Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- GPUSCHED est un ordonnanceur temps réel dédié aux charges de travail sur GPU. Il permet d'optimiser l'utilisation des ressources matérielles en analysant et en planifiant les tâches GPU de manière efficace. Le projet vise à améliorer les performances des applications nécessitant un traitement parallèle intensif, comme les simulations scientifiques ou les calculs haute performance. Il propose des outils pour évaluer et comparer différents algorithmes d'ordonnancement.
- Outil de monitoring léger et sans base de données dédié à l'analyse des performances et de l'utilisation des GPU sur une machine. Il permet de visualiser l'historique des métriques comme l'utilisation en pourcentage, la mémoire, l'énergie consommée, la température, la vitesse des ventilateurs et les processus en cours. Conçu pour les environnements de calcul intensif, il aide à optimiser l'allocation des ressources et à identifier les goulots d'étranglement.
- Outil d'analyse et de visualisation de traces graphiques pour les développeurs et ingénieurs. Permet d'inspecter les événements GPU, les appels de rendu, les synchronisations et les latences pour identifier des goulots d'étranglement ou des anomalies dans les pilotes ou applications graphiques. Facilite le diagnostic des problèmes de performance et la compréhension du comportement des systèmes graphiques.
- JavaCL for Icy est un plugin pour le logiciel d'analyse d'images biologiques Icy, développé par l'unité d'analyse d'images biologiques de l'Institut Pasteur. Ce plugin permet d'exploiter les capacités de calcul parallèle des GPU via OpenCL directement depuis Icy, améliorant ainsi les performances des algorithmes d'analyse d'image. Il s'adresse principalement aux chercheurs et développeurs en bio-imagerie souhaitant accélérer leurs traitements tout en restant dans l'écosystème Icy.
- Emu est une bibliothèque C++ moderne qui propose un ensemble d'outils et d'utilitaires pour faciliter le développement d'applications en C++, CUDA et Python. Elle vise à simplifier la gestion de la mémoire, l'intégration des calculs accélérés par GPU, et l'interopérabilité entre différents langages. Destinée aux développeurs et chercheurs, elle offre des fonctionnalités avancées pour optimiser les performances et la productivité dans des domaines comme le calcul scientifique ou l'analyse de données.
- Ce projet propose une analyse multi-niveaux de l'utilisation des GPU dans les charges de travail d'entraînement de modèles d'apprentissage automatique. Il permet d'évaluer les performances, la mémoire et la bande passante des GPU pour différents frameworks (TensorFlow, PyTorch) et configurations. Les résultats sont utilisés pour optimiser les modèles et améliorer l'efficacité des infrastructures de calcul.
- Projet fournissant un environnement Docker basé sur RStudio intégrant CUDA pour exploiter les capacités de calcul GPU. Destiné aux équipes travaillant sur des projets de data science ou d'analyse de données nécessitant des performances élevées. Permet de collaborer efficacement sur des notebooks et scripts R tout en bénéficiant d'une accélération matérielle pour les traitements lourds.
- FastFlow est un outil de simulation avancé dédié à la modélisation des flux hydrologiques et des dépressions dans les paysages naturels. Il permet aux chercheurs et professionnels de simuler des processus géomorphologiques complexes comme l'érosion, le dépôt sédimentaire ou le ruissellement des eaux. Grâce à une accélération GPU, il offre des performances élevées pour analyser et prédire l'évolution des terrains, facilitant ainsi des applications en géologie, hydrologie ou environnement.
- Ce projet propose des implémentations parallèles optimisées de l'algorithme de clustering k-means, conçues pour s'exécuter sur des architectures CPU multi-cœurs avec unités vectorielles et sur des GPU NVIDIA. Il permet d'analyser des jeux de données massifs (plusieurs millions d'instances) en exploitant les capacités de calcul parallèle pour améliorer les performances et réduire les temps d'exécution. Les résultats sont utiles pour des applications en science des données, en apprentissage automatique ou en analyse de grandes séries temporelles.
- PISA est une bibliothèque C++ haute performance dédiée à l'analyse de formes d'impulsions (PSA) pour le traitement de données issues de détecteurs. Elle permet d'optimiser les calculs sur CPU et GPU, notamment dans le cadre de la physique nucléaire ou des expériences nécessitant une analyse précise des signaux. La bibliothèque est conçue pour être intégrée comme un plugin autonome ou dans des outils existants comme nptool.
24 initiatives
10