Projet pédagogique dédié à l'apprentissage des techniques de calcul intensif sur GPU. Il propose des exercices pratiques pour comprendre le parallélisme, l'optimisation de code et l'utilisation des bibliothèques dédiées. Destiné aux étudiants en informatique ou aux développeurs souhaitant se former aux architectures GPU.

Ce projet propose des outils et méthodes pour optimiser les calculs intensifs sur GPU, notamment dans le domaine de la simulation scientifique. Il inclut des bibliothèques et frameworks dédiés à l'accélération des traitements parallèles, ainsi que des ressources pédagogiques pour former les utilisateurs à ces technologies. Destiné aux chercheurs et ingénieurs, il facilite la mise en œuvre de solutions haute performance pour des applications variées.

Projet pédagogique et technique dédié à l'étude des calculs parallèles sur GPU. Il permet aux étudiants et chercheurs d'expérimenter des algorithmes intensifs en calcul, d'optimiser des performances et de comprendre les architectures matérielles modernes. Utilisé dans un cadre académique pour des travaux dirigés ou des projets de recherche.

Ce projet propose des implémentations parallèles optimisées de l'algorithme de clustering k-means, adaptées aux architectures CPU multi-cœurs et GPU NVIDIA. Il permet d'analyser de grands volumes de données en réduisant significativement le temps de calcul grâce à des techniques de parallélisation avancées. Les utilisateurs peuvent exploiter des jeux de données réels ou synthétiques pour des applications en science des données, en apprentissage automatique ou en analyse statistique.

GeoFluids est un écosystème de packages logiciels dédiés à la simulation numérique des fluides géophysiques, avec une attention particulière portée aux écoulements atmosphériques. Il vise à offrir une grande extensibilité et une performance de calcul élevée, notamment grâce à des implémentations en Julia optimisées pour atteindre plusieurs GFlops sur des CPU standards. Les fonctionnalités incluent le multithreading, le support GPU via CUDA.jl et une roadmap pour le parallélisme MPI.

Ce projet propose un tutoriel pratique pour implémenter la simulation de la réaction chimique de Gray-Scott en utilisant le framework SYCL. Il guide les utilisateurs dans la création d'un programme parallèle capable de modéliser l'évolution de deux substances chimiques sur une grille 2D, en exploitant les capacités de calcul des GPU ou des accélérateurs matériels. Le projet inclut des exemples concrets, des comparaisons de performances et des bonnes pratiques pour optimiser les transferts de données entre hôte et périphérique.

Projet dédié à l'optimisation et à l'accélération de calculs intensifs en utilisant des technologies comme CUDA et nvC++. Il permet de tester et comparer les performances des calculs parallèles sur CPU et GPU, notamment pour des applications scientifiques ou industrielles nécessitant des ressources de calcul avancées. Le projet inclut des outils de calibration, de benchmarking et des exemples pratiques pour évaluer l'efficacité des algorithmes.

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.

Ce projet permet d'effectuer des multiplications de matrices en exploitant la puissance des GPU pour des calculs intensifs. Il est particulièrement utile dans les domaines nécessitant des performances élevées comme la simulation scientifique, le traitement d'images ou l'apprentissage automatique. L'implémentation utilise des techniques d'optimisation pour maximiser l'efficacité des calculs parallèles.

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.