Parallel classification using support vector machines on Mmodern GPUs

Κατσανδρής, Ευάγγελος

Παράλληλη κατηγοριοποίηση δεδομένων με χρήση μηχανών διανυσμάτων υποστήριξης (SVMs) σε περιβάλλον σύγχρονων καρτών γραφικών (GPUs)

Διπλωματική εργασία

Author

Κατσανδρής, Ευάγγελος

Date

2024-03-22

Advisor

Mamalis, Basilis

Κύριο άρθρο (1.588Mb)

Keywords

SVM ; CUDA ; GPGPU ; Παράλληλος προγραμματισμός ; Κατηγοριοποίηση δεδομένων ; Parallel programming ; Data classification

Abstract

The objective of this thesis will be the design, development and evaluation of an efficient parallel SVM classifier in a CUDA programming environment. The development of the above classifier will be done using C/C++, while the evaluation will be performed in a real, modern environment using modern GPUs (NVIDIA 1060 και NVIDIA RTX TITAN) and will include comparisons (latency, speedup and accuracy of classification) with an equivalent sequential implementation.

Abstract

Αντικείμενο της διπλωματικής εργασίας θα είναι ο σχεδιασμός, ανάπτυξη και αξιολόγηση σε περιβάλλον προγραμματισμού CUDA ενός αποδοτικού παράλληλων αλγορίθμου SVM για κατηγοριοποίηση δεδομένων. Η ανάπτυξη του ανωτέρω αλγορίθμου θα γίνει σε γλώσσα C/C++, ενώ η αξιολόγησή του θα πραγματοποιηθεί σε πραγματικό περιβάλλον σύγχρονων καρτών γραφικών (NVIDIA 1060 και NVIDIA RTX TITAN) και θα περιλαμβάνει σύγκριση (σε επίπεδο χρόνων απόκρισης, επιτάχυνσης- speedup και ακρίβειας της κατηγοριοποίησης/accuracy) με μια αντίστοιχή υλοποιήση σε σειριακό περιβάλλον εκτέλεσης.