Алгоритм параллельной агрегации данных для визуализации данных о вербальном…
13
Вербальный сигнал № 1:
N
≈ 5·10
8
,
D
= 00:47:09,840,
B
= 16,
F
дискр
= 96 кГц
Масштаб
1
x
s
Масштаб
4
2·10
x
s
Вербальный сигнал № 2:
N
≈ 3·10
9
,
D
= 04:23:10.784,
B
= 16,
F
дискр
= 96 кГц
Масштаб
5
2·10
x
s
Рис. 7.
Результаты визуализации, масштабирования и навигации по аудио-
данным с применением оптимизированного алгоритма
дерева редукций:
D
– длительность аудиоматериала;
LoadC
и
LoadG
– загрузка
CPU
и
GPU
при масштабировании и навигации по оси
X
;
Mem
– загрузка ОЗУ;
MemG
–
загрузка памяти
GPU
По результатам исследования производительность процессора
G86
оказалась выше производительности процессора
CPU
только для
32-битных типов данных. При этом производительность
GF114
ока-
залась в ~100 раз выше процессора
CPU
для чисел с плавающей запя-
той, при снижении сложности параллельного алгоритма
reduction
three
до минимальной. Настоящее исследование показывает возмож-
Загрузка CPU
:
LoadC
= 25 %
Mem
= 70 Мб =
= const
Загрузка
GPU
:
LoadG
= 98 %
Mem G
= 225 Мб
Загрузка CPU
:
LoadC
= 25 %
Mem
= 70 Мб = const
Загрузка GPU:
LoadG =
96 %
MemG =
663 Мб
