研究目的
为了加速使用多个分布式GPU的叠层成像重建多模态差分图算法,将计算时间从数小时显著缩短至约1分钟,实现实时数据处理与可视化。
研究成果
用于X射线叠层成像的多模式差分映射算法GPU实现大幅缩短了计算时间,使得实验装置调整能够获得实时反馈。未来工作包括进一步优化性能和降低内存占用。
研究不足
MPI集体通信对于同步的必要性,以及由于运行时非重叠点导致对象更新并行化的挑战。多模式重建的内存占用显著更大,所需的GPU内存超过原始数据大小的10倍以上。
研究目的
为了加速使用多个分布式GPU的叠层成像重建多模态差分图算法,将计算时间从数小时显著缩短至约1分钟,实现实时数据处理与可视化。
研究成果
用于X射线叠层成像的多模式差分映射算法GPU实现大幅缩短了计算时间,使得实验装置调整能够获得实时反馈。未来工作包括进一步优化性能和降低内存占用。
研究不足
MPI集体通信对于同步的必要性,以及由于运行时非重叠点导致对象更新并行化的挑战。多模式重建的内存占用显著更大,所需的GPU内存超过原始数据大小的10倍以上。
加载中....
您正在对论文“[IEEE 2018纽约科学数据峰会(NYSDS)- 美国纽约(2018.8.6-2018.8.8)] 2018纽约科学数据峰会(NYSDS)- 分布式GPU上的高性能多模式叠层成像重建”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期