22/09/2000Spm Parallel ( Gérald Vétois ) Spm Parallel.

Slides:



Advertisements
Présentations similaires
« Network Processor Appliance »
Advertisements

Frédéric Gava JFLA2006 Une implantation de la juxtaposition parallèle.
MODULE - METHODES POTENTIELLES
Apprentissage de représentation et auto-organisation modulaire pour un agent autonome Bruno Scherrer 6 janvier 2003 Directeurs : F. Alexandre, F. Charpillet.
Affine registration with Feature Space Mutual Information (2001)
Piecewise Affine Registration of Biological Images
Projet TAG Projet TAG Géophysique – IPGS (UMR 7516) Calcul numérique -IRMA (UMR 7501) Chimie théorique - LCQMM (UMR 7551) Informatique - LSIIT/ICPS (UMR.
Modèle de coût algorithmique intégrant des mécanismes de tolérance aux pannes Samir Jafar, Thierry Gautier, Jean Louis Roch Laboratoire ID-IMAG Equipe.
Informatique parallèle hautes performances
Modèle polyédrique: fondements et application à la parallélisation de programmes réguliers Tanguy Risset DIF 2001/2002.
Parallélisation d’un Algorithme CNFT
Programmes du cycle terminal
Aspects quantitatifs de la conception
Evaluation des performances en entreprise
Application des algorithmes génétiques
Cours #6 Conception d’unités de contrôle
TP Fichiers et Tableaux Avril Un fichier Permet le stockage de données sur des supports de mémoire externes (donc les données ne seront pas perdues.
Construction de modèles visuels
Oracle VM VirtualBox (anciennement SUN VirtualBox)
E. Canot J. Erhel C. De Dieuleveult Le code d´eau salée réunion hydrogrid le 11/10/2004.
Optimisation et parallélisation de code pour processeur à instructions SIMD multimedia François Ferrand.
SCIENCES DE L ’INGENIEUR
Alain Romeyer - 15/06/20041 UMH Machines livrées le 08/04/2005 Configuration choisie (différente des autres sites) : 6 machines SUN Fire V20Z.
Développement d’application web
Mise en oeuvre des MMCs L'utilisation des MMCs en reconnaissance des formes s'effectue en trois étapes : définition de la topologie de la chaîne de Markov,
Détection du meilleur format de compression pour une matrice creuse dans un environnement parallèle hétérogène Olfa HAMDI-LARBI.
Outils dexploitation dune grappe de grande taille Philippe Augerat ID-IMAG Apache-INRIA JTE cluster computing, 2 octobre 2001.
LSIIT-ICPS Illkirch, le 11 décembre 2001
ASI 3 Méthodes numériques pour l’ingénieur
L’adaptativité pour un solveur de l’équation de Vlasov
Soutenance de stage 16 Mai au 5 Août 2011
Importance du réseau dans des architectures MIMD Tout échange entre les processeurs nécessite un transfert de données via le réseau.
Soutenance de stage 16 Mai au 5 Août 2011
Comparaison entre RIP et OSPF en utilisant OPNET
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
O-notation 1. Introduction 2. O-notation 3. Opérations 3.1 Somme 3.2 Produit 4. Règles générales 5. Exemple 6.Analyse des algorithmes récursifs 6.1 Dilatation.
Amélioration de la simulation stochastique
8INF856 Programmation sur architectures parallèles
Parcours, fouilles et vagues Franck Petit LaRIA Université de Picardie Jules Verne, Amiens
Le contenu est basé aux transparents du 7 ème édition de «Software Engineering» de Ian Sommerville«Software Engineering» de Ian Sommerville B.Shishedjiev.
INF3500 : Conception et implémentation de systèmes numériques Pierre Langlois Performance de circuits.
Journées d'études Faible Tension Faible Consommation 14, 15, 16 mai Gwenolé CORRE, Nathalie JULIEN, Eric SENN, Eric MARTIN LESTER, Université de.
ETL - Pentaho Data Integration
D. E ZEGOUR Institut National d ’Informatique
Sureté de fonctionnement dans les WNCS
Projet de Fin d’Etudes – Optimisation SSE 1/28. 1) Présentation du Stage 2) Les instructions SSE 3) Algorithme DSP Audio Conclusion 2/28 Projet de Fin.
Karima Tabari1, Mounir Boukadoum1, Sylvain Chartier2,3, Hakim Lounis1
Introduction aux solutions Microsoft pour le HPC.
Bilan de l’année 2014 Drive LST I Monteiro. Drive et mécanique de l’Azimuth Bilan Drive  Avancement très fortement ralenti vu les changements des.
Laboratoire Intégration des Architectures Numériques (IAN)
Clustering. Le Clustering est une technique qui consiste à assembler virtuellement plusieurs machines afin de les faire travailler en parallèle. Cela.
7/4/2000 Traitement de séries IRMf en « temps réel » Gérald Vétois et Christian Scheiber Institut de Physique Biologique Faculté de Médecine Strasbourg.
19 janvier 2006J-P Meyer1 Revue du projet GRIF  Les enjeux scientifiques (J-P Meyer)  Le calcul au LHC  Les Projet EGEE et LCG  Le projet GRIF  La.
Le chaos pourquoi ? Permet de modéliser un type de mouvement récent qui n’est ni uniforme, ni accéléré. Des dynamiques chaotiques ont été mises en évidence.
PROJET CAPS Compilation, Architecture, Parallélisme et Système.
Réunion ANR - GCPMF 15/01/2008 Xavier WARIN (EDF R&D - OSIRIS)‏ Stéphane VIALLE (SUPELEC - IMS)‏ Constantinos MAKASSIKIS (SUPELEC - IMS, LORIA - AlGorille)‏
Introduction aux architectures parallèles
Plateforme de Calcul Intensif “HPC” de l’lnstitut Pytheas M. Libes, C. Pinazo Juin 2015.
Réalisé par : Encadré par : - Keheli adnane Pr L.Lamrini
L’ingénierie collaborative en STS au lycée Jean Perrin au lycée Jean Perrin Séminaire du 23 Février 2005 Jean Perrin - Marseille.
05/10/2001Etat de Spm Parallel ( Gérald Vétois ) Etat de Spm Parallel.
Prérequis élèves pour le : TD3-Kali – Octobre 2015.
Algorithmes parallèles
Plateforme de Calcul Intensif “HPC” de l’lnstitut Pytheas M. Libes UMS 3470 Pytheas C. Pinazo UMR 7294 MIO Juin 2015.
1 18 mars 2010 Exercices PRA Mainframe Lionel PHELPIN.
PetaSky: Expérimentations avec HadoopDB et Hive 1 Amin Mesmoudi.
Chapitre 12 Surveillance des ressources et des performances Module S41.
TV diffusion Le système de diffusion permet d’afficher sur plusieurs écrans des médias provenant de sources accessibles en réseau.
La VBM, aspects pratiques. Soft :FSL/ Free/ FSL –Free : segmente, notion de mesure? –FSL : pas de substance blanche disponible –SPM 2 / 5.
______________________________________________________________________ Journée GDR MoMaS – / 11 / 2007 _ ____________________________________________________________________________________.
Transcription de la présentation:

22/09/2000Spm Parallel ( Gérald Vétois ) Spm Parallel

22/09/2000Spm Parallel ( Gérald Vétois ) Points traités Rappel de la problématique et du planning des développements Etat des lieux du développement Performances des travaux réalisés Développement avenir Proposition de mise en oeuvre

22/09/2000Spm Parallel ( Gérald Vétois ) Rappel de la problématique et du planning de développement Parallelisation « batch » –Prepocessing –Statistique Parallelisation « temps réel » Preprocessing Statistique Problématique temps réel

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation « batch » (1) Preprocessing V1V1 VnVn... V2V2 =V ref Rv n Rv 2... Pr V Te mplate Pn Nrv 2 Nrv 1 Nrv n Nv T emplat e... Ps Snr v 1 Snr v 2... Snr v n Snv Templ ate

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation « batch » (2) Preprocessing : Equation Vref = V 1 Pr= Parametres de realignement Pn= Parametres de normalisation Ps= Parametres de lissage

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation « batch » (3) Statistiques –En cours d’étude

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation « temps reel » (1) Preprocessing (Vi): Model à construire V1V1 ViVi =V ref Rv i P'r V template Nrv i Snr v i P'n P's

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation « temps reel » (2) Preprocessing : Equation Vref = V 1 P'r= Parametres précalculer du realignement P'n= Parametres précalculer de la normalisation P's= Parametres précalculer du lissage

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation « temps reel » (3) Statistique –En cours d’étude

22/09/2000Spm Parallel ( Gérald Vétois ) Problematique « temps reel » Le temps Les Algorithmes Réalisation en 2 etapes : –En 2 tuyaux d ’ execution ou pipelines: –Preprocessing –Statistiques –En temps reel

22/09/2000Spm Parallel ( Gérald Vétois ) Le temps Gestion du flux Contrôle et synchronisation de l ’ execution Approcher l'execution de 10 minutes

22/09/2000Spm Parallel ( Gérald Vétois ) Les Algorithmes Les parallélisables –Boucles sans dependances –Boucles avec dependances faibles Les parallélisables, mais sans benefices –Fonctions de convergence avec boucle de calculs Les non parallélisables –Fonction de convergence avec dependances fortes

22/09/2000Spm Parallel ( Gérald Vétois ) Réalisation en 2 étapes (1) Profiter des developpements batch –Creation de 2 flux d ’ execution en pipeline –Preprocessing –Statistique –En cours d’étude Realign Normalization Smooth

22/09/2000Spm Parallel ( Gérald Vétois ) Réalisation en 2 étapes (2) Temps reel –Mécanisme de contrôle de flux –Mécanisme de contrôle des process

22/09/2000Spm Parallel ( Gérald Vétois ) Etat du developpement Conception du modele de parallelisation Integration à spm99 Parallelisation du preprocessing

22/09/2000Spm Parallel ( Gérald Vétois ) Modele de parallelisation Modele de distribution à la demande Réduction I ViVi V i-y Chef Travailleurs... V i-x Chef... Travailleurs

22/09/2000Spm Parallel ( Gérald Vétois ) Integration à SPM Réorganisation de l ’ arborescence Introduction de variables d’environements Log d ’ execution sur les parties paralleles Spm parallel en quelques chiffres

22/09/2000Spm Parallel ( Gérald Vétois ) Réorganisation de l ’ arborescence

22/09/2000Spm Parallel ( Gérald Vétois ) Variables d ’ environement SPM_PATH = Chemin racine de spm SPM_MPIRUN = Mpirun choisi SPM_DEBUG = Sauvegarde ou non des parametres SPM_PARALLEL = Yes ou No SPM_MPIOPTS = Options de SPM_ MPIRUN SPM_NPE = Nombres de Processeurs ( optionnel )

22/09/2000Spm Parallel ( Gérald Vétois ) Log d ’ execution Fichier.log : –Realign_series_loop1.log et / ou realign_series_loop2.log –Spm_loop_sn_a.log ou spm_loop_sn_na.log –Smooth_ui_loop.log Exemples /home/gvetois/Developpement/spm_parallel/shells/spm_loop_sn.bash 2 /scr/Gerald_data/Preproc Begin of non affine transformation sam sep 16 19:49:10 CEST 2000 sam sep 16 21:15:38 CEST 2000 End of non affine transformation

22/09/2000Spm Parallel ( Gérald Vétois ) Quelques chiffres

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation de preprocessing(1) Realignement ( 75 % parallelisé )  Registering Images  Registering Images to Mean –Computing available voxels –Reslicing

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation de preprocessing(2) Normalisation ( 95 % parallelisé )  Resampling ( n-1 ) –Computing available voxels

22/09/2000Spm Parallel ( Gérald Vétois ) Parallelisation de preprocessing(3) Lissage ( 100 % parallelisé )  Smoothing

22/09/2000Spm Parallel ( Gérald Vétois ) Performance des travaux Preprocessing: –Machines de développement –Test sinc: Réalignement, Normalisation(Sinc), Lissage –Test tri: Réalignement, Normalisation(trilineaire),Lissage

22/09/2000Spm Parallel ( Gérald Vétois ) Machines de developpement AMD K6/ Mo 10Go Disk –Linux RedHat Matlab LAM –Réseau 100BaseTx ( Dlink 530Tx ) AMD K6/400 64Mo 255Mo Disk –Linux RedHat LAM –Réseau 100BaseTx ( Dlink 530Tx ) Equivalent 900Mhz=

22/09/2000Spm Parallel ( Gérald Vétois ) Test sinc

22/09/2000Spm Parallel ( Gérald Vétois ) Test tri-lineaire

22/09/2000Spm Parallel ( Gérald Vétois ) Developpement Avenir Réintegration des spm_progress_bar Finalisation du réalignement et de la normalisation Mise en pipeline du Preprocessing Paralellisation des Statisques Finialisation du modules temps reel

22/09/2000Spm Parallel ( Gérald Vétois ) Proposition de site Drive Disques M1. Mn IRM Cluster Switch Batch Tps Rèel M0M0... Switch S0S0 S1S1 SmSm

22/09/2000Spm Parallel ( Gérald Vétois ) Proposition de partenariats Distribution des binaires Distribution des sources Partenariat constructeurs