Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, Lebze Teknik Üniversitesi'nde son sınıf öğrencisi olan Necati Burak Özgür'ün bitirme projesini sunumudur. Proje danışmanı Yardımcı Doçent Dr. Uğur Özcan Türker'dir.
- Sunumda, NVIDIA CUDA'da kümeleme tabanlı (clustering) bir sıralama algoritması anlatılmaktadır. Algoritma, iki özelliği belli olan verileri kullanarak sıralama işlemini gerçekleştirmekte ve paralel programlama ile GPU gücünü kullanarak hesaplama performansını artırmayı hedeflemektedir. Sunum, algoritmanın çalışma prensibini adım adım açıklamakta, küme sayısını belirleme, maksimum ve minimum değerleri bulma, grup boyutlarını hesaplama ve elemanları gruplara yerleştirme işlemlerini detaylı şekilde göstermektedir. Son olarak, algoritmanın CUDA'da nasıl implement edildiği ve test sonuçları paylaşılmaktadır.
- Proje Tanıtımı
- Necati Burak Özgür, Lebze Teknik Üniversitesi'nde son sınıf öğrencisi olarak bitirme projesini sunuyor.
- Proje konusu "Clast Base Sorting Algoritması" yani kümeleme tabanlı bir sıralama algoritmasıdır.
- NVIDIA CUDA'da paralel programlama ile geliştirilmiş olup, GPU gücünü kullanarak hesaplama performansında büyük ölçüde artış hedeflenmiştir.
- 00:37Algoritma Açıklaması
- Algoritma, iki özelliği belli olan verileri seçili kümeleme işlemlerinden faydalanarak sıralama işlemini gerçekleştirir.
- Verinin iki özellik üzerinden düşünüldüğünde, y düzleminde ve x düzleminde farklı sıralamalar oluşabilir.
- Algoritma, küme sayısını belirleyerek, veri kümesindeki maksimum ve minimum değerleri bulup, bu değerler arasındaki uzaklığı hesaplar.
- 01:52Kümeleme İşlemi
- Küme sayısı belirlendikten sonra, grupların boyutu (range) uzaklık/k değerinden hesaplanır ve yukarı yuvarlanır.
- Minimum değerden başlayarak, grup boyutu eklenerek gruplar oluşturulur.
- Her eleman tek tek gezilerek hangi gruba düştüğü belirlenir ve recursive olarak aynı işlem gruplar içinde tekrarlanır.
- 04:12CUDA İmplementasyonu
- CUDA için k×n boyutunda boş bir array açılır ve her grup için bir CUDA array açılır.
- Her eleman için paralel thread'ler oluşturulur ve elemanlar gerekli gruba yazılır.
- Race condition sorunu CUDA'nın atomik fonksiyonları ile giderilir ve dolu elemanlar geri yazılır.
- 05:19Test Sonuçları
- Test için 0 ile 100 arasında rastgele üretilmiş bir array kullanılmıştır.
- Algoritma, iki boyutlu veri için iki özellik için tasarlanmış ancak test için tek boyutlu veri kullanılmıştır.
- Uygulama çalıştırıldığında, verinin sıralanmış hali görüntülenmiştir.