dc.contributor.advisor | Trindade Winck, Ana | |
dc.creator | Cagnini, Henry | |
dc.date.accessioned | 2022-06-15T19:19:06Z | |
dc.date.available | 2022-06-15T19:19:06Z | |
dc.date.issued | 2014-07-09 | |
dc.date.submitted | 2014 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/24886 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa
Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2014. | por |
dc.description.abstract | The Support Vector Machine is a data classification method that has presented an increase
in terms of its popularity. This increase is mainly due to the publication of LIBSVM,
a library that implements Support Vector Machine which source code is available in a diversity
of programming languages. Since its publication, several researches have tried to optimize
its performance through parallelization of parts of its source code, mostly using the Graphics
Processor Unit as a parallel processing device. Some of these work use the CUDA framework,
limiting the solutions to the NVIDIA’s GPUs. This work proposes the parallelization of the
Support Vector Machine through OpenCL framework, allowing the solution to be executed in a
wider variety of GPUs. We choose training phase of the classificatiom process for the optimization.
The final solution achieved a speedup of three in comparisson to the sequential version,
and it is developed using two distinct GPU architectures. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Programação paralela em GPU | por |
dc.subject | OpenCL | por |
dc.subject | Support vector machine | eng |
dc.title | Aumento do desempenho da support vector machine através de técnicas de paralelização de código em gpu | por |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.description.resumo | A Support Vector Machine é um método de classificação de dados que vem experimentando
um aumento na sua popularidade. Este aumento se deve principalmente à publicação
da LIBSVM, biblioteca de código fonte que a implementa e está disponível em diversas linguagens
de programação. Desde sua publicação, vários trabalhos vêm buscando otimizar seu
desempenho através da paralelização de trechos de seu código fonte, sobretudo com a utilização
da Graphics Processor Unit, a GPU. Alguns destes trabalhos fazem uso do framework CUDA,
ficando restritos a GPUs da fabricante NVIDIA. Este trabalho propõe a paralelização da Support
Vector Machine com a utilização do framwork OpenCL, permitindo que a solução seja
portável para diferentes GPUs. A fase do processo classificatório escolhida para a otimização
foi a de treino. A solução final obteve speedup de três vezes em relação a versão sequencial da
LIBSVM, e foi desenvolvida utilizando duas GPUs de arquiteturas distintas. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |