A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor

Detalhes bibliográficos
Autor(a) principal: Martins, Alexandre Filipe Marcela
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/86773
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_bb4670d26e101ff1904e23f25ad138f2
oai_identifier_str oai:estudogeral.uc.pt:10316/86773
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str
spelling A Low-power Parallel GPU Multispectral and Hyperspectral Lossless CompressorCompressor Multispectral e Hyperspectral Sem Perdas, Paralelo e de Baixo Consumo em GPUCCSDS 123CUDAMultiespectralHiperespectralGPU de Baixo ConsumoCCSDS 123CUDAMultispectralHyperspectralLow power GPUDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaO campo de computação de baixo consumo é dominado por Field-programmable gate arrays (FPGAs) devido ao seu baixo consumo energético. mas ao longo dos anos o aumento do uso de dispositivos móveis têm proporcionado o aumento de desempenho e da eficiência energética dos Central Processing Units (CPUs) e Graphical Processing Units (GPUs) neles usados.O objetivo principal deste trabalho foi estudar a possibilidade de que GPUs de baixo consumo energético possam estar em pé de igualdade com FPGAs quando executando o algoritmo Consultative Committee for Space Data Systems (CCSDS) 123 para compressão de imagens Multiespectrais e Hiperespectrais. O chip Tegra K1 da NVIDIA fornece uma plataforma que suporta programação com Compute Unified Device Architecture (CUDA)e também oferece baixo consumo energético. É importante salientar que o GPU apenas consome 2 Watts.Para acelerar a execução do algoritmo, a versão desenvolvida no âmbito desta tese baseia-se na paralelização dos dois blocos mais importantes do mesmo, o preditor e o codificador. Esta versão é baseada numa versão série já existente e validada do algoritmo publicada pela Agência Espacial Europeia (ESA). Para se conseguir realizar todos os cálculos necessários em paralelo, foi feito uma análise do algoritmo e da forma como este executa a compressão. Tanto a predição como a codificação não têm dependências de dados entre bandas diferentes, apenas dentro da mesma banda. Logo, cada banda pode ser calculada independentemente.Esta solução foi verificada comparando todos os outputs das funções importantes, com os mesmos do código original. O tempos de execução finais apenas foram obtidos no fim de fazer afinação dos parâmetros de execução do CUDA de modo a obter os melhores resultados possíveis. Os resultados obtidos pela solução apresentada nesta tese não foram excecionais em termos de velocidade, mas apesar disso, a eficiência energética da mesma foi alta visto que o GPU do Tegra K1 é um dispositivo muito eficiente. O objetivo principal foi atingido apesar da velocidade obtida não ser a esperada, uma vez que a plataforma demonstrou uma ótima eficiência energética.Low power computing is a field ruled by Field-programmable gate arrays (FPGAs) due to their very low power consumptions. But over the years the every day use of mobile devices has pushed for an increase in performance and power efficiency of the Central Processing Units (CPUs) and Graphical Processing Units (GPUs) used to build them. The main goal of this work was to study the possibility that low power mobile GPUs could be on equal footing with FPGAs when running the Consultative Committee for Space Data Systems (CCSDS) 123 algorithm for compression of Multispectral and Hyperspectral images. The NVIDIA Tegra K1 chip provides a platform that booth supports Compute Unified Device Architecture (CUDA) programming, and offers a low power consumption, the GPU only consumes an average of 2 Watts.To speedup the execution of the algorithm, the version developed in this thesis is based on the parallelization of the two main components of the same, the predictor and the encoder. This version is based on a already existing and verified serial solution publish by European Space Agency (ESA). To be able to perform the needed calculations in parallel a study of the algorithm and the way that the compression works was performed. The prediction and the encoding do not have any data dependency between different bands, only inside the same band. So each band can be calculated independently.The solution was verified comparing all the important function outputs with those from the original code. The final executions times were measured after tunning of the CUDA execution parameters in order to obtain the best results. The results obtained with this solution presented in this thesis were not outstanding in terms of speed, but despite that, the energy efficiency is very high since the Tegra K1 GPU is a very power efficient device. The main objective was met despite the less than optimal speed achieved, because the platform demonstrated a good power efficiency.2018-09-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/86773http://hdl.handle.net/10316/86773TID:202218805engMartins, Alexandre Filipe Marcelainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2021-06-15T09:44:32ZPortal AgregadorONG
dc.title.none.fl_str_mv A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor
Compressor Multispectral e Hyperspectral Sem Perdas, Paralelo e de Baixo Consumo em GPU
title A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor
spellingShingle A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor
Martins, Alexandre Filipe Marcela
CCSDS 123
CUDA
Multiespectral
Hiperespectral
GPU de Baixo Consumo
CCSDS 123
CUDA
Multispectral
Hyperspectral
Low power GPU
title_short A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor
title_full A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor
title_fullStr A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor
title_full_unstemmed A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor
title_sort A Low-power Parallel GPU Multispectral and Hyperspectral Lossless Compressor
author Martins, Alexandre Filipe Marcela
author_facet Martins, Alexandre Filipe Marcela
author_role author
dc.contributor.author.fl_str_mv Martins, Alexandre Filipe Marcela
dc.subject.por.fl_str_mv CCSDS 123
CUDA
Multiespectral
Hiperespectral
GPU de Baixo Consumo
CCSDS 123
CUDA
Multispectral
Hyperspectral
Low power GPU
topic CCSDS 123
CUDA
Multiespectral
Hiperespectral
GPU de Baixo Consumo
CCSDS 123
CUDA
Multispectral
Hyperspectral
Low power GPU
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2018
dc.date.none.fl_str_mv 2018-09-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/86773
http://hdl.handle.net/10316/86773
TID:202218805
url http://hdl.handle.net/10316/86773
identifier_str_mv TID:202218805
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1777302731715772416

Registros relacionados