Le projet td-load-testing est une solution de test de charge et de performance pour les applications web. Il permet de simuler des charges réseau importantes sur des systèmes donnés, d'identifier les points de défaillance et d'optimiser les performances.

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 permet d'évaluer la qualité des réseaux LoRaWAN en utilisant une carte LoPy 4 et une application Android. Il mesure les performances des antennes LoRa, stocke les données de tests (position, qualité du signal, antenne utilisée) et affiche les résultats sur une carte interactive. L'application communique avec la carte via Bluetooth BLE et envoie les données à la plateforme CampusIoT pour analyse et visualisation.

Projet dédié à l'entraînement et à l'évaluation de modèles de classification d'images utilisant le jeu de données CIFAR-10. Il permet de configurer des environnements pour l'apprentissage automatique, d'entraîner des réseaux de neurones sur CPU ou GPU, et de tester les performances des modèles générés. Les scripts inclus facilitent l'exploration des données, l'entraînement et la validation des réseaux.

Ce projet fournit un outil de génération de données aléatoires structurées via une API gRPC, conçu pour simuler des charges de travail, tester des infrastructures réseau ou valider des performances. Il permet aux développeurs et ingénieurs de créer des scénarios réalistes pour évaluer la robustesse et la scalabilité de leurs systèmes sans nécessiter de données réelles.

Ce projet développe des algorithmes d'apprentissage par renforcement pour entraîner et tester des réseaux de neurones profonds. Il permet de simuler des agents intelligents dans des environnements virtuels, d'optimiser leurs politiques d'action et d'évaluer leurs performances. Les modèles générés peuvent être utilisés pour résoudre des problèmes complexes en robotique, jeux vidéo ou optimisation industrielle.

VPSim est un simulateur virtuel permettant de tester et valider des binaires et fichiers générés dans un environnement proche d'une release. Il offre une plateforme pour simuler des architectures multi-cœurs ARMv8 avec des noyaux Linux, analyser les performances des hiérarchies mémoire et des réseaux sur puce (NoC), et évaluer l'impact des transferts d'E/S sur les performances globales. Idéal pour les développeurs et chercheurs en informatique embarquée.

Projet dédié à l'évaluation et à la comparaison de modèles d'intelligence artificielle spécialisés dans l'analyse de données audio. Il permet de tester et classer différents algorithmes (réseaux de neurones, CatBoost, KNN, etc.) pour déterminer leur efficacité en termes de précision et de performance.

Ce projet automatise le benchmarking des performances des environnements HPC basés sur Guix, notamment pour les clusters comme Plafrim. Il exécute des tests de bande passante MPI entre nœuds, compare différentes configurations (MPI, réseaux) et stocke les résultats dans une base de données. Les données sont ensuite analysées pour détecter des régressions et visualisées sous forme de graphiques. L'objectif est d'optimiser les performances des infrastructures de calcul haute performance.

Ce projet fournit des exemples d'applications utilisant DynRM pour simuler et tester des tâches de calcul haute performance (HPC) dans des environnements distribués. Il permet de valider des configurations de topologies réseau et d'exécuter des cas de charge variés pour évaluer les performances des systèmes HPC.