tuancamtbtx / gpu-python

Project Seam Carving

ĐỒ ÁN CUỐI KÌ GPU

Cài đặt seam carving

Thành viên:

No.	Họ và tên	MSSV	Account Github	Email
1	Nguyễn Văn Tuấn	1512638	tuancamtbtx	[e-mail]
2	Lê Thanh Hiếu	1712434	hieulethanh-dev	[e-mail]
3	Phan Hữu Tú	1712861	tuhp-tech	[e-mail]

Phân công công việc

• Tuần 01:
  • Tìm hiểu thuật toán, numba nopython
    • Thành viên tham gia: Cả nhóm
  • Cài đặt tuần tự (dự kiến 90%):
    • Thành viên tham gia: Cả nhóm
  • Chuẩn bị báo cáo, viết notebook và demo:
    • Thành viên tham gia: Hiếu
• Tuần 02:
  • Giải quyết các yêu cầu, góp ý của thầy và các nhóm:
    • Bổ sung file README, Notebook: phân công công việc chi tiết hơn, bổ sung thông tin thuật toán chèn thêm seam, bổ sung phần mô tả bài toán
      • Thành viên tham gia: Tuấn, Hiếu
    • Giải quyết câu hỏi, góp ý của các nhóm: về chiến lược thêm, xóa ảnh; xóa theo chiều ngang có tốt hơn?
      • Thành viên tham gia: Tú
  • Tìm cách tối ưu hóa công thức tính energy:
    • Thành viên tham gia: Tú
  • Chuẩn bị báo cáo, notebook, demo cho buổi báo cáo tuần 03:
    • Thành viên tham gia: Tuấn, Tú
• Tuần 03:
  • Tìm hiểu về song song hóa trên numba
    • Thành viên tham gia: Cả nhóm
    • Deadline: 09/05
  • Họp nhóm và phân chia công việc song song hóa
    • Thành viên: Cả nhóm
    • Thời gian: 09/05
• Tuần 04:
  • Viết lại notebook: Cả nhóm
  • Hoàn thành cài đặt tuần tự: Cả nhóm
  • Chuẩn bị nội dung báo cáo hàng tuần: Tuấn, Hiếu
• Tuần 05:
  • Cài đặt baseline song song:
    • Thành viên tham gia: Cả nhóm
• Tuần 06:
  • Song song hóa bước chuyển đổi ảnh màu thành ảnh xám.
    • Thành viên: Tú
  • Song song hóa bước tìm biên cạnh cho ảnh xám.
    • Thành viên: Tuấn
  • Cài đặt song song hóa hàm forward energy.
    • Thành viên: Hiếu
• Tuần 07:
  • Bổ sung báo cáo: thêm đánh giá (ảnh) giữa orginal paper và kết quả cài đặt của nhóm cho forward energy,...
    • Thành viên: Tuấn
  • Cài đặt song song hóa hàm forward energy
    • Thành viên: Hiếu
  • Chuẩn bị nội dung báo cáo hàng tuần
    • Thành viên: Hiếu
  • Cài đặt song song hóa bước xóa seam, chèn seam:
    • Thành viên: Tú
• Tuần 08:
  • Chuẩn bị nội dung báo cáo hàng tuần
    • Thành viên: Tú
  • Sắp xếp và kết hợp các hàm đã song song hóa để chạy toàn bộ chương trình
    • Thành viên: Hiếu
  • Hoàn thành cài đặt song song hóa baseline: Cả nhóm
  • Đưa lên Colab để chạy thực nghiệm:
    • Thành viên: Tuấn
• Tuần 09:
  • Hoàn thành cài đặt song song hóa phiên bản v1: Cả nhóm
  • Bổ sung báo cáo: đánh giá (ảnh) giữa cpu và gpu numba implementation
    • Thành viên: Hiếu
  • Cải tiến song song hóa (hạn chế in-out bound ở bộ nhớ, cache ở cuda):
    • Thành viên: Tú
  • Cải tiến song song hóa (tính toán kernel, chạy thực nghiệm để đánh giá): Cả nhóm
  • Hoàn thành cài đặt cải tiến song song hóa phiên bản v2: Cả nhóm
• Tuần 10:
  • Bổ sung báo cáo: bổ sung đánh giá (ảnh) giữa cpu và gpu numba implementation
    • Thành viên: Tuấn
  • Đóng góp và sửa chữa báo cáo cho hoàn thiên: Cả nhóm

Cách tổ chức:

Tham số dòng lệnh:

• seam_carving.py [-mode <running_mode>] [-dx <seam_dx>] [-dy <seam_dy>] [-in <image_in>] [-out <image_out>]

• Với:

  • mode: cpu hoặc gpu
  • dx: số pixels cần thay đổi theo chiều ngang của ảnh
  • dy: số pixels cần thay đổi theo chiều dọc của ảnh
  • in: ảnh gốc được đưa vào
  • out: ảnh sau khi sử dụng seam carving (path pattern cpu: output_cpu, gpu: output_gpu)

• seam_carving_cpu.py [-dx <seam_dx>] [-dy <seam_dy>] [-in <image_in>] [-out <image_out>] -test_time

• Với:

  • mode: cpu hoặc gpu
  • dx: số pixels cần thay đổi theo chiều ngang của ảnh
  • dy: số pixels cần thay đổi theo chiều dọc của ảnh
  • in: ảnh gốc được đưa vào
  • out: ảnh sau khi sử dụng seam carving (path pattern cpu: output_cpu, gpu: output_gpu)
  • test_time: in ra thời gian chạy của từng hàm trong pipeline

• Điều chỉnh BLOCK_SIZE trong gpu

  • export BLOCK_SIZE_1D=32
  • export BLOCK_SIZE_2D=32

• seam_carving_gpu.py [-dx <seam_dx>] [-dy <seam_dy>] [-in <image_in>] [-out <image_out>] -check_sum

• Với:

  • mode: cpu hoặc gpu
  • dx: số pixels cần thay đổi theo chiều ngang của ảnh
  • dy: số pixels cần thay đổi theo chiều dọc của ảnh
  • in: ảnh gốc được đưa vào
  • out: ảnh sau khi sử dụng seam carving (path pattern cpu: output_cpu, gpu: output_gpu)
  • check_sum: sử dụng grayscale của cpu (tránh sai số)

Tham khảo

• https://github.com/kalpeshdusane/Seam-Carving-B.E.-Project
• Slides đồ án môn Lập trình song song
• https://avikdas.com/2019/07/29/improved-seam-carving-with-forward-energy.html
• https://andrewdcampbell.github.io/seam-carving
• https://numba.pydata.org/numba-doc/latest/cuda/index.html
• Hàm compare_2_images.py: https://stackoverflow.com/questions/189943/how-can-i-quantify-difference-between-two-images

Input/Output thực nghiệm các hình khác

• https://drive.google.com/drive/folders/1kIN9H2TTnlZ2BWiorMmnpONIN0pKyeTb?usp=sharing