Traitement hétérogène de grandes images avec StarPU
Résumé
Processing very large images can be accelerated using the StarPU task scheduler on a parallel and heterogeneous platform (CPU and GPU). We first experimentally analyze performances for the sake of an optimal image partitioning. Then, we propose to consider the value of some scalar variables in the StarPU performance model, and we experimentally show that it can result in a more efficient task scheduling
Le traitement d'images de très grande taille peut être accéléré en utilisant le système StarPU pour ordonnancer les tâches sur une architecture parallèle et hétérogène (CPU et GPU). Nous analysons d'abord expérimentalement les performances pour déterminer un partitionnement optimal de l'image. Nous proposons ensuite une extension du système StarPU consistant à permettre de prendre en compte la valeur de certains arguments scalaires dans le modèle de performance et nous montrons expérimentalement que cela peut améliorer l'ordonnancement des tâches.