Ce projet propose un benchmark dédié à l'évaluation des performances de différentes implémentations de l'équation de réaction Gray-Scott utilisant le framework SYCL. Il permet de comparer des méthodes de gestion mémoire (buffers, malloc_shared, malloc_device) et d'analyser l'impact des architectures matérielles (CPU, iGPU, dGPU) sur les temps de calcul et la précision des résultats. Les données collectées aident à optimiser les performances des applications scientifiques intensives.

SProfile est un outil léger conçu pour analyser et afficher en temps réel l'utilisation des ressources système (CPU, RAM, GPU) lors de l'exécution de jobs Slurm. Il permet aux administrateurs et utilisateurs de surveiller les performances, d'identifier les goulots d'étranglement et d'optimiser l'allocation des ressources pour améliorer l'efficacité des calculs haute performance.

PhoenixHardware est une bibliothèque C++ dédiée à l'analyse et à l'optimisation des performances des systèmes informatiques. Elle permet de mesurer l'utilisation des ressources matérielles comme la RAM, le nombre de cœurs CPU, et de profiler des fonctions pour identifier les goulots d'étranglement. Elle facilite également la gestion de l'alignement mémoire et l'optimisation des allocations dynamiques.

Outil d'analyse et d'estimation dédié aux gadgets de masquage utilisés en cryptographie. Il permet d'évaluer les performances en cycles CPU et les coûts mémoire des algorithmes de masquage sur différentes architectures de microcontrôleurs. Le projet facilite la comparaison des configurations et l'optimisation des paramètres pour des applications sécurisées, en intégrant une bibliothèque extensible de gadgets et des exemples de configurations matérielles et de masquage.

MojitO/S est un outil open source dédié au monitoring énergétique et des performances au niveau du système d'exploitation. Il permet de mesurer en temps réel la consommation d'énergie des composants matériels (CPU, GPU, mémoire, etc.) ainsi que divers indicateurs de performance (compteurs matériels, température, charge réseau). Idéal pour les administrateurs système, les chercheurs ou les développeurs souhaitant analyser et optimiser l'efficacité énergétique de leurs infrastructures.

PyHiPeRTA est une implémentation en Python d'algorithmes scientifiques dédiés à l'analyse de données haute performance, notamment pour le portage sur GPU. Ce projet vise à accélérer les calculs dans le domaine de l'astrophysique, en s'appuyant sur des bibliothèques comme NumPy pour des implémentations CPU. Il s'agit d'un prototype explorant des solutions optimisées pour le traitement intensif de données.

Ce projet permet de calculer et d'analyser les historiques d'utilisation des ressources CPU et GPU. Il est principalement utilisé dans un contexte académique ou de recherche pour optimiser les performances des systèmes informatiques et comprendre l'efficacité des calculs parallèles.

Outil dédié à la mesure et à l'analyse de la consommation énergétique des composants matériels (CPU, GPU) d'un système. Permet d'estimer l'énergie consommée en millijoules et de surveiller les performances en temps réel. Utilisé pour optimiser l'efficacité énergétique des infrastructures informatiques.

Bibliothèque simplifiée dédiée à la physique, intégrée aux modèles climatiques DYNAMICO et LMDZ. Elle permet de réaliser des simulations physiques de référence, de comparer les performances entre architectures CPU et GPU, et de valider les résultats obtenus. Utilisée principalement dans le cadre de recherches climatiques et environnementales, elle facilite l'analyse et l'optimisation des calculs physiques complexes.

Ce projet a pour but de démystifier l'exécution de l'inférence de réseaux de neurones profonds sur une combinaison CPU-GPU en utilisant TensorFlow Profiler. Il permet d'optimiser les performances de ces modèles en analysant et en visualisant leur exécution.