Performance comparison of a signal processing pipeline execution using CPU and GPU
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F22%3APU144390" target="_blank" >RIV/00216305:26220/22:PU144390 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.eeict.cz/eeict_download/archiv/sborniky/EEICT_2022_sbornik_1.pdf#%5B%7B%22num%22%3A4793%2C%22gen%22%3A0%7D%2C%7B%22name%22%3A%22XYZ%22%7D%2C0%2C842%2C0%5D" target="_blank" >https://www.eeict.cz/eeict_download/archiv/sborniky/EEICT_2022_sbornik_1.pdf#%5B%7B%22num%22%3A4793%2C%22gen%22%3A0%7D%2C%7B%22name%22%3A%22XYZ%22%7D%2C0%2C842%2C0%5D</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Performance comparison of a signal processing pipeline execution using CPU and GPU
Popis výsledku v původním jazyce
The paper compares the execution performance of NumPy and PyTorch mathematical libraries in embedded systems with graphics processing unit (GPU) acceleration. Both frameworks execute a signal processing pipeline from a fiber manipulation detection system, which inspects a signal from a state of polarization analyzer to enhance the security of optical fiber. The performance comparison is evaluated in the NVIDIA Jetson Nano system with 128-core Maxwell GPU. Based on the measured results, the PyTorch library executed on the GPU has performance improvement from 59 % to 84 % on different batch sizes. The results prove the real-time analysis capabilities of such a system with GPU acceleration.
Název v anglickém jazyce
Performance comparison of a signal processing pipeline execution using CPU and GPU
Popis výsledku anglicky
The paper compares the execution performance of NumPy and PyTorch mathematical libraries in embedded systems with graphics processing unit (GPU) acceleration. Both frameworks execute a signal processing pipeline from a fiber manipulation detection system, which inspects a signal from a state of polarization analyzer to enhance the security of optical fiber. The performance comparison is evaluated in the NVIDIA Jetson Nano system with 128-core Maxwell GPU. Based on the measured results, the PyTorch library executed on the GPU has performance improvement from 59 % to 84 % on different batch sizes. The results prove the real-time analysis capabilities of such a system with GPU acceleration.
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
20203 - Telecommunications
Návaznosti výsledku
Projekt
<a href="/cs/project/VI20192022146" target="_blank" >VI20192022146: Distribuovaný optický vláknový senzorický systém pro ochranu perimetru a liniových staveb</a><br>
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2022
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů