اصلاحیه حل تمرین موازی

سوال آخر تمرین ۳ که خواسته است رابطه بازگشتی تو در تو حل کنیم با parallel prefix با فرض بینهایت پردازنده در زمان O(log n) حل می‌شود که زمان parallel prefix و semigroup است چون زمان مراحل موازی با هم ماکسیمم گرفته می‌شوند یک مرحله محاسبه‌ی پیشوند داریم و دو مرحله جمع جملات (semigroup) داریم.

مشخصات توپولوژی‌های مختلف (موازی)

جواب سوال آخر تمرین ۳ پردازش موازی

اصلا سعی نکنید این سوال را حل کنید الکی وقتتون تلف میشه!

http://en.wikipedia.org/wiki/Newton_polynomial

http://en.wikipedia.org/wiki/Divided_differences

race condition

«یک وضعیت رقابتی ^[۱] به انگلیسی Race Condition یا Race Hazard یک نقص در سیستم الکترونیکی یا رایانه ای است که به موجب آن نتیجه خروجی And یا Or به طور غیر منتظره ای به زمانبندی و ترتیب رویدادهای دیگر بستگی دارد.این اصطلاح در اصل به حالتی گفته می شود که دو سیگنال با هم رقابت می‌کنند تا هر یک زودتر به خروجی تاثیر بگذارند.»

منبع: http://fa.wikipedia.org/wiki/%D9%88%D8%B6%D8%B9%DB%8C%D8%AA_%D8%B1%D9%82%D8%A7%D8%A8%D8%AA%DB%8C

در پردازش موازی وقتی در مدلی مثل ERCW یا CRCW این مسأله به خوبی دیده می‌شود. مقدار حافظه‌ای که دو پردازنده همزمان می‌نویسند چه چیزی است؟ با روش‌های مختلفی می‌توان این مدل‌ها را به EREW تبدیل کرد که باعث حل این مشکل هم می‌شود.

صورت سوالهای تمرین ۲ پردازش موازی

تمرین ۳ پردازش موازی

HW3 from Parhami's:

6.3

6.4

6.6

6.11

5.15

5.10

2.4

2.8

Due: 7/2/92

جواب سوال سمیه (موازی)

http://en.wikipedia.org/wiki/Prime-counting_function

تعداد اعداد اول از x/ln(x) بیشتر است پس اگر تعداد پردازنده‌های ما از n/ln(n) کمتر باشد به مشکل بر نمی‌خوریم چون همیشه عددی که می‌خواهیم از قبل پیدا شده است.

سوال این بود که اگر مضارب ۲ را کنار می‌گذاشتیم، با چندتا پردازنده بقیه را می‌شد پیدا کرد. (سوال کتاب هم هست.)

البته فکر کنم باز هم هیچ وقت به اون کران نیاز پیدا نمی‌کنیم و باز هم مثلاً تعداد مضارب ۳ کران را می‌دهند.

مدل‌های برنامه‌نویسی موازی

قسمت اول ارائه‌ی خودم است. تا سر برنامه‌نویسی موازی توضیح دادم و منبع هم همان کتاب برنامه‌نویسی موازی است و قسمت‌های جدید از ویکیپدیا است.

دریافت
حجم: 636 کیلوبایت

تعمیم توری شش وجهی و EJ Networks (موازی)

دریافت
حجم: 3.94 مگابایت

موتور جستجوی گراف موازی

http://graphlab.org/files/osdi2012-gonzalez-low-gu-bickson-guestrin.pdf

مطمئن نیستم این همان چیزی است که می‌خواستم اما یادم میاد یکی گفت که کارش جستجو با استفاده از گراف است و از الگوریتم موازی استفاده می‌کند.

این مقاله فکر کنم یک روش خاص GAS (Gather Add Scatter) را به کار می‌برد که با توجه به مثالی که زده است تقریباً نیاز به توضیح بیشتری ندارد:

اما چیزی که فکر کنم من شنیده بودم قبلاً GraphLab بود. چون یادم است که اسم ساده‌ای داشت، موازی بود و یک framework برای جستجو بود که بر اساس abstraction بود.

http://en.wikipedia.org/wiki/GraphLab

تابع به روز رسانی page rank به زبان ML

منبع: http://select.cs.cmu.edu/code/graphlab/abstractiononly.pdf