Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/jakubfr4czek/concurrent-gauss-elimination

Concurrent gaussian elimination algorithm implemented using traces theory. Parallelism has been achieved employing CUDA cores.
https://github.com/jakubfr4czek/concurrent-gauss-elimination

agh agh-ust agh-wi conda cuda cuda-kernels cuda-toolkit diekert-graph graphviz java python python3 traces-theory

Last synced: about 1 month ago
JSON representation

Concurrent gaussian elimination algorithm implemented using traces theory. Parallelism has been achieved employing CUDA cores.

Awesome Lists containing this project

README 

        
# Concurrent Gaussian Elimination

Projekt wykorzystuje teorię śladów do współbieżnego rozwiązania układu równań metodą Eliminacji Gaussa.



# Opis zawartości repozytorium



Projekt został napisany w języku Python. Opis wykorzystanych modułów znajduje się w pliku environment.yml.



1) input - folder zawierający przykładowe dane wejściowe

2) output - folder zawierający przykładowe dane wyjściowe:

    1) gauss_output.txt - zawiera rozwiązanie układu równań

    2) traces_theory_output.txt - zawiera wyznaczony alfabet w sensie teorii śladów, relację zależności, słowo oraz klasy Foaty

    3) diekert_graph.png - wyrenderowany graf Diekerta dla zadanego układu równań

3) checker.py - moduł wykorzystujący sprawdzarkę do oceny poprawności kodu (Patrz: sekcja Uruchomienie checkera)

4) main.py - główny moduł, wywołuje funkcje wyznaczające obiekty matematyczne związane z teorią śladów oraz wyznacza rozwiązanie układu równań

5) scheduler.py - moduł odpowiedzialny za współbieżne wyznaczenie macierzy trójkątnej górnej przy wykorzystaniu rdzeni CUDA i wyznaczenie rozwiązania układu równań

6) traces_theory.py - moduł odpowiedzialny za wyznaczenie obiektów matematycznych związanych z teorią śladów

7) tools.py - funkcje pomocnicze do wyznaczania obiektów matematycznych związanych z teorią śladów

8) utility.py - funkcje pomocnicze realizujące zapis / odczyt do plików



# Uruchommienie projektu



Do uruchomienia projektu wymagana jest zainstalowana Anadonda (przetestowane na wersji 23.9.0). Oraz karta graficzna firmy Nvidia

posiadająca rdzenie CUDA. Kompatybilne karty można znaleźć tutaj: https://developer.nvidia.com/cuda-gpus.



W celu zainstalowania wymaganych zależności należy w terminalu kolejno wpisać:



```bash

cd "Concurrent Gauss Elimination"

conda env create -f environment.yml

conda activate Concurrent-Gauss-Elimination

python main.py input/example_input.txt output

```



Domyślnie graf Diekerta nie jest rysowany dla macierzy o rozmiarach większych od 10 bo jest on nieczytelny,

zachowanie to można zmienić ustawiając flagę force_graph na true w

funkcji traces_run w pliku main.py.



Funkcje traces_run i scheduler_run w pliku main.py działają niezależnie od siebie, pierwsza jest odpowiedzialna za wyznaczenie

obiektów matematycznych związanych z teorią śladów, a druga za rozwiązanie układu równań (oczywiście wyznaczając wcześniej klasy Foaty).



# Uruchomienie checkera



W celu skorzystania ze sprawdzarki wymagana jest instalacja Javy (przetesowane na wersji 21.0.2). Checker automatycznie

kompiluje i uruchamia sprawdzarkę korzystając z poleceń 'javac' i 'java'.



W folderze sprawdzarka znajduje się plik checker.py, a w nim funkcja check przyjmująca liczbę naturalną jako argument.

Uruchamia ona załączoną do treści zadania sprawdzarkę dla danego rozmiaru macierzy.