2D Image Convolution with NVIDIA CUDA Platform Implementation.

Konwolucje od dawna są jednym z głównych narzędzi do edycji obrazów. Filtry graficzne oparte na konwolucji, takie jak Filtr Gaussa znajdują się w niemal każdym programie graficznym. W ostatnich latach ta operacja jeszcze bardziej zyskała na znaczeniu, ponieważ znalazła zastosowanie w rozpoznawaniu obrazów wraz ze stworzeniem konwolucyjnych sieci neuronowych.Okazuje się, że konwolucja jest operacją, która łatwo daje się zrównoleglić. Zostanie do tego wykorzystana platforma NVIDIA CUDA. Pozwala ona w łatwy sposób programować współbieżnie na kartach graficznych.Niniejsza praca ma na celu przedstawienie zoptymalizowanej implementacji konwolucji obrazów 2D z wykorzystaniem platformy CUDA. Zostanie pokazane, jak z pozoru nieznaczące optymalizacje, takie jak zmiana kolejności odczytu pamięci, mogą mieć wpływ na wydajność programu.

Image convolution is one of the most important tools in computer graphics. Graphic filters with convolution, such as Gauss Filter, are present in nearly every graphics editor. In the recent years this operation gained even more significance, because it is used in image recognition since developing convolutional neural networks. It turns out that convolution is an operation that can be easily parallelized. To achieve this, we will use NVIDIA CUDA Platform.In this paper we will show optimized implementation of 2D image convolution on NVIDIA CUDA platform. We will present that seemingly insignificant optimizations, such as changing the order of memory transfers, can have influence on program's performance.