avatar
b*s
3
新科学家同志准备做一个分布式的图像重建系统,这个系统利用对病人组织,比如大脑
的几百幅平行切面图像来插值建立三维模型,这些图像尺寸至少是4096 * 4096,而且
相互之间的
相关性是有具体意义的
现在请设计一个可分布计算框架,能够利用1-8个节点,对几千幅图像进行并行的计算和
结果存储
8个节点都是普通的I3单cpu,双核pc,L1 的尺寸是128k, L2 1M,内存单机16G,存储设
备是scsi的硬盘,每个节点有一个,容量假定足够
avatar
j*1
4
有图

【在 j******1 的大作中提到】
: 看着真不舒服?仿也要认真一些吗!
avatar
c*d
6
相关性决定你的分布模型。

间的
算和

【在 b*******s 的大作中提到】
: 新科学家同志准备做一个分布式的图像重建系统,这个系统利用对病人组织,比如大脑
: 的几百幅平行切面图像来插值建立三维模型,这些图像尺寸至少是4096 * 4096,而且
: 相互之间的
: 相关性是有具体意义的
: 现在请设计一个可分布计算框架,能够利用1-8个节点,对几千幅图像进行并行的计算和
: 结果存储
: 8个节点都是普通的I3单cpu,双核pc,L1 的尺寸是128k, L2 1M,内存单机16G,存储设
: 备是scsi的硬盘,每个节点有一个,容量假定足够

avatar
c*u
7
有.比较标准的模式,但这瓶子是90年代的.
avatar
m*o
8
吃了,你吃了吗?

河马吃了吗?

【在 R*****o 的大作中提到】
: 河马吃了吗?
avatar
b*s
9
邻域相关,但是领域尺寸无明确限制

【在 c***d 的大作中提到】
: 相关性决定你的分布模型。
:
: 间的
: 算和

avatar
o*1
10
都啥时候了,还不吃?

【在 R*****o 的大作中提到】
: 河马吃了吗?
avatar
b*s
11
欢迎赵策兄解决,不要求实时,你能设计出数据和计算怎么分布就行了

间的
算和

【在 b*******s 的大作中提到】
: 新科学家同志准备做一个分布式的图像重建系统,这个系统利用对病人组织,比如大脑
: 的几百幅平行切面图像来插值建立三维模型,这些图像尺寸至少是4096 * 4096,而且
: 相互之间的
: 相关性是有具体意义的
: 现在请设计一个可分布计算框架,能够利用1-8个节点,对几千幅图像进行并行的计算和
: 结果存储
: 8个节点都是普通的I3单cpu,双核pc,L1 的尺寸是128k, L2 1M,内存单机16G,存储设
: 备是scsi的硬盘,每个节点有一个,容量假定足够

avatar
c*d
12
计算模型是什么,最小二乘法拟合还是蒙特卡洛。

【在 b*******s 的大作中提到】
: 邻域相关,但是领域尺寸无明确限制
avatar
b*s
13
这个使得问题过于专业化了,我来想想给个简单的描述

【在 c***d 的大作中提到】
: 计算模型是什么,最小二乘法拟合还是蒙特卡洛。
avatar
b*s
14
就这样规定吧,不管怎么重建,重建是一个某一层图像上某个像素点以及顺序的前后各
两层图像的该像素投影的3*3邻域的一种计算

【在 c***d 的大作中提到】
: 计算模型是什么,最小二乘法拟合还是蒙特卡洛。
avatar
N*K
15
不规则邻域 方块的太容易了些

【在 b*******s 的大作中提到】
: 就这样规定吧,不管怎么重建,重建是一个某一层图像上某个像素点以及顺序的前后各
: 两层图像的该像素投影的3*3邻域的一种计算

avatar
b*s
16
先方块吧,简化利于讨论

【在 N******K 的大作中提到】
: 不规则邻域 方块的太容易了些
avatar
z*g
17
如下行不
1. 先算pair-wise相关性,N个图片,算 n*(n-1)/2次,这是个mem bound的操作,而且
简单并行
2. 这个 n*(n-1)/2的相关性,放在一个机子上,算出相关图像组
3. 然后再吧图像根据组,分配到不同机子上,做进一步的相关性分析,也可以并行

【在 b*******s 的大作中提到】
: 就这样规定吧,不管怎么重建,重建是一个某一层图像上某个像素点以及顺序的前后各
: 两层图像的该像素投影的3*3邻域的一种计算

avatar
z*3
18
我不解决,干嘛要解决?
给钱不?
你非要我解决
三个字
看情况

【在 b*******s 的大作中提到】
: 欢迎赵策兄解决,不要求实时,你能设计出数据和计算怎么分布就行了
:
: 间的
: 算和

avatar
N*K
19
图片之间是紧耦合的
比如 Image1 的(x_11,y_11) 和 Image2 (x_21, y_21) 关联
Image2 (x_22, y_22) 和 image3 (x_31, y_31) 关联
邻域之间是松散的 比如 (x_11,y_11) 和 (x_31, y_31) 啥关系都没有

【在 z****g 的大作中提到】
: 如下行不
: 1. 先算pair-wise相关性,N个图片,算 n*(n-1)/2次,这是个mem bound的操作,而且
: 简单并行
: 2. 这个 n*(n-1)/2的相关性,放在一个机子上,算出相关图像组
: 3. 然后再吧图像根据组,分配到不同机子上,做进一步的相关性分析,也可以并行

avatar
N*K
20
bbs讨论 你可以找老邢要钱

【在 z*******3 的大作中提到】
: 我不解决,干嘛要解决?
: 给钱不?
: 你非要我解决
: 三个字
: 看情况

avatar
z*g
21
那计算量主要是找出不同图片中,那些邻域是相关的了
这个怎么决定呢?
总之是个mem bound的操作,优化得考虑如何减少到RAM的traffic
图片可以全放内存,一次I/O即可

【在 N******K 的大作中提到】
: 图片之间是紧耦合的
: 比如 Image1 的(x_11,y_11) 和 Image2 (x_21, y_21) 关联
: Image2 (x_22, y_22) 和 image3 (x_31, y_31) 关联
: 邻域之间是松散的 比如 (x_11,y_11) 和 (x_31, y_31) 啥关系都没有

avatar
N*K
22
过程1
for 每一个点 x
{
找出这个点的空间邻域 L(x)
}
过程2
for 每一个点的邻域L(x)
{
拿到邻域的图像数值 3DImage(L(x))
对此邻域进行某种计算
}
假设邻域的形状可以预定 这样过程1和过程2独立
过程2 可以完全并行运算 每一台机器都读入3DImage 分配一些点邻域 然后计算 最后
汇总

【在 z****g 的大作中提到】
: 那计算量主要是找出不同图片中,那些邻域是相关的了
: 这个怎么决定呢?
: 总之是个mem bound的操作,优化得考虑如何减少到RAM的traffic
: 图片可以全放内存,一次I/O即可

avatar
n*e
23
哎呀,你们这些科学家真是想太多。。。然俺用民工的方法来做吧~虽然根本不懂
image processing。。。
按你说的:"不管怎么重建,重建是一个某一层图像上某个像素点以及顺序的前后各两层
图像的该像素投影的3*3邻域的一种计算。"
那么假设有n个图片,就至少可以分成n-1个task。把task从平摊给每个cpu就好啦。
首先建个总server,host image data以及做进程控制。每台机器2个client process,
分别向主server报道并且下载image data计算,最后返回结果给server。由server把所
有data汇总拼接生成最终文件然后就完了。
嘿嘿。。。
相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。