- •1. Предмет кг. Области применения кг. Совр. Тенденции развития кг.
- •2. История развития кг. Современные тенденции развития кг.
- •3. Основные понятия кг. Аппаратное обеспечение кг. Принципы формирования изображения.
- •4. Растровые графические дисплеи с регенерацией изображения.
- •5. Устройство электронно-лучевой трубки. Устройство цветной растровой элт. Системы с телевизионным растром.
- •7. Вывод изображения. Система черезстрочной развертки.
- •8. Мультимедиа.
- •9. Оборудование для компьютерной графики.
- •10. Аппаратные решения в компьютерной графике.
- •11. Архитектура рабочих станций. Графический ускоритель. Арi.
- •12. Архитектура графических рабочих станций. Технологии 3d графики.
- •13. Архитектура графических рабочих станций. Принципы конвейерной архитектуры.
- •14. Общие положения алгоритмов сжатия изображений.
- •15. Алгоритмы архивации без потерь: rle, lz/lzw, Хаффман.
- •16. Алгоритмы архивации с потерями, проблемы алгоритмов архивации с потерями. Основные идеи алгоритмов jpeg, фрактальный, волновой.
- •17. Геометрическое моделирование и решаемые им задачи.
- •18. Представление геометрических моделей. Полигональные сетки.
- •19. Аффинные преобразования, их свойства, однородные координаты.
- •20. Аффинные преобразования на плоскости.
- •21. Аффинные преобразования в пространстве. Использование матричного представления. Составные аффинные преобразования в пространстве.
- •22. Проецирование. Общий вид преобразований в пространстве. Виды проекций.
- •23. Этапы создания графического объекта. Преобразование положения объекта. Понятие камеры. Особенности матричных преобразований.
- •24. Понятие растрового алгоритма. Понятие связности. Основные требования, предъявляемые к растровым алгоритмам.
- •25. Растровое представление отрезка: постановка задачи, простейший алгоритм, алгоритм цда.
- •26. Растровое представление отрезка: постановка задачи, алгоритм Брезенхейма.
- •27. Растровое представление отрезка: построение сглаженной линии (метод Флойда-Стейнберга, модификация алгоритма Брезенхейма, сглаживание всей сцены).
- •28. Растровое представление окружности: постановка задачи, простой алгоритм, алгоритм Брезенхейма.
- •29. Алгоритм закраски области, заданной цветом границы.
- •30. Nvidia cuda. Понятие gpgpu.
- •31. История расчётов на gpu. Области применения параллельных расчётов на gpu. История развития cuda.
- •32. Возможности nvidia cuda.
- •33. Преимущества и ограничения cuda.
- •34. Решения с поддержкой nvidia cuda.
- •35. Состав nvidia cuda.
- •36. Оптимизация программ на cuda.
32. Возможности nvidia cuda.
Технология CUDA — это программно-аппаратная вычислительная архитектура NVIDIA, основанная на расширении языка Си, которая даёт возможность организации доступа к набору инструкций графического ускорителя и управления его памятью при организации параллельных вычислений. CUDA помогает реализовывать алгоритмы, выполнимые на графических процессорах видеоускорителей GeForce восьмого поколения и старше (серии GeForce 8, GeForce 9, GeForce 200), а также Quadro и Tesla.
Хотя трудоёмкость программирования GPU при помощи CUDA довольно велика, она ниже, чем с ранними GPGPU решениями. Такие программы требуют разбиения приложения между несколькими мультипроцессорами подобно MPI программированию, но без разделения данных, которые хранятся в общей видеопамяти. И так как CUDA программирование для каждого мультипроцессора подобно OpenMP программированию, оно требует хорошего понимания организации памяти. Но, конечно же, сложность разработки и переноса на CUDA сильно зависит от приложения.
Набор для разработчиков содержит множество примеров кода и хорошо документирован. Процесс обучения потребует около двух-четырёх недель для тех, кто уже знаком с OpenMP и MPI. В основе API лежит расширенный язык Си, а для трансляции кода с этого языка в состав CUDA SDK входит компилятор командной строки nvcc, созданный на основе открытого компилятора Open64.
Перечислим основные характеристики CUDA:
унифицированное программно-аппаратное решение для параллельных вычислений на видеочипах NVIDIA;
большой набор поддерживаемых решений, от мобильных до мультичиповых
стандартный язык программирования Си;
стандартные библиотеки численного анализа FFT (быстрое преобразование Фурье) и BLAS (линейная алгебра);
оптимизированный обмен данными между CPU и GPU;
взаимодействие с графическими API OpenGL и DirectX;
поддержка 32- и 64-битных операционных систем: Windows XP, Windows Vista, Linux и MacOS X;
возможность разработки на низком уровне.
Касательно поддержки операционных систем нужно добавить, что официально поддерживаются все основные дистрибутивы Linux (Red Hat Enterprise Linux 3.x/4.x/5.x, SUSE Linux 10.x), но, судя по данным энтузиастов, CUDA прекрасно работает и на других сборках: Fedora Core, Ubuntu, Gentoo и др.
Среда разработки CUDA (CUDA Toolkit) включает:
компилятор nvcc;
библиотеки FFT и BLAS;
профилировщик;
отладчик gdb для GPU;
CUDA runtime драйвер в комплекте стандартных драйверов NVIDIA
руководство по программированию;
CUDA Developer SDK (исходный код, утилиты и документация).
В примерах исходного кода: параллельная битонная сортировка (bitonic sort), транспонирование матриц, параллельное префиксное суммирование больших массивов, свёртка изображений, дискретное вейвлет-преобразование, пример взаимодействия с OpenGL и Direct3D, использование библиотек CUBLAS и CUFFT, вычисление цены опциона (формула Блэка-Шоулза, биномиальная модель, метод Монте-Карло), параллельный генератор случайных чисел Mersenne Twister, вычисление гистограммы большого массива, шумоподавление, фильтр Собеля (нахождение границ).