• 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 >High Performance Data Clustering: A Comparative Analysis of Performance for GPU RASC MPI and OpenMP Implementations
【2h】

High Performance Data Clustering: A Comparative Analysis of Performance for GPU RASC MPI and OpenMP Implementations

机译：高性能数据集群：GPURASCMPI和OpenMP实现的性能比较分析

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

Compared to Beowulf clusters and shared-memory machines, GPU and FPGA are emerging alternative architectures that provide massive parallelism and great computational capabilities. These architectures can be utilized to run compute-intensive algorithms to analyze ever-enlarging datasets and provide scalability.In this paper, we present four implementations of K-means data clustering algorithm for different high performance computing platforms. These four implementations include a CUDA implementation for GPUs, a Mitrion C implementation for FPGAs, an MPI implementation for Beowulf compute clusters, and an OpenMP implementation for shared-memory machines. The comparative analyses of the cost of each platform, difficulty level of programming for each platform, and the performance of each implementation are presented.
机译：与Beowulf群集和共享内存机器相比，GPU和FPGA是新兴的替代体系结构，它们提供了巨大的并行性和出色的计算能力。这些体系结构可用于运行计算密集型算法，以分析不断扩大的数据集并提供可伸缩性。在本文中，我们介绍了针对不同高性能计算平台的K-means数据聚类算法的四种实现。这四个实现包括针对GPU的CUDA实现，针对FPGA的Mitrion C实现，针对Beowulf计算集群的MPI实现以及针对共享内存机器的OpenMP实现。给出了每个平台的成本，每个平台的编程难度级别以及每个实现的性能的比较分析。

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