Visite
18,047Visitatori
UniciPowered By
CUDA: buon tutorial in italiano
Come ben sa chi ha a che fare con la Computer Vision sia per Hobby che per lavoro, la quantità di potenza di calcolo necessaria per elaborare le informazioni presenti in un’immagine è notevole e non sempre è possibile realizzare algoritmi di elaborazione sufficientemente veloci da rispettare le richieste del sistema.
Se il nostro sistema di calcolo ha a disposizione un elaboratore grafico (GPU) basato su chipset Nvidia è possibile accelerare notevolmente le prestazioni del nostro programma sfruttando le librerie CUDA messe a disposizione dalla stessa Nvidia.
Le GPU sono un “concentrato” di potenza di calcolo basato sul concetto di “elaborazione parallela”. Ogni GPU è dotata di un notevole numero di Core, di unità di calcolo indipendenti in grado di elaborare informazioni quasi-indipendentemente dagli altri core. Oggi la tecnologia multi-core si sta diffondendo anche sulle CPU, ma siamo ancora ben lontani dal numero di core presenti su una GPU, nata appositamente per l’esecuzione del calcolo parallelo.
Purtroppo il passaggio dal calcolo “normale” al calcolo parallelo non è indolore, anzi è notevolmente complicato ed è necessaria una conoscenza molto avanzata delle tecniche di parallelizzazione degli algoritmi.
Sicuramente un buon punto di riferimento da cui iniziare (un’ottima conoscenza di base del linguaggio C è consigliata) è questo tutorial disponibile in italiano sul sito GPGPU.it.
CUDA non è l’unica libreria che permette di utilizzare la GPU per l’elaborazione parallela. Vi consiglio di dare un’occhiata anche a GpuCV, basata sull’interfaccia di programmazione “C” di OpenCV.
Se questo articolo ti è stato utile offrimi un caffè, mi darà la carica per continuare...
