Le projet gpu-full est une plateforme dédiée à la recherche et à l'analyse de données. Il permet aux chercheurs et aux data scientists de développer et de déployer des modèles de machine learning, de visualiser et d'analyser des données en temps réel, et de gérer leurs projets de recherche. Grâce à une interface utilisateur intuitive et à des fonctionnalités avancées, il offre un environnement de travail complet et performant pour les chercheurs et les data scientists.

Outil de monitoring léger et sans base de données dédié à l'analyse des performances des GPU. Il permet de visualiser en temps réel ou de manière historique l'utilisation des ressources (pourcentage d'usage, mémoire, énergie, température, vitesse des ventilateurs) ainsi que les processus en cours. Conçu pour les administrateurs système ou les chercheurs en sciences sociales computationnelles, il facilite l'optimisation des infrastructures équipées de GPU.

GPUVis est un outil d'analyse et de visualisation dédié à l'inspection des traces GPU. Il permet aux développeurs et aux ingénieurs de diagnostiquer les problèmes de performance, d'identifier les goulots d'étranglement et d'optimiser les pilotes graphiques. L'application offre une interface intuitive pour explorer les événements temporels, les latences et les interactions entre le matériel et les logiciels graphiques.

Projet académique dédié à la simulation numérique de phénomènes physiques complexes, notamment les écoulements de fluides, en exploitant les capacités de calcul des GPU. Il permet aux chercheurs et ingénieurs de modéliser des problèmes scientifiques avec une précision élevée et des performances optimisées, facilitant ainsi l'analyse et la compréhension de systèmes dynamiques dans divers domaines comme la mécanique des fluides ou la physique des plasmas.

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.

NeoQCP est une bibliothèque moderne de traçage de graphiques 2D pour les applications Qt 6, conçue pour offrir des performances élevées et une grande interactivité. Elle permet de visualiser des données scientifiques complexes, des séries temporelles ou des cartes de chaleur avec fluidité, même pour des jeux de données volumineux. Compatible avec les environnements GPU (Metal, Vulkan, D3D, WebGL), elle s'intègre facilement dans des projets existants et propose des fonctionnalités avancées comme le rendu GPU, la gestion de données sans copie, et des outils d'analyse interactifs.

Projet dédié à l'exploitation des capacités de calcul des GPU pour des tâches intensives. Il permet d'accélérer des calculs parallèles, d'optimiser des performances graphiques et de traiter des données massives. Utilisé principalement pour des simulations numériques, des analyses scientifiques ou des applications nécessitant une puissance de calcul élevée.

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.

Ce projet propose une implémentation optimisée de la Méthode des Solutions Fondamentales (MFS) pour résoudre des problèmes physiques en 3D, notamment la diffusion de pixels et les équations aux dérivées partielles. Il inclut des solveurs rapides et des outils de visualisation en temps réel, avec une intégration GPU pour des performances accrues. Les applications visent la synthèse d'images, la simulation physique et l'analyse numérique.

JavaCL for Icy est un plugin dédié à l'analyse d'images biologiques, développé pour la plateforme Icy. Il permet d'exploiter les capacités de calcul des GPU via OpenCL directement depuis Icy, améliorant ainsi les performances des algorithmes de traitement d'images. Ce plugin est particulièrement utile pour les chercheurs en biologie qui ont besoin de traiter rapidement de grandes quantités d'images, comme des séquences de microscopie ou des jeux de données volumineux. Il s'intègre parfaitement dans l'écosystème Icy, un logiciel open source largement utilisé en bioimagerie.