BIJOTOVÁ, K. Paralelizace náročných úloh rekonstrukce v dynamické magnetické rezonanci [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Práce se zabývala optimalizací výpočetně náročných částí rekonstrukčního modelu v dynamické magnetické rezonanci. Cílem bylo nastudovat předložený rekonstrukční model v prostředí Matlabu, dále s pomocí funkce "gpuArray" provést jednoduchou optimalizaci tohoto kódu. Stěžejním cílem pak bylo přepsat vybrané výpočetně náročné části (zejména funkci NUFFT) z Matlabu do prostředí jazyka Java a nakonec takto vytvořený kód dále použít při vytvoření kernelů volaných knihovnou jcuda. Studentka pravidelně chodila konzultovat, bohužel její postup v práci mezi jednotlivými konzultacemi byl velmi malý. Stěžejní část práce začala řešit asi měsíc před odevzdáním. Po neúspěšné obhajobě práce měla studentka 2 měsíce na dopracování, bohužel musím konstatovat, že za tuto dobu neudělala na praktické části skoro nic, pouze modifikovala několik řádků kódu a několik dalších přidala. V textové části práce opravila chyby a rozšířila práci dle připomínek oponenta o 4 nové stránky textu. Celkovým výsledkem práce jsou tedy téměř kompletně přepsané části kódu z Matlabu do Javy, jedná se hlavně o maticové operace a funkci NUFFT. Bohužel tyto kódy nebyly v javě poskládány a spuštěny v rámci jedné iterace, jak bylo požadováno, tudíž nebyla ověřena jejich funkčnost jako celku. Další částí práce mělo být vytvoření GPU kernelů z tohoto JAVA kódu a jejich volání s pomocí knihovny jcuda. Studentka na této části práce pracovala minimálně a tuto část pouze rozpracovala. Výsledkem byly nevhodně navržené kernely pro funkci NUFFT, které jsou pro očekávanou optimalizaci rekonstrukčního modelu nepoužitelné. Jako výstup optimalizace funkce NUFFT je pak prezentováno asi 800-ti násobné zpomalení místo očekávaného zrychlení v řádu desetinásobků. Dalším problémem je nenapojení výstupů z JAVY zpět do Matlabu, proto není možné celý program z Matlabu spustit. Prezentované výstupy práce popisují pouze částečné výsledky, které místy nedávají smysl a pouze zvětšují počet stran diplomové práce. Teoretická část práce je na uspokojivé úrovni. Hlavním problémem této práce je, že je dokončena pouze z poloviny. Dalším problémem je, že studentka během doby na dopracování, předvedla minimum snahy práci vylepšit. Proto navrhuji známku E/51 bodů.
Práce paní Bc. Kateřiny Bijotové se věnuje optimalizaci rekonstrukce MR obrazů a sekvencí. Jedná se o práci dopracovanou mezi červnem a srpnem 2019. Textová část práce je evidentně pročtená a v celé délce byly revidovány drobné chyby a nesrozumitelnosti. Opakuji proto z první verze posudku, že jazyk i srozumitelnost jsou dobré. Typografie na dobré úrovni až na drobnosti. V textu přibylo (v součtu) několik stran, což je reakcí na moje výtky z prvního posudku. Zejména tedy studentka doplnila 1/ matematické značení, 2/ půl strany k NUFFT, 3/ pojmy z oblasti paralelizace výpočtů, 4/ konkrétní podobu regularizačního členu a část o proximálních operátorech, plus několik dalších. Je mi líto, že musím konstatovat, že většina doplněného textu je stručná a také samoúčelná; další části se na něj neodkazují a proto jejich přínos je zanedbatelný. Studentka nereagovala na mou výtku, že algoritmus se kterým pracuje není v práci odvozen. Nicméně zadání práce je zaměřeno hodně prakticky. Lze tedy přimhouřit oko nad tím, že teoretická část práce není na úrovni, jakou bych si představoval. Hlavním účelem praktické části bylo implementovat již existující (a studentce předané) algoritmy na GPU. I v druhé verzi práce platí, že z tohoto úkolu jsou splněny pouze fragmenty; ucelenou jednu iteraci algoritmu není na GPU možno spustit a tedy se plně srovávat s původní CPU implementací -- tedy ani srovnat, zda vycházejí shodné výsledky, ani jak rychle je jich dosaženo. Autorka nově uvedla literární zdroje, konkrétně k NUFFT na GPU. Uvádí se v nich, že je možné NUFFT zrychlit v řádu desetinásobků. Autorka se však vyhnula diskuzi, proč podobného zrychlení nedosáhla ona. Shrnuto, studentka práci o trochu posunula kupředu, ale tato vylepšení považuji za drobná. Proto navrhuji hodnocení na hraně přijatelnosti, E/50.
eVSKP id 121390