Utilização

Clonar repositório :

git clone https://github.com/Wallace-F-Rosa/TCC.git dir_name
cd dir_name
git submodule update --init --recursive

Instalação de dependências:

pip install -r requirements.txt

Geração de código

Abaixo se encontram as instruções para gerar Código CUDA utilizando o script generate_code.py. Caso deseje gerar código C++ + Openmp para utilzar somente a cpu, utilize a flag --cpu.

Equações de soma de pesos:

Para gerar as equações de soma de pesos utilizando equações booleanas utilize :

python redes_reg_genes/redes_pesos/load_graph.py rede.txt 1

Para gerar o código necessário utilize o comando abaixo utilizando o caminho até o arquivo .txt com os pesos da rede.

python TCC/generate_code.py caminho/ate/expressoes/rede_pesos.txt

Equações booleanas:

Para gerar código utilizando utilize o comando abaixo utilizando o caminho até o arquivo .txt com as equações booleanas da rede.

python TCC/generate_code.py caminho/ate/expressoes/rede.txt -b

Ambos passos acima devem gerar um arquivo de saída tlf.cu com código CUDA para simulações utilizando GPU e tlf.cpp caso seja código que usará somente a CPU.

Cálculo de atratores

Compilar código para GPU

Para compilar o código CUDA utilize o nvcc com algumas opções que garantem o uso da biblioteca cuRAND para geração de números aleatórios utilizando GPU.

nvcc -w -Xcompiler -Wno-deprecated-gpu-targets -lcurand -o tlf tlf.cu

Compilar código para CPU

A compilação CPU depende do compilador g++ também com flags para garantir o uso da biblioteca Openmp

g++ -std=c++11 -fopenmp -o tlf tlf.cpp

Executar simulação

Para executar basta executar o programa tlf informando a quantidade de estados a serem utilizadas na simulação da rede. Este programa gera um arquivo atractors.json para ser utilizado na visualização.

Exemplo de uso:

./tlf 1000

Visualização de atratores

A visualização utiliza a ferramente NetworkX para definição dos grafos dos atratores e a ferramenta pyvis para plotagem da visualização.

Para visualizar os atratores basta executar o script viz-atractors.py passando como parâmetro o caminho até o arquivo atractors.json resultado dos passos anteriores.

python vis-atractors.py atractors.json

TroubleShooting

CUDA Error “too many resources requested for launch”

Este erro ocorre quando o número de registradores necessário para executar o código CUDA excede o disponível na GPU. Para contonar o erro é necessário utilizar a flag de compilação THREADS informando manualmente o número de threads a serem utilizadas utilizando um número menor que o máximo disponível(disponível ao executar a simulação). Uma estratégia válida é utilizar metade do máximo permitido, e, se o erro persistir utilizar utilizar a metade deste e assim por diante.

Exemplo:

nvcc -w -DTHREADS=256 -Xcompiler -Wno-deprecated-gpu-targets -lcurand -o tlf tlf.cu