sándor 2005. szeptember A Java programozási nyelv Soós Sándor 1/23 Tartalomjegyzék
Részletesebben"A tízezer mérföldes utazás is egyetlen lépéssel kezdődik."
"A tízezert mérföldes utazás is egyetlen lépéssel kezdődik dik." A BINB INSYS Előadók: Kornafeld Ádám SYS PROJEKT Ádám MTA SZTAKI kadam@sztaki.hu Kovács Attila ELTE IK attila@compalg.inf.elte.hu Társszerzők:
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
RészletesebbenElengedhetetlen a játékokban, mozi produkciós eszközökben Nélküle kvantum hatás lép fel. Az objektumok áthaladnak a többi objektumon
Bevezetés Ütközés detektálás Elengedhetetlen a játékokban, mozi produkciós eszközökben Nélküle kvantum hatás lép fel Az objektumok áthaladnak a többi objektumon A valósághű megjelenítés része Nem tisztán
RészletesebbenProgramozási nyelvek a közoktatásban alapfogalmak I. előadás
Programozási nyelvek a közoktatásban alapfogalmak I. előadás Szempontok Programozási nyelvek osztályozása Felhasználói kör (amatőr, professzionális) Emberközelség (gépi nyelvektől a természetes nyelvekig)
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.
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
RészletesebbenFeladat. Bemenő adatok. Bemenő adatfájlok elvárt formája. Berezvai Dániel 1. beadandó/4. feladat 2012. április 13. Például (bemenet/pelda.
Berezvai Dániel 1. beadandó/4. feladat 2012. április 13. BEDTACI.ELTE Programozás 3ice@3ice.hu 11. csoport Feladat Madarak életének kutatásával foglalkozó szakemberek különböző településen különböző madárfaj
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 8. Előadás Dr. Kulcsár Gyula egyetemi docens Kereső algoritmusok alkalmazása
RészletesebbenSzámítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Számítógépes képelemzés 7. előadás Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Momentumok Momentum-alapú jellemzők Tömegközéppont Irányultáság 1 2 tan 2 1 2,0 1,1 0, 2 Befoglaló
RészletesebbenImage Processor BarCode Service. Felhasználói és üzemeltetői kézikönyv
Image Processor BarCode Service Áttekintés CIP-BarCode alkalmazás a Canon Image Processor programcsomag egyik tagja. A program feladata, hogy sokoldalú eszközt biztosítson képállományok dokumentumkezelési
Részletesebbenefocus Content management, cikkírás referencia
Gainward nvidia GeForce GTX 550 Ti VGA A GTX 460 sikeres folytatásaként aposztrofált GTX 550 Ti egy kicsit GTS, egy kicsit Ti, de leginkább GTX. Ebben a hárombetűs forgatagban az ember már lassan alig
RészletesebbenNumerikus matematika vizsga
1. Az a = 2, t = 4, k = 3, k + = 2 számábrázolási jellemzők mellett hány pozitív, normalizált lebegőpontos szám ábrázolható? Adja meg a legnagyobb ábrázolható számot! Mi lesz a 0.8-hoz rendelt lebegőpontos
RészletesebbenProgramozás alapjai. 6. gyakorlat Futásidő, rekurzió, feladatmegoldás
Programozás alapjai 6. gyakorlat Futásidő, rekurzió, feladatmegoldás Háziellenőrzés Egészítsd ki úgy a simplemaths.c programot, hogy megfelelően működjön. A program feladata az inputon soronként megadott
RészletesebbenFéléves feladat. Miről lesz szó? Bemutatkozás és követelmények 2012.09.16.
Bemutatkozás és követelmények Dr. Mileff Péter Dr. Mileff Péter Helyileg: A/1-303. szoba. Fizika Tanszék Konzultációs idő: Szerda 10-12 mileff@iit.uni-miskolc.hu Követelmények: Az órák ¾-én kötelező a
RészletesebbenDr. habil. Maróti György
infokommunikációs technológiák III.8. MÓDSZER KIDOLGOZÁSA ALGORITMUSOK ÁTÜLTETÉSÉRE KIS SZÁMÍTÁSI TELJESÍTMÉNYŰ ESZKÖZÖKBŐL ÁLLÓ NÉPES HETEROGÉN INFRASTRUKTÚRA Dr. habil. Maróti György maroti@dcs.uni-pannon.hu
RészletesebbenKeresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Keresés képi jellemzők alapján Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Lusta gépi tanulási algoritmusok Osztályozás: k=1: piros k=5: kék k-legközelebbi szomszéd (k=1,3,5,7)
RészletesebbenBruttó ár: 0 Ft. Háttértár mérete: Háttértár típusa: Lemez meghajtó: Kijelző méret: LED háttérvilágítás, 16:9 képarány
ASUS X302UJ-FN021D (X302UJ-FN021D) Bruttó ár: 0 Ft Termékvonal: Asus Notebook / Asus Laptop Termékvonal2: Notebook / Laptop Processzor: Intel Core i5 Processzor jellemző: i5-6200u / 2,30GHz - 2,80GHz /
RészletesebbenPárhuzamos és Grid rendszerek
Párhuzamos és Grid rendszerek (2. ea) párhuzamos algoritmusok tervezése Szeberényi Imre BME IIT Az ábrák egy része Ian Foster: Designing and Building Parallel Programs (Addison-Wesley)
RészletesebbenOpenGL és a mátrixok
OpenGL és a mátrixok Róth Gergő 2013. március 4. Róth Gergő 1/20 A rajzoláskor a videókártya minden csúcson végrehajt egy transzformációt. Mire jó? Kamera helyének beállítása Egy objektum több pozícióra
RészletesebbenProgramozás I. 1. előadás: Algoritmusok alapjai. Sergyán Szabolcs
Programozás I. 1. előadás: Algoritmusok alapjai Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Alkalmazott Informatikai Intézet 2015. szeptember 7. Sergyán
RészletesebbenGráfok 1. Tárolási módok, bejárások. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor
Gráfok 1. Tárolási módok, bejárások előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor szenasi.sandor@nik.uni-obuda.hu Óbudai Egyetem,Neumann János Informatikai Kar Gráfok 1. Tárolási módok Szélességi
Részletesebben1. Generáció( ):
Generációk: 1. Generáció(1943-1958): Az elektroncsövet 1904-ben találták fel. Felfedezték azt is, hogy nemcsak erősítőként, hanem kapcsolóként is alkalmazható. A csövek drágák, megbízhatatlanok és rövid
RészletesebbenBevezetés az informatikába
Bevezetés az informatikába 6. előadás Dr. Istenes Zoltán Eötvös Loránd Tudományegyetem Informatikai Kar Programozáselmélet és Szoftvertechnológiai Tanszék Matematikus BSc - I. félév / 2008 / Budapest Dr.
RészletesebbenSAMSUNG SSM-8000 szoftvercsomag
SAMSUNG SSM-8000 szoftvercsomag A Samsung SSM-8000 szoftvercsomag a Samsung által forgalmazott IP kamerák, digitális rögzítők, hálózati rögzítők, encoderek közös grafikai felületen történő megjelenítését
RészletesebbenCUDA haladó ismeretek
CUDA haladó ismeretek CUDA környezet részletei Többdimenziós indextér használata Megosztott memória használata Atomi műveletek használata Optimalizálás Hatékonyság mérése Megfelelő blokkméret kiválasztása
RészletesebbenIntelligens beágyazott rendszer üvegházak irányításában
P5-T6: Algoritmustervezési környezet kidolgozása intelligens autonóm rendszerekhez Intelligens beágyazott rendszer üvegházak irányításában Eredics Péter, Dobrowiecki P. Tadeusz, BME-MIT 1 Üvegházak Az
RészletesebbenA LEGO Mindstorms EV3 programozása
A LEGO Mindstorms EV3 programozása 1. A fejlesztői környezet bemutatása 12. Az MPU6050 gyorsulás- és szögsebességmérő szenzor Orosz Péter 1 Felhasznált irodalom LEGO MINDSTORMS EV3: Felhasználói útmutató
RészletesebbenNumerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok
Numerikus matematika Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, 2007 Lebegőpontos számok Normák, kondíciószámok Lineáris egyenletrendszerek Legkisebb négyzetes
RészletesebbenI. LABOR -Mesterséges neuron
I. LABOR -Mesterséges neuron A GYAKORLAT CÉLJA: A mesterséges neuron struktúrájának az ismertetése, neuronhálókkal kapcsolatos elemek, alapfogalmak bemutatása, aktivációs függvénytípusok szemléltetése,
RészletesebbenBánhelyi Balázs, Csendes Tibor, Palatinus Endre és Lévai. Szeptember 28-30, 2011, Balatonöszöd, Hungary
optimalizáló eljárás, Csendes Tibor, Palatinus Endre és Lévai Balázs László Szegedi Tudományegyetem Szeptember 28-30, 2011, Balatonöszöd, Hungary Közmegvilágítási feladat Adott egy megvilágítandó terület,
Részletesebben