Compilation efficace d'applications de traitement d'images pour processeurs manycore

179 Pages·2017·7.89 MB·French

by  Pierre Guillou

Compilation efficace d’applications de traitement
d’images pour processeurs manycore
Pierre Guillou
To cite this version:
Pierre Guillou. Compilation efficace d’applications de traitement d’images pour processeurs many-
core. Ordinateur et société [cs.CY]. Université Paris sciences et lettres, 2016. Français. ￿NNT:
2016PSLEM022￿. ￿tel-01531196￿
HAL Id: tel-01531196
https://pastel.archives-ouvertes.fr/tel-01531196
Submitted on 1 Jun 2017
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est
archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
THÈSE DE DOCTORAT
de l'Université de recherche Paris Sciences et Lettres
PSL Research University
Préparée à MINES ParisTech
Compilation efficace d'applications de traitement d'images
pour processeurs manycore
École doctorale no432
SCIENCES ET MÉTIERS DE L'INGÉNIEUR
Spécialité
INFORMATIQUETEMPS RÉEL, ROBOTIQUE ETAUTOMATIQUE
COMPOSITION DU JURY :
Cédric BASTOUL
Université de Strasbourg, Président
Fabrice RASTELLO
Inria, Rapporteur
Antoniu POP
University of Manchester, Examinateur
Soutenue par Pierre GUILLOU
Dumitri POTOP-BUTUCARU
le mercredi 30 novembre 2016
Inria, Examinateur
Stéphane LOUISE
Dirigée par François IRIGOIN
CEALIST, Examinateur
et par Fabien COELHO
François IRIGOIN
MINES ParisTech, Examinateur
Fabien COELHO
MINES ParisTech, Examinateur

Compilation efficace d’applications de
traitement d’images pour processeurs manycore
Pierre GUILLOU
MINES ParisTech, PSL Research University
Thèsededoctoratsoutenuelemercredi30novembre2016
i

Nousprendronsletempsdevivre
D’êtrelibres,monamour
Sansprojetsetsanshabitudes
Nouspourronsrêvernotrevie
Viens,jesuislà,jen’attendsquetoi
Toutestpossible,toutestpermis
Viens,écoutecesmotsquivibrent
Surlesmursdumoisdemai
Ilsnousdisentlacertitude
Quetoutpeutchangerunjour
Viens,jesuislà,jen’attendsquetoi
Toutestpossible,toutestpermis
—GeorgesMoustaki,Letempsdevivre
iii

Résumé
Nousassistonsàuneexplosiondunombred’appareilsmobileséquipésdecapteursoptiques:
smartphones,tablettes,drones…préfigurentunInternetdesobjetsimminent.Denouvelles
applicationsdetraitementd’images(filtres,compression,réalitéaugmentée)exploitentces
capteursmaisdoiventrépondreàdescontraintesfortesdevitesseetd’efficacitéénergétique.
Lesarchitecturesmodernes—processeursmanycore,GPUs,…—offrentunpotentielde
performance,aveccependantunehaussesensibledelacomplexitédeprogrammation.
L’ambition de cette thèse est de vérifier l’adéquation entre le domaine du traitement
d’imagesetcesarchitecturesmodernes:concilierprogrammabilité,portabilitéetperfor-
manceresteencoreaujourd’huiundéfi.Ledomainedutraitementd’imagesprésenteunfort
parallélismeintrinsèque,quipeutpotentiellementêtreexploitéparlesdifférentsniveauxde
parallélismeoffertsparlesarchitecturesactuelles.Nousnousfocalisonsicisurledomaine
dutraitementd’imagesparmorphologiemathématique,etvalidonsnotreapprocheavec
l’architecturemanycoreduprocesseurMPPAdelasociétéKalray.
Nousprouvonsd’abordlafaisabilitédechaînesdecompilationintégrées,composéesde
compilateurs,bibliothèquesetd’environnementsd’exécution,quiàpartirdelangagesde
hautniveautirentpartidedifférentsaccélérateursmatériels.Nousnousconcentronsplus
particulièrementsurlesprocesseursmanycore,suivantlesdifférentsmodèlesdeprogram-
mation:OpenMP;langageflotdedonnées;OpenCL;passagedemessages.Troischaînes
decompilationsurquatreontétéréalisées,etsontaccessiblesàdesapplicationsécritesdans
deslangagesspécifiquesaudomainedutraitementd’imagesintégrésàPythonouC.Elles
améliorentgrandementlaportabilitédecesapplications,désormaisexécutablessurunplus
largepaneld’architecturescibles.
Ces chaînes de compilation nous ont ensuite permis de réaliser des expériences com-
paratives sur un jeu de sept applications de traitement d’images. Nous montrons que le
processeurMPPAestenmoyenneplusefficaceénergétiquementqu’unensembled’accéléra-
teursmatérielsconcurrents,etceciparticulièrementaveclemodèledeprogrammationflot
dedonnées.Nousmontronsquelacompilationd’unlangagespécifiqueintégréàPython
versunlangagespécifiqueintégréàCpermetd’augmenterlaportabilitéetd’améliorerles
performancesdesapplicationsécritesenPython.
Nos chaînes de compilation forment enfin un environnement logiciel complet dédié
audéveloppementd’applicationsdetraitementd’imagesparmorphologiemathématique,
capabledeciblerefficacementdifférentesarchitecturesmatérielles,dontleprocesseurMPPA,
etproposantdesinterfacesdansdeslangagesdehautniveau.
Mots clés : Langagesspécifiquesàundomaine,Compilation,Processeursmanycore,
Traitementd’image,Modèlesdeprogrammation
v

Abstract
Manymobiledevicesnowintegrateopticsensors;smartphones,tablets,drones…are
foreshadowinganimpendingInternetofThings(IoT).Newimageprocessingapplications
(filters, compression, augmented reality) are taking advantage of these sensors under
strongconstraintsofspeedandenergyefficiency. Modernarchitectures,suchasmanycore
processorsorGPUs,offergoodperformance,butarehardtoprogram.
Thisthesisaimsatcheckingtheadequacybetweentheimageprocessingdomainand
these modern architectures: conciliating programmability, portability and performance
is still a challenge today. Typical image processing applications feature strong, inherent
parallelism,whichcanpotentiallybeexploitedbythevariouslevelsofhardwareparallelism
inside current architectures. We focus here on image processing based on mathematical
morphology,andvalidateourapproachusingthemanycorearchitectureoftheKalrayMPPA
processor.
Wefirstprovethatintegratedcompilationchains,composedofcompilers,librariesand
run-timesystems,allowtotakeadvantageofvarioushardwareacceleratorsfromhigh-level
languages. We especially focus on manycore processors, through various programming
models: OpenMP, data-flow language, OpenCL, and message passing. Three out of four
compilationchainshavebeendeveloped,andareavailabletoapplicationswrittenindomain-
specificlanguages(DSL)embeddedinCorPython. Theygreatlyimprovetheportabilityof
applications,whichcannowbeexecutedonalargepaneloftargetarchitectures.
Then, thesecompilationchainshaveallowedustoperformcomparativeexperiments
onasetofsevenimageprocessingapplications. WeshowthattheMPPAprocessorison
averagemoreenergy-efficientthancompetinghardwareaccelerators,especiallywiththe
data-flowprogrammingmodel. WeshowthatcompilingaDSLembeddedinPythontoa
DSLembeddedinCincreasesboththeportabilityandtheperformanceofPython-written
applications.
Thus,ourcompilationchainsformacompletesoftwareenvironmentdedicatedtoimage
processingapplicationdevelopment. Thisenvironmentisabletoefficientlytargetseveral
hardwarearchitectures,amongthemtheMPPAprocessor,andoffersinterfacesinhigh-level
languages.
Keywords : Domain Specific Languages, Compilation, Manycore Processors, Image
Processing,ProgrammingModels
vii