|
Large échelle de l'image du traitement des calculs nécessitent généralement de grandes opérations sur les matrices à faire à travers de nombreuses images ou pour le même processus à faire sur une grande collection d'images / données. Pour cette raison, il est examiné ce type de problème est approprié pour les machines de type SIMD et MIMD que ceux-ci permettent la manipulation d'éléments de données multiples et de donner une réponse relativement rapide. Les meilleurs adaptée de type SIMD serait SIMD à mémoire distribuée également connu comme les processeurs matriciels. Cela permettrait à chaque processeur pour contenir les données pour une partie d'une image prête à être traitée selon les besoins. Ces types de machines à fournir le calcul rapide de matrices et de manipulation de données sur un vaste ensemble de données comme requis pour le traitement d'image. Ils sont de conception souvent à résoudre des problèmes spécialiste, selon le réseau d'interconnexion de tous les éléments de traitement. Pour ce type de résolution de problèmes planificateur de maillage ont été les plus populaires et sont probablement plus adapté pour ce problème. D'autre part MIMD mai semblent être trop complexe, car l'instruction multi ne devrait pas être nécessaire mais pas si elle est utilisée dans une approche SPMD (Single Program Multiple Data). Là encore ce serait en utilisant la mémoire distribuée dans un type de maille planer l'interconnexion, mais permettrait à l'intelligence de traitement d'image un peu plus. Au lieu d'avoir peut-être d'exécuter un certain nombre d'instructions pour manipuler toutes les données d'un seul programme peut être écrit à exécuter sur chaque élément de traitement. Cela devrait être en mesure de donner un peu plus élevé en moyenne tourner autour comme avec DGBS certains ensembles de données n'a pas besoin du fonctionnement exécuter et ils peuvent être ignorés contrairement à un des processeurs SIDMD. Je recommande l'utilisation d'une architecture de type MIMD conçu pour exécuter une DGBS. Cela permettrait une plus grande flexibilité dans l'avenir. Il mai également mener à la collecte utilisation de poste de travail comme une augmentation locale des vitesses du processeur et donc réduire les coûts. MIMD architecture peut miroir de tous les autres de la classification de Flynn simplement par la façon dont ils sont utilisés et mai s'avérer utile pour d'autres calculs à l'avenir. Les coûts relatifs sont susceptibles d'être les mêmes que MIMD tendance à utiliser des processeurs génériques comparer avec les architectures les plus spécialisés SIMD. |