Ce projet propose une image Docker légère basée sur Miniconda et CentOS 7, intégrant PyTorch avec support CUDA 11.3. Destinée aux pipelines d'intégration continue, elle facilite la création d'environnements reproductibles pour des tests automatisés et des développements en machine learning. L'image est optimisée pour des environnements CI/CD et permet une exécution rapide des tâches gourmandes en calcul.

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 des outils et des environnements configurés pour exécuter des calculs intensifs sur des clusters GPU. Il facilite la soumission de tâches de calcul scientifique, d'apprentissage automatique ou de simulation numérique via des images conteneurisées optimisées pour les architectures NVIDIA. Destiné aux chercheurs et ingénieurs, il permet d'exploiter efficacement les ressources GPU disponibles dans un cadre académique ou industriel.

PhoenixThread est une bibliothèque C++ conçue pour faciliter la gestion de tâches parallèles et l'exécution de commandes système de manière optimisée. Elle permet aux développeurs d'orchestrer des processus en arrière-plan, de suivre leur état et de gérer efficacement les ressources disponibles. Idéale pour les applications nécessitant des calculs intensifs ou des traitements asynchrones, elle simplifie le développement multithread tout en offrant des outils pour le suivi et la synchronisation des tâches.

PhoenixRender est une solution open source dédiée à l'automatisation et à l'optimisation des processus de rendu 3D. Elle permet aux artistes, studios et chercheurs de gérer efficacement des scènes complexes en distribuant les calculs sur des infrastructures de calcul haute performance. Le projet facilite la collaboration entre équipes en centralisant la gestion des ressources et en automatisant les tâches répétitives, réduisant ainsi les délais de production tout en garantissant une qualité optimale des rendus.

Outil open source conçu pour définir, orchestrer et exécuter des workflows scientifiques ou techniques. Il permet de structurer des tâches en graphes de dépendances, facilitant ainsi l'automatisation de processus analytiques ou de calculs. Idéal pour les chercheurs, ingénieurs ou équipes techniques souhaitant optimiser leurs pipelines de données sans développer de solutions sur mesure.

MMX est une bibliothèque logicielle dédiée aux opérations matricielles multithreadées sur des matrices N-dimensionnelles. Elle permet d'effectuer des multiplications, transpositions, décompositions et résolutions de systèmes linéaires de manière optimisée. Conçue pour les calculs intensifs, elle améliore significativement les performances par rapport aux méthodes classiques, notamment grâce à la parallélisation des tâches.

Outil dédié à la génération et à l'optimisation de trajectoires pour des systèmes robotiques ou mécaniques. Il permet de calculer des mouvements fluides et précis en espace cartésien, en tenant compte des contraintes de vitesse, d'accélération et de secousse. Utilisé dans des environnements industriels ou de recherche pour automatiser des tâches nécessitant des déplacements contrôlés.

Outil dédié à l'exécution distribuée de tâches pour des workflows scientifiques ou techniques. Il permet d'orchestrer des calculs complexes en répartissant la charge sur plusieurs nœuds, optimisant ainsi les performances et la scalabilité des traitements. Idéal pour les projets nécessitant une gestion avancée des ressources et des dépendances entre tâches.

Artiscales OpenMole est une plateforme open source dédiée à la simulation et à l'optimisation de modèles scientifiques. Elle permet aux chercheurs et ingénieurs de concevoir, tester et améliorer des modèles complexes en exploitant des ressources de calcul distribuées. L'outil facilite la collaboration entre équipes et accélère la découverte en automatisant des tâches répétitives et en analysant des données à grande échelle.