/gpu-python

Project Seam Carving

Primary LanguageJupyter Notebook

ĐỒ ÁN CUỐI KÌ GPU

Cài đặt seam carving

Thành viên:

No. Họ và tên MSSV Account Github Email
1 Nguyễn Văn Tuấn 1512638 tuancamtbtx nguyenvantuan140397@gmail.com
2 Lê Thanh Hiếu 1712434 hieulethanh-dev hieulethanh.dev@gmail.com
3 Phan Hữu Tú 1712861 tuhp-tech tuhp.tech@gmail.com

Phân công công việc

  • Tuần 01:
    • Tìm hiểu thuật toán, numba nopython
      • Thành viên tham gia: Cả nhóm
    • Cài đặt tuần tự (dự kiến 90%):
      • Thành viên tham gia: Cả nhóm
    • Chuẩn bị báo cáo, viết notebook và demo:
      • Thành viên tham gia: Hiếu
  • Tuần 02:
    • Giải quyết các yêu cầu, góp ý của thầy và các nhóm:
      • Bổ sung file README, Notebook: phân công công việc chi tiết hơn, bổ sung thông tin thuật toán chèn thêm seam, bổ sung phần mô tả bài toán
        • Thành viên tham gia: Tuấn, Hiếu
      • Giải quyết câu hỏi, góp ý của các nhóm: về chiến lược thêm, xóa ảnh; xóa theo chiều ngang có tốt hơn?
        • Thành viên tham gia: Tú
    • Tìm cách tối ưu hóa công thức tính energy:
      • Thành viên tham gia: Tú
    • Chuẩn bị báo cáo, notebook, demo cho buổi báo cáo tuần 03:
      • Thành viên tham gia: Tuấn, Tú
  • Tuần 03:
    • Tìm hiểu về song song hóa trên numba
      • Thành viên tham gia: Cả nhóm
      • Deadline: 09/05
    • Họp nhóm và phân chia công việc song song hóa
      • Thành viên: Cả nhóm
      • Thời gian: 09/05
  • Tuần 04:
    • Viết lại notebook: Cả nhóm
    • Hoàn thành cài đặt tuần tự: Cả nhóm
    • Chuẩn bị nội dung báo cáo hàng tuần: Tuấn, Hiếu
  • Tuần 05:
    • Cài đặt baseline song song:
      • Thành viên tham gia: Cả nhóm
  • Tuần 06:
    • Song song hóa bước chuyển đổi ảnh màu thành ảnh xám.
      • Thành viên: Tú
    • Song song hóa bước tìm biên cạnh cho ảnh xám.
      • Thành viên: Tuấn
    • Cài đặt song song hóa hàm forward energy.
      • Thành viên: Hiếu
  • Tuần 07:
    • Bổ sung báo cáo: thêm đánh giá (ảnh) giữa orginal paper và kết quả cài đặt của nhóm cho forward energy,...
      • Thành viên: Tuấn
    • Cài đặt song song hóa hàm forward energy
      • Thành viên: Hiếu
    • Chuẩn bị nội dung báo cáo hàng tuần
      • Thành viên: Hiếu
    • Cài đặt song song hóa bước xóa seam, chèn seam:
      • Thành viên: Tú
  • Tuần 08:
    • Chuẩn bị nội dung báo cáo hàng tuần
      • Thành viên: Tú
    • Sắp xếp và kết hợp các hàm đã song song hóa để chạy toàn bộ chương trình
      • Thành viên: Hiếu
    • Hoàn thành cài đặt song song hóa baseline: Cả nhóm
    • Đưa lên Colab để chạy thực nghiệm:
      • Thành viên: Tuấn
  • Tuần 09:
    • Hoàn thành cài đặt song song hóa phiên bản v1: Cả nhóm
    • Bổ sung báo cáo: đánh giá (ảnh) giữa cpu và gpu numba implementation
      • Thành viên: Hiếu
    • Cải tiến song song hóa (hạn chế in-out bound ở bộ nhớ, cache ở cuda):
      • Thành viên: Tú
    • Cải tiến song song hóa (tính toán kernel, chạy thực nghiệm để đánh giá): Cả nhóm
    • Hoàn thành cài đặt cải tiến song song hóa phiên bản v2: Cả nhóm
  • Tuần 10:
    • Bổ sung báo cáo: bổ sung đánh giá (ảnh) giữa cpu và gpu numba implementation
      • Thành viên: Tuấn
    • Đóng góp và sửa chữa báo cáo cho hoàn thiên: Cả nhóm

Cách tổ chức:

Tham số dòng lệnh:

  • seam_carving.py [-mode <running_mode>] [-dx <seam_dx>] [-dy <seam_dy>] [-in <image_in>] [-out <image_out>]

  • Với:

    • mode: cpu hoặc gpu
    • dx: số pixels cần thay đổi theo chiều ngang của ảnh
    • dy: số pixels cần thay đổi theo chiều dọc của ảnh
    • in: ảnh gốc được đưa vào
    • out: ảnh sau khi sử dụng seam carving (path pattern cpu: output_cpu, gpu: output_gpu)

  • seam_carving_cpu.py [-dx <seam_dx>] [-dy <seam_dy>] [-in <image_in>] [-out <image_out>] -test_time

  • Với:

    • mode: cpu hoặc gpu
    • dx: số pixels cần thay đổi theo chiều ngang của ảnh
    • dy: số pixels cần thay đổi theo chiều dọc của ảnh
    • in: ảnh gốc được đưa vào
    • out: ảnh sau khi sử dụng seam carving (path pattern cpu: output_cpu, gpu: output_gpu)
    • test_time: in ra thời gian chạy của từng hàm trong pipeline

  • Điều chỉnh BLOCK_SIZE trong gpu

    • export BLOCK_SIZE_1D=32
    • export BLOCK_SIZE_2D=32

  • seam_carving_gpu.py [-dx <seam_dx>] [-dy <seam_dy>] [-in <image_in>] [-out <image_out>] -check_sum

  • Với:

    • mode: cpu hoặc gpu
    • dx: số pixels cần thay đổi theo chiều ngang của ảnh
    • dy: số pixels cần thay đổi theo chiều dọc của ảnh
    • in: ảnh gốc được đưa vào
    • out: ảnh sau khi sử dụng seam carving (path pattern cpu: output_cpu, gpu: output_gpu)
    • check_sum: sử dụng grayscale của cpu (tránh sai số)

Tham khảo

Input/Output thực nghiệm các hình khác