Contributions à l'étude de la classification spectrale et applications
Contributions à l'étude de la classification spectrale et applications
Contributions à l'étude de la classification spectrale et applications
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
96 Parallélisation <strong>de</strong> <strong>la</strong> c<strong>la</strong>ssification <strong>spectrale</strong><br />
N Nombre Nombre maximal <strong>de</strong> Temps total % du temps total pour<br />
<strong>de</strong> processeurs données par processeur (sec) le clustering spectral<br />
1 - 21.69 99.58<br />
1905 3 964 2.75 94.9<br />
5 1017 (int.) 3.25 96.92<br />
9 1396 (int.) 8.40 97.98<br />
1 - 127.27 99.85<br />
3560 3 1020 18.35 98.75<br />
5 1889 (int.) 21.54 98.84<br />
9 2618 (int.) 55.13 99.17<br />
1 - 3626.59 99.97<br />
10717 3 5589 546.93 99.79<br />
5 5865 (int.) 641.13 99.78<br />
9 8041 (int.) 1590.45 99.87<br />
Table 3.1 – 2 sphères tronquées : cas avec interface<br />
(8 cores/noeud), ce système présente une puissance <strong>de</strong> 33 Téraflops. Chaque noeud a une mémoire<br />
dédiée <strong>de</strong> 4.5 Go pour chaque core avec un total <strong>de</strong> 32GB <strong>de</strong> mémoire disponible sur le noeud.<br />
Exemples géométriques<br />
Le premier exemple représente <strong>de</strong>ux sphères tronquées non-concentriques non-séparables par<br />
hyperp<strong>la</strong>n. C<strong>et</strong> exemple présente une distribution re<strong>la</strong>tivement équilibrée par sous-domaines pour un<br />
découpage donné, comme le montre le cas d’un découpage en q = 2 sous-domaines représenté sur <strong>la</strong><br />
figure 3.7. Le résultat du spectral clustering sur les 2 sous-domaines <strong>et</strong> l’interface est respectivement<br />
affiché sur les figures 3.7 (a)-(b) <strong>et</strong> (c). Le résultat final, après l’étape <strong>de</strong> regroupement, représenté<br />
sur <strong>la</strong> figure (d), comprend 3 clusters : chaque c<strong>la</strong>sse représente une sphère tronquée. Afin d’étudier<br />
<strong>la</strong> stratégie <strong>de</strong> parallélisation, c<strong>et</strong> exemple géométrique est découpé en q = {2, 4, 8} sous-domaines<br />
<strong>et</strong> testé sur <strong>de</strong>s ensembles <strong>de</strong> points comprenant <strong>de</strong> N = 1905 <strong>à</strong> N = 10717 points. Les temps<br />
pour chaque étape <strong>de</strong> <strong>la</strong> métho<strong>de</strong> parallèle sont mesurés. Le tableau 3.1 indique suivant l’ensemble<br />
<strong>de</strong> données étudié <strong>et</strong> <strong>la</strong> découpe en sous-domaine appliquée, le nombre <strong>de</strong> données dans l’interface,<br />
le temps total d’exécution <strong>de</strong> <strong>la</strong> métho<strong>de</strong> <strong>et</strong> le pourcentage du temps total consacré <strong>à</strong> l’étape <strong>de</strong><br />
spectral clustering sur les sous-domaines <strong>et</strong> l’interface.<br />
De plus, sur <strong>la</strong> figure 3.8, sont représentés en fonction du nombre <strong>de</strong> processeurs :<br />
– le speed-up : ratio entre le temps parallèle <strong>et</strong> le temps séquentiel où le temps parallèle est<br />
le temps total pour une décomposition <strong>de</strong> S en nbprocs <strong>et</strong> le temps séquentiel correspond le<br />
temps pour nbproc = 1 ;<br />
– l’efficacité : ratio entre speed-up <strong>et</strong> le nombre <strong>de</strong> processeurs.<br />
Ces <strong>de</strong>ux mesures perm<strong>et</strong>tent <strong>de</strong> juger du gain dans <strong>la</strong> stratégie <strong>de</strong> parallélisation en fonction du<br />
nombre <strong>de</strong> processeurs <strong>et</strong> du raffinage du mail<strong>la</strong>ge. Pour chaque découpe <strong>et</strong> chaque ensemble <strong>de</strong><br />
points considérés, le nombre final <strong>de</strong> clusters est 2 <strong>et</strong> les points associés chaque cluster correspond<br />
<strong>à</strong> l’ensemble <strong>de</strong>s point d’une sphère tronquée. De ces résultats, nous pouvons donner quelques