Analisis Pembatasan Thread Cuda GPU Computing pada Image Denoising
GPU computing dapat mempersingkat waktu eksekusi suatu aplikasi yang sebelumnya dianggap memakan waktu eksekusi yang lama dengan memanfaatkan pemrograman paralel. Penerapan multi-GPU memungkinkan untuk meningkatkan performa lebih lanjut dalam menjalankan pemrograman paralel tersebut. Namun, tidak se...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Departement of Electrical Engineering, Faculty of Engineering, Universitas Brawijaya
2022-08-01
|
| Series: | Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) |
| Subjects: | |
| Online Access: | https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/1538 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1846123010201747456 |
|---|---|
| author | Angger Abdul Razak Adharul Muttaqin Erza Erza Pradipta |
| author_facet | Angger Abdul Razak Adharul Muttaqin Erza Erza Pradipta |
| author_sort | Angger Abdul Razak |
| collection | DOAJ |
| description | GPU computing dapat mempersingkat waktu eksekusi suatu aplikasi yang sebelumnya dianggap memakan waktu eksekusi yang lama dengan memanfaatkan pemrograman paralel. Penerapan multi-GPU memungkinkan untuk meningkatkan performa lebih lanjut dalam menjalankan pemrograman paralel tersebut. Namun, tidak semua program berlaku demikian. Salah satu aplikasi yang membutuhkan pemrograman secara paralel adalah image denoising. Untuk melihat apakah apakah penggunaan multi-GPU dapat menambah performa program image denoising, analisis dari pembatasan jumlah thread terhadap waktu eksekusi, penggunaan daya, dan memori GPU dapat diterapkan pada single GPU. Apabila pembatasan thread menurunkan performa program image denoising secara signifikan, maka penggunaan multi-GPU menjadi kandidat untuk meningkatkan performa lebih tinggi. Dalam penelitian ini, perancangan pembatasn thread diimplementasikan dengan proses looping pada bagian kernel program image denoising yang menggunakan filter KNN (K-Nearest Neighbors) dan NLM (Non Local Means). Hasil penelitian ini menunjukan pada penggunaan thread di bawah 5% pada filter KNN dan thread 0,01% pada filter NLM menghasilkan konsumsi daya dan waktu eksekusi yang optimal. Selain itu, pada penggunaan thread di atas 5% pada filter KNN maupun NLM tidak ditemukan perubahan performa yang signifikan, sehingga penambahan performa pada program image denoising akan minimal dengan penerapan sistem multi GPU. |
| format | Article |
| id | doaj-art-dc43efcaa2714a8ba196dc292a31d17c |
| institution | Kabale University |
| issn | 2460-8122 |
| language | English |
| publishDate | 2022-08-01 |
| publisher | Departement of Electrical Engineering, Faculty of Engineering, Universitas Brawijaya |
| record_format | Article |
| series | Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) |
| spelling | doaj-art-dc43efcaa2714a8ba196dc292a31d17c2024-12-14T10:28:30ZengDepartement of Electrical Engineering, Faculty of Engineering, Universitas BrawijayaJurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems)2460-81222022-08-01151172210.21776/jeeccis.v15i1.15381275Analisis Pembatasan Thread Cuda GPU Computing pada Image DenoisingAngger Abdul Razak0Adharul MuttaqinErza Erza PradiptaDepartment of Electrical Engineering, Universitas Brawijaya, IndonesiaGPU computing dapat mempersingkat waktu eksekusi suatu aplikasi yang sebelumnya dianggap memakan waktu eksekusi yang lama dengan memanfaatkan pemrograman paralel. Penerapan multi-GPU memungkinkan untuk meningkatkan performa lebih lanjut dalam menjalankan pemrograman paralel tersebut. Namun, tidak semua program berlaku demikian. Salah satu aplikasi yang membutuhkan pemrograman secara paralel adalah image denoising. Untuk melihat apakah apakah penggunaan multi-GPU dapat menambah performa program image denoising, analisis dari pembatasan jumlah thread terhadap waktu eksekusi, penggunaan daya, dan memori GPU dapat diterapkan pada single GPU. Apabila pembatasan thread menurunkan performa program image denoising secara signifikan, maka penggunaan multi-GPU menjadi kandidat untuk meningkatkan performa lebih tinggi. Dalam penelitian ini, perancangan pembatasn thread diimplementasikan dengan proses looping pada bagian kernel program image denoising yang menggunakan filter KNN (K-Nearest Neighbors) dan NLM (Non Local Means). Hasil penelitian ini menunjukan pada penggunaan thread di bawah 5% pada filter KNN dan thread 0,01% pada filter NLM menghasilkan konsumsi daya dan waktu eksekusi yang optimal. Selain itu, pada penggunaan thread di atas 5% pada filter KNN maupun NLM tidak ditemukan perubahan performa yang signifikan, sehingga penambahan performa pada program image denoising akan minimal dengan penerapan sistem multi GPU.https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/1538komputasi paralelmulti gpupembatasan threadimage denoising |
| spellingShingle | Angger Abdul Razak Adharul Muttaqin Erza Erza Pradipta Analisis Pembatasan Thread Cuda GPU Computing pada Image Denoising Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) komputasi paralel multi gpu pembatasan thread image denoising |
| title | Analisis Pembatasan Thread Cuda GPU Computing pada Image Denoising |
| title_full | Analisis Pembatasan Thread Cuda GPU Computing pada Image Denoising |
| title_fullStr | Analisis Pembatasan Thread Cuda GPU Computing pada Image Denoising |
| title_full_unstemmed | Analisis Pembatasan Thread Cuda GPU Computing pada Image Denoising |
| title_short | Analisis Pembatasan Thread Cuda GPU Computing pada Image Denoising |
| title_sort | analisis pembatasan thread cuda gpu computing pada image denoising |
| topic | komputasi paralel multi gpu pembatasan thread image denoising |
| url | https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/1538 |
| work_keys_str_mv | AT anggerabdulrazak analisispembatasanthreadcudagpucomputingpadaimagedenoising AT adharulmuttaqin analisispembatasanthreadcudagpucomputingpadaimagedenoising AT erzaerzapradipta analisispembatasanthreadcudagpucomputingpadaimagedenoising |