まとめておこうと思う。
名工大 福嶋先生 github
https://github.com/norishigefukushima/SSII2014.git
目的：スループット、レイテンシの向上（数倍）
アムダールの法則：全体のうち並列化できる割合
並列化の単位：粒度
スループット：最大出力の維持
レイテンシ：リアルタイム性の向上
○ スループット > レイテンシ
ex) 画像1000枚を順番に渡す
○ レイテンシ > スループット
ex) 画像を分解して、画素単位で処理、1枚完了までの時間は速い。
問題によって上記のいずれを重要視するかを決定する。
フリンの分類
SISD：1つのデータと1つの命令MIMD：複数のデータに対して、複数の命令
SIMD：複数のデータ、1つの命令
MISD：1つのデータ、複数の命令（回路を流れるイメージ）（FPGA、回路H/W = パイプライン処理）← 広がってきている
PCのマルチコアはMIMD領域
パターン
Map
1つ1つが画素、縦方向はタイムライン。fugure の左が直列、右が並列
画素単位：閾値処理、色変換、LUT、透過
Stencil
周辺画素をまとめて処理、FIRフィルター。エリア（パッチ）単位：平滑化、モルフォロジ
Reduction
並列化しづらい。データ同士の依存関係がある。各命令の結果が、次の命令に依存する。
→ ブロック毎の処理を行い、最後にまとめる。（分割統治法）
探索：最大値、最小値、レジストレーション
Scan
Reductionの途中計算結果が必要な場合、途中で一度まとめる。分解が難しい → 圧縮率悪い。
周波数変換：フーリエ、サイン・コサイン、フェーブレット（バタフライなどの分解が可能）
Fork-join
基本形。意味合いは Map。処理単位（タスク、フロー）は全て分割する。
○Pipe-line
順次終了型。うまく繰り返せばレイテンシに効果がある。
→ TBB （局所特徴量などはTBBで並列化）
複合型：セグメンテーション、局所特徴量など
SIMD （OpenMD 4.0 からSIMDも使える） VSはまだ2.0...
SSE →最近→ AVX
レジスタの決まった領域を同時に計算。
様々な命令セットを選択出来る。(Add、Sub、Div ～)
Reductionに対しては、分割統治法を明示的に記述する。
Stencilに対しては、カーネルをあつめる作業を並列化する。
デメリットがあるので注意。
メモリ load,write のほうがボトルネック
SRAM L1キャッシュ 1CPUサイクルで済む
DRAM 100CPUサイクルかかる
→ メモリアクセスの最適化が必要
→ バイラテラルをやってみる価値はある。
後は、手を動かすことですね。
