Efficient and Portable SIFT Algorithms Using High-Level Parallel Programming Models

Grunnet økende popularitet og beregningskraft på sekundære prosesseringsenheter slik som grafikkkort, har en rekke programmeringsmodeller blitt utviklet med hensikten å utvinne noe av denne kraften til mer generelle beregninger. Selv om et grafikkort originalt er designet til å tjene et bestemt formål, så gjør disse programmeringsmodellene det mulig å bruke lavere-nivå metoder for utvinne kortets kraft til mer generell komputasjon. Måten disse modellene effektivt bruker sekundære prosesseringsenheter i sammenheng med hovedprosesseringsenheten (CPU), er ved å utnytte avanasert tråd-programmering og parallelisme. Da de tidligere programmeringsmodellene ofte var mer lav-nivå, er det nå blitt et større fokus på å designe programmeringmodeller som er lettere å forstå, og som fungerer på et høyere abstraksjonsnivå. Denne oppgaven presenterer og demonstrerer bruken av én slik model, nemlig Open Accelerator, også kalt OpenACC. Oppgaven evaluerer effekten på både ytelse og produktivitet ved å optimalisere en kjent algoritme som identifiserer og beskriver nøkkeltrekk i bilder som et eksempel. Denne algoritmen heter SIFT, og oppgaven vil demonstrere en parallelisert løsning basert på profilering og analyse av den original algoritmen. Oppgaven forsøker også å vise hvordan man kan skrive løsninger som både har høy ytelse, og er tilgjengelige for et mangfold av platformer samtidig. I kombinasjon med oppgavens resultater og tidligere forskning på området, merkes det en tendens til at høy-nivå programmeringsmodeller er bedre eller likeså bra på visse områder enn tradisjonelle lav-nivå modeller