Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Notoriété 21 %Projet open source visant à accélérer le traitement des images au format JPEG2000 en utilisant des unités de calcul graphique (GPU). Ce logiciel permet d'encoder et de décoder des images de manière plus performante que les solutions classiques, en exploitant la puissance parallèle des GPU. Il s'adresse principalement aux développeurs et aux applications nécessitant un traitement rapide d'images haute résolution. L'implémentation ne couvre pas l'intégralité de la norme JPEG2000.
- Ce projet réalise des tests préliminaires pour évaluer l'accélération des calculs de relaxation magnétique via OpenMP et GPU. Il simule le processus de relaxation utilisé dans Radia en itérant sur des calculs de magnétisations. L'objectif est de mesurer les gains de performance entre une exécution CPU simple, une version parallélisée avec OpenMP et une implémentation utilisant OpenCL pour les GPU. Les résultats permettent d'identifier les optimisations possibles pour des applications scientifiques ou industrielles.
- Projet pédagogique dédié aux travaux pratiques sur les GPU et le calcul haute performance. Permet aux étudiants de manipuler des architectures parallèles, d'optimiser des codes et de réaliser des simulations numériques. Basé sur des exercices concrets et des benchmarks pour illustrer les concepts de parallélisation et d'accélération matérielle.
- Ce projet fournit une image Docker légère basée sur CentOS 7 intégrant Miniconda et TensorFlow avec support GPU. Destiné aux environnements d'intégration continue, il permet de tester et valider des pipelines de développement ou de production de manière reproductible et isolée. L'image est optimisée pour les charges de travail nécessitant des calculs accélérés par GPU, facilitant ainsi le déploiement et la validation de modèles d'apprentissage automatique dans des environnements CI/CD.
- Ce projet utilise TensorFlow pour analyser et traiter des données sismiques en exploitant l'accélération par GPU. Il permet de calculer des corrélations croisées entre signaux sismiques, facilitant ainsi l'étude des phénomènes géophysiques. Les résultats peuvent être visualisés et partagés sous forme de présentations ou de rapports. L'outil est conçu pour être adapté à divers cas d'usage en géophysique.
- Projet de simulation numérique utilisant la méthode de Boltzmann sur réseau (LBM) pour modéliser des écoulements de fluides. Le code est optimisé pour s'exécuter sur des unités de traitement graphique (GPU) afin d'accélérer les calculs scientifiques. Il permet d'initialiser des fonctions de distribution à partir de champs de densité et de vitesse, et de simuler des comportements physiques complexes avec une grande efficacité.
- Projet de simulation informatique modélisant des collisions de particules. Il s'agit d'une adaptation d'un code existant (Three Little Phigs) pour le framework SYCL, permettant d'exécuter des calculs parallèles sur des accélérateurs matériels comme les GPU. Ce projet est principalement destiné à des fins éducatives ou de recherche en physique computationnelle.
- Ce projet fournit un outil pour effectuer des additions de matrices en exploitant les capacités de calcul parallèle des GPU via CUDA. Il permet d'accélérer les opérations mathématiques intensives, notamment pour des applications nécessitant des performances élevées comme le traitement d'images, la simulation ou l'analyse de données. Le code est conçu pour être intégré dans des environnements nécessitant des calculs rapides sur des matrices.
- Ce projet propose une implémentation parallèle de la méthode de la puissance pour calculer les valeurs propres dominantes d'une matrice. Il est conçu pour tirer parti des architectures GPU afin d'accélérer les calculs intensifs en algèbre linéaire, notamment dans des contextes académiques ou de recherche nécessitant des performances élevées.
- HARP est un outil de profilage conçu pour évaluer les performances des calculs accélérés par GPU en langage Rust. Il permet de mesurer l'efficacité des noyaux de calcul (comme AXPY, GEMM, réduction et balayage) dans le domaine du calcul haute performance (HPC). L'outil cible particulièrement les implémentations OpenCL et CUDA, offrant une analyse comparative des performances entre ces technologies pour des opérations mathématiques intensives.
36 initiatives
10