• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >Parallel and Efficient Sensitivity Analysis of Microscopy Image Segmentation Workflows in Hybrid Systems
【2h】

Parallel and Efficient Sensitivity Analysis of Microscopy Image Segmentation Workflows in Hybrid Systems

机译：混合系统中显微镜图像分割工作流程的并行高效分析

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We investigate efficient sensitivity analysis (SA) of algorithms that segment and classify image features in a large dataset of high-resolution images. Algorithm SA is the process of evaluating variations of methods and parameter values to quantify differences in the output. A SA can be very compute demanding because it requires re-processing the input dataset several times with different parameters to assess variations in output. In this work, we introduce strategies to efficiently speed up SA via runtime optimizations targeting distributed hybrid systems and reuse of computations from runs with different parameters. We evaluate our approach using a cancer image analysis workflow on a hybrid cluster with 256 nodes, each with an Intel Phi and a dual socket CPU. The SA attained a parallel efficiency of over 90% on 256 nodes. The cooperative execution using the CPUs and the Phi available in each node with smart task assignment strategies resulted in an additional speedup of about 2×. Finally, multi-level computation reuse lead to an additional speedup of up to 2.46× on the parallel version. The level of performance attained with the proposed optimizations will allow the use of SA in large-scale studies.
机译：我们研究了对高分辨率图像的大型数据集中的图像特征进行分割和分类的算法的有效灵敏度分析（SA）。算法SA是评估方法和参数值的变化以量化输出差异的过程。 SA可能需要非常严格的计算，因为它需要使用不同的参数多次重新处理输入数据集，以评估输出的变化。在这项工作中，我们介绍了通过针对分布式混合系统的运行时优化并通过重用具有不同参数的运行重复计算来有效加速SA的策略。我们在具有256个节点的混合集群中使用癌症图像分析工作流程来评估我们的方法，每个节点都有一个Intel Phi和一个双插槽CPU。 SA在256个节点上的并行效率达到90％以上。使用每个节点中可用的CPU和Phi与智能任务分配策略的协作执行，可将速度提高大约2倍。最终，多级计算重用导致并行版本的速度提高了2.46倍。所建议的优化所达到的性能水平将允许在大规模研究中使用SA。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号