Ce dépôt centralise des tests dédiés aux infrastructures de calcul haute performance (HPC) gérées par le CINES. Il permet d'évaluer les performances, la fiabilité et la stabilité des systèmes HPC à travers des scripts de test couvrant la mémoire, les entrées/sorties, les communications réseau et la gestion des jobs. Ces tests sont conçus pour valider et optimiser les environnements de calcul scientifique utilisés par la communauté académique et de recherche en France.

Ce projet propose une image Docker légère basée sur CentOS 7, intégrant Miniconda et PyTorch avec support CUDA 11.1. Conçue pour les environnements d'intégration continue, elle facilite la création et le test d'applications utilisant le deep learning. L'image est optimisée pour des performances reproductibles dans des pipelines CI/CD.

Ce projet développe des méthodes pour compresser progressivement les couches de réseaux de neurones convolutifs à impulsions, réduisant leur complexité tout en préservant leurs performances. Il permet de simuler des architectures neuronales avancées, d'extraire et d'adapter les poids pour des déploiements sur des plateformes matérielles spécialisées comme SpiNNaker. Les outils proposés facilitent l'optimisation et le transfert de modèles entre différents environnements de simulation et de calcul.

Ce projet illustre l'utilisation du module FetchContent de CMake pour intégrer et compiler automatiquement la bibliothèque oneTBB, facilitant ainsi la gestion des dépendances dans un projet C++. Il démontre également comment paralléliser des calculs intensifs, comme le calcul de racines carrées, pour améliorer les performances. Idéal pour les développeurs cherchant à optimiser leurs applications avec des outils modernes de parallélisation.

Sciqlop-cache est une solution de cache clé-valeur rapide et persistante pour Python, conçue pour stocker et récupérer des objets coûteux à recalculer. Elle permet aux applications de partager des données entre plusieurs processus ou threads de manière sécurisée, sans corruption des données en cas de crash. Idéale pour les grands tableaux NumPy, elle optimise les performances en réduisant les temps d'accès et en limitant l'utilisation mémoire grâce à des mécanismes d'éviction automatique.

Ce projet fournit une formule pour automatiser le déploiement et la configuration de bases de données Cassandra via des outils comme SaltStack ou Ansible. Il permet aux équipes DevOps de gérer efficacement des clusters de bases de données NoSQL, en simplifiant les tâches de configuration, de maintenance et d'optimisation des performances. Idéal pour les environnements nécessitant une haute disponibilité et une scalabilité.

Un compilateur dédié à la transformation de programmes écrits en langage MinCaml vers du code assembleur ARM. Il permet de vérifier la cohérence des types, d'optimiser les performances et de générer un code exécutable pour des architectures matérielles cibles. Utilisé principalement dans un contexte académique ou de recherche pour l'enseignement des concepts de compilation.

Caffe est un framework open source dédié à l'apprentissage profond, spécialisé dans le traitement d'images et la vision par ordinateur. Il permet de concevoir, entraîner et déployer des modèles de réseaux de neurones convolutifs (CNN) pour des tâches comme la classification d'images, la détection d'objets ou la segmentation sémantique. Utilisé par des chercheurs et des entreprises, il offre une architecture modulaire et des performances optimisées pour accélérer les calculs.

Ce projet fournit un chart Helm pour déployer et configurer ingress-nginx, un contrôleur d'entrée pour Kubernetes. Il permet de gérer le trafic réseau entrant vers les services d'un cluster, d'appliquer des règles de routage, de sécuriser les connexions et d'optimiser les performances des applications hébergées. Utilisé principalement par les équipes DevOps et infrastructure pour faciliter le déploiement et la maintenance des environnements Kubernetes.

Ce projet propose des ressources et tutoriels pour maîtriser le langage Rust et optimiser des codes C++. Il inclut des exemples concrets de simulation scientifique, des outils de visualisation de traces GPU/CPU, et des benchmarks pour comparer les performances entre différentes implémentations. Destiné aux développeurs et chercheurs, il facilite l'apprentissage des bonnes pratiques en programmation parallèle et l'utilisation de Vulkan pour le calcul haute performance.