Farming als Methode zur Parallelisierung komplexer Algorithmen auf Transputer- und Workstation-Cluster

Zusammenfassung

Die Extrahierung der wesentlichen Informationen aus einem Grauwertbild mit Hilfe eines Neuronalen Netzes ist ein Beispiel aus der Klasse der komplexen Algorithmen [5]. Dieser Algorithmus besteht im wesentlichen aus Matrizen- und Vektor Operationen, deren sequentielle Abarbeitung sehr zeitaufwendig, die Parallelisierung jedoch recht einfach möglich ist.

Als Implementierungsmethode wurde das Farmer-Prinzip ausgewählt. Dieses Modell ist aufgrund seiner Allgemeinheit eine Lösung für eine große Klasse von Problemen und erlaubt zudem eine gute Skalierbarkeit des Prozessornetzwerkes.

Neben der Implementierung dieses Algorithmus auf einem Transputer-Cluster wurden für einen Vergleich die selben Berechnungen auf Workstation-Clustern mit dem Softwarepaket PVM durchgeführt.

Mit Hüfe dieser Bildverarbeitungsaufgabe sollten die genannten Eigenschaften der Farm-Implementierung in der Praxis überprüft sowie Angaben zum Grad der Parallelisierbarkeit und zur Skalierbarkeit der Farm auf verschiedenen Topologien ermittelt werden. Theoretische Modelle zur Kommunikations- und Berechnungszeit wurden in ihrer praktischen Umsetzung überprüft.

mit Unterstützung des PC ² Paderborn