b*s
3 楼
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
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
j*1
4 楼
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！
【在 j******1 的大作中提到】
: 看着真不舒服？仿也要认真一些吗！
R*o
5 楼
河马吃了吗？
【在 o******1 的大作中提到】
: http://youtu.be/yXl4K2b-vCw
【在 o******1 的大作中提到】
: http://youtu.be/yXl4K2b-vCw
c*d
6 楼
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
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
c*u
7 楼
有.比较标准的模式,但这瓶子是90年代的.
m*o
8 楼
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？
河马吃了吗？
【在 R*****o 的大作中提到】
: 河马吃了吗？
b*s
9 楼
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
【在 c***d 的大作中提到】
: 相关性决定你的分布模型。
:
: 间的
: 算和
o*1
10 楼
都啥时候了，还不吃？
【在 R*****o 的大作中提到】
: 河马吃了吗？
【在 R*****o 的大作中提到】
: 河马吃了吗？
b*s
11 楼
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
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
c*d
12 楼
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
【在 b*******s 的大作中提到】
: 邻域相关，但是领域尺寸无明确限制
b*s
13 楼
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。
【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。
b*s
14 楼
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。
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。
N*K
15 楼
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
【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
b*s
16 楼
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
【在 N******K 的大作中提到】
: 不规则邻域 方块的太容易了些
z*g
17 楼
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
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
z*3
18 楼
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
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
N*K
19 楼
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
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
N*K
20 楼
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
【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
z*g
21 楼
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
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
N*K
22 楼
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
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
n*e
23 楼
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。。。
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
怎么找到hash和原文的关系？Deep Learning什么框架好用python分析big data，用哪个library好？数据世界杯 他们怎么分钱 ？下一波世界革命，是小札等科技巨头忽悠P民推翻政客 (转载)Pandas问题不少啊...elm 似乎不错，前端语言Peter Norvig说编程竞赛强与工作干的好成反比 (转载)seq-to-seq model的参数share吗？请问，有没有一种算法或者软件可以youtube search by content?怎么用machine learning做spelling correction？胡扯几句什么叫Deep Learning入门uber和当年的apple有点象了，头头被政治斗争赶走了。搞deep learning不如挖矿【民主党又造谣？】2亿美国选民的个人资料被数据公司意外泄漏CSS坑真多d3值不值得学？没有比Visual Studio更好的IDE了吧?如何train一个把签名（手写）与印刷字体区别的model？nim vs pypy