Analisis Pembatasan Thread Cuda GPU Computing pada Image Denoising

Abstract

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.

Keywords

• komputasi paralel
• multi gpu
• pembatasan thread
• image denoising