Segmentation d'images à l'aide d'agents sociaux : applications GPU

Dimension: px
Commencer à balayer dès la page:

Download "Segmentation d'images à l'aide d'agents sociaux : applications GPU"

Transcription

1 Segmentation d'images à l'aide d'agents sociaux : applications GPU Richard MOUSSA Laboratoire Bordelais de Recherche en Informatique (LaBRI) - UMR 5800 Université de Bordeaux - France Laboratoire de recherche en économie-écologie, éco-innovation et ingénierie du développement soutenable (REEDS) Université St Quentin-en-Yvelines - France Journée calcul parallèle, GPU/CPU 28 Novembre 2011 Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 1/21

2 Sommaire Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 2/21

3 Sommaire Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 3/21

4 1 Présentation d'un modèle générique pour les agents sociaux ; 2 Parallélisation du modèle sur GPU ; 3 dans le domaine de la segmentation d'images et de la simulation biologique. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 4/21

5 Sommaire Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 5/21

6 Système Multi-Agents [Wooldridge, 2005] 1 Qu'est ce qu'un agent? Une entité autonome qui interagit localement avec le voisinage ; Situé dans un environnement 2D ou 3D ; Un agent peut être déni comme réactif ou cognitif. Agents sociaux Les agents sociaux sont des agents réactifs ; Ils interagissent localement dans le but d'atteindre une tâche globale mais sans aucune connaissance de cette tâche au niveau global. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 6/21

7 GPU a (1) a. Graphics Processing Unit Qu'est ce qu'un GPU? Dédié à accélérer des processus de faible performance ; Utilisez la mémoire comme un environnement ; Les agents sont multi-threadés. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 7/21

8 GPU a (1) a. Graphics Processing Unit Qu'est ce qu'un GPU? Dédié à accélérer des processus de faible performance ; Utilisez la mémoire comme un environnement ; Les agents sont multi-threadés. Comment faire? 1 Chargez la mémoire de la partie CPU à la partie GPU ; 2 Eectuer le traitement dans la partie GPU ; 3 Transfert du résultat au CPU pour analyser les informations. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 7/21

9 GPU a (2) a. Graphics Processing Unit Cuda Grid Thread Block Thread Thread ID Block Index Thread Index OpenCL NDRange Work Group Work Item Global Id Block Id Local ID Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 8/21

10 GPU a (3) a. Graphics Processing Unit La mémoire du GPU CUDA OpenCL Caractéristiques Global Memory Global Memory Espace de quelques GO / accès lente en R/W / durée de vie de la simulation. Texture Memory Global Memory Dérivée de la mémoire globale / la plus rapide en R (en cache) / durée de vie de la simulation. Constant Memory Constant Memory Espace de quelques KO / accès en R (en cache + meilleure latence que GM) / durée de vie de la simulation. Shared Memory Local Memory Espace de quelques KO / accès rapide en R/W (en cache) / durée de vie d'un Thread Block. Registers Private Memory Espace de quelques KO / accès rapide en R/W / durée de vie d'un Thread Local Memory Global Memory Réside dans la mémoire globale en recours de la mémoire des registres / accès lente en R/W / durée de vie d'un Thread. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 9/21

11 Sommaire Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 10/21

12 Modèle Multi-Agents Cycle de vie d'un agent Perception ; Décision ; Action. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 11/21

13 Modèle Multi-Agents Cycle de vie d'un agent Perception ; Décision ; Action. Simulation Un environnement est créé par une décomposition en un ensemble de points ; A chaque pas de temps, les points sont mises à jour par les informations partagées entre les agents ; A la n de la simulation, une évaluation des points est eectuée dépendant de l'application choisie. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 11/21

14 Modèle Multi-Agents Cycle de vie d'un agent Perception ; Décision ; Action. Simulation Un environnement est créé par une décomposition en un ensemble de points ; A chaque pas de temps, les points sont mises à jour par les informations partagées entre les agents ; A la n de la simulation, une évaluation des points est eectuée dépendant de l'application choisie. pointel linel surfel voxel Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 11/21

15 Modèle Multi-Agents Cycle de vie d'un agent Perception ; Décision ; Action. Simulation y Un environnement est créé par une décomposition en un ensemble de points ; A chaque pas de temps, les points sont mises à jour par les informations partagées entre les agents ; A la n de la simulation, une évaluation des points est eectuée dépendant de l'application choisie. z x Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 11/21

16 Modèle des araignées Cycle de vie des araignées Perception : calculer le voisinage ; Décision : calculer les poids des voisins (dépendant de l'information l) ; Action : se déplacer vers la nouvelle position et ajouter un l entre les deux voxels si l'information couleur appartient à l'intervalle de recherche. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 12/21

17 Modèle des araignées Cycle de vie des araignées Perception : calculer le voisinage ; Décision : calculer les poids des voisins (dépendant de l'information l) ; Action : se déplacer vers la nouvelle position et ajouter un l entre les deux voxels si l'information couleur appartient à l'intervalle de recherche. Segmentation par les araignées Un environnement est créé par une décomposition de l'image en voxels ; N colonies sont créées à partir de l'histogramme de l'image contenant M araignées chacune ; A chaque pas de temps, exécuter le cycle de vie des araignées ; Évaluer les ls déposés entre les voxels pour créer les régions de l'image. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 12/21

18 Modèle des fourmis (1) Cycle de vie des fourmis (1) Perception : sélectionner un voisinage ; Décision : calculer une fonction de transition entre les points de l'image et sélectionner celle ayant le poids maximal ; Action : se déplacer vers la nouvelle position et ajouter une concentration de phéromone. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 13/21

19 Modèle des fourmis (1) Cycle de vie des fourmis (1) Perception : sélectionner un voisinage ; Décision : calculer une fonction de transition entre les points de l'image et sélectionner celle ayant le poids maximal ; Action : se déplacer vers la nouvelle position et ajouter une concentration de phéromone. Segmentation par les fourmis L'environnement est créé par la décomposition de l'image en voxels ou éléments intervoxels ; Une colonie de N fourmis est créée ; A chaque pas de temps, exécuter le cycle de vie (1) et eectuer une évaporation de l'information dans l'environnement ; Évaluer le contenu des éléments (selon la décomposition) pour créer les contours de l'image. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 13/21

20 Modèle des fourmis (2) Cycle de vie des fourmis (2) Perception : sélectionner le voisinage local ; Décision : recueillir les voisins potentiels pour la réaction si elle existe ; Action : modier la coloration des voisins potentiels selon l'équation ci-dessous : B + J R + V (1) Où B, J sont des réactifs et R, V sont des produits. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 14/21

21 Modèle des fourmis (2) Cycle de vie des fourmis (2) Perception : sélectionner le voisinage local ; Décision : recueillir les voisins potentiels pour la réaction si elle existe ; Action : modier la coloration des voisins potentiels selon l'équation ci-dessous : B + J R + V (1) Où B, J sont des réactifs et R, V sont des produits. Métabolisme biologique par les fourmis Un environnement est créé composé de voxels ; N colonies sont créées avec M fourmis chacune pour chaque réaction ; A chaque pas de temps, exécuter le cycle de vie (2) ; Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 14/21

22 Sommaire Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 15/21

23 Segmentation d'images Qu'est ce qu'une segmentation? Partitionner une image I en un ensemble de régions R i : = I i R i Toutes les R i sont des régions homogènes. Quelle est l'idée? Un Systèmes Multi-Agents utilisant des modèles biologiques : les araignées et les fourmis ; La segmentation émerge du tissage de ls et du dépôt de phéromones. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 16/21

24 Résultats et simulation Machine 2 processeurs Intel Xeon (4 coeurs à 2.53GHz) ; 16 Go de RAM ; 4 GPU avec 2 Go de mémoire chacune ; Linux x86_64 avec un noyau Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 17/21

25 Résultats et Simulation Les araignées Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 18/21

26 Résultats et Simulation Les fourmis Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 18/21

27 Sommaire Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 19/21

28 Un nouveau Système Multi-Agents a été proposé ; Une transformation GPU a été introduit pour accélérer le système ; Une application à la segmentation d'images et à la simulation biologique a été proposée ; Un gain de performance a été démontré par l'utilisation des GPU. Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 20/21

29 Merci de votre attention! QUESTIONS? Richard MOUSSA Segmentation d'images à l'aide d'agents sociaux : applications GPU 21/21

Programmation multigpu OpenMP versus MPI

Programmation multigpu OpenMP versus MPI 17 février 2011 Gabriel Noaje Programmation multigpu OpenMP versus OpenMP 1 Programmation multigpu OpenMP versus MPI Gabriel Noaje, Michaël Krajecki, Christophe Jaillet gabriel.noaje@univ-reims.fr Équipe

Plus en détail

GPU, processeurs multi-coeurs et bio-informatique

GPU, processeurs multi-coeurs et bio-informatique GPU, processeurs multi-coeurs et bio-informatique Jean-Stéphane Varré jean-stephane.varre@lifl.fr Equipe BONSAI Université Lille 1 - LIFL -INRIA Qu est-ce que c est? Le processeur (CPU) La carte graphique

Plus en détail

Délégation GPU des perceptions agents : application aux boids de Reynolds

Délégation GPU des perceptions agents : application aux boids de Reynolds Délégation GPU des perceptions agents : application aux boids de Reynolds JFSMA 2015 LIRMM - Université de Montpellier - CNRS Emmanuel Hermellin, Fabien Michel {hermellin, fmichel}@lirmm.fr Mercredi 1

Plus en détail

Analyse des textures en temps réel exploitant une architecture parallèle multi-coeurs et GPU

Analyse des textures en temps réel exploitant une architecture parallèle multi-coeurs et GPU Analyse des textures en temps réel exploitant une architecture parallèle multi-coeurs et GPU Moulay Akhloufi, MScA, MBA (moulay.akhloufi@crvi.ca ) Gilles Champagne (gilles.champagne@crvi.ca) Mario Jr Laframboise

Plus en détail

NVIDIA CUDA. Compute Unified Device Architecture. Sylvain Jubertie. Laboratoire d Informatique Fondamentale d Orléans 2011-2012

NVIDIA CUDA. Compute Unified Device Architecture. Sylvain Jubertie. Laboratoire d Informatique Fondamentale d Orléans 2011-2012 NVIDIA CUDA Compute Unified Device Architecture Sylvain Jubertie Laboratoire d Informatique Fondamentale d Orléans 2011-2012 Sylvain Jubertie (LIFO) NVIDIA CUDA 2011-2012 1 / 58 1 Introduction 2 Architecture

Plus en détail

Rappels, SISD, SIMD. Calculateurs hybrides (GPU-OpenCL) Rappels, MIMD mémoire partagée. Rappels, MIMD mémoire partagée. Rappels... SISD,...

Rappels, SISD, SIMD. Calculateurs hybrides (GPU-OpenCL) Rappels, MIMD mémoire partagée. Rappels, MIMD mémoire partagée. Rappels... SISD,... Rappels, SISD, SIMD Calculateurs hybrides (GPU-OpenCL) Rappels... SISD,... SIMD Formation d Ingénieurs de l Institut Galiléee MACS 3 Philippe d Anfray Philippe.d-Anfray@cea.fr CEA DSM 2013-2014 SISD :

Plus en détail

Demande d attribution de ressources informatiques. Sur le Centre de Calculs Interactifs de l Université de Nice Sophia-Antipolis

Demande d attribution de ressources informatiques. Sur le Centre de Calculs Interactifs de l Université de Nice Sophia-Antipolis Demande d attribution de ressources informatiques Sur le Centre de Calculs Interactifs de l Université de Nice Sophia-Antipolis Titre du projet : Nom du laboratoire : Nom de l établissement hébergeur :

Plus en détail

Architecture des GPU (GPU=Graphics Processing Unit) gael.guennebaud@inria.fr

Architecture des GPU (GPU=Graphics Processing Unit) gael.guennebaud@inria.fr Architecture des GPU (GPU=Graphics Processing Unit) gael.guennebaud@inria.fr Plan du cours 2 Motivations pour les GPUs single core multi-core many-core Architecture des GPUs CPU versus GPU Programmation

Plus en détail

Introduction à la programmation GPU. P. Fortin UPMC / LIP6 ANR TaMaDi 27/10/2010

Introduction à la programmation GPU. P. Fortin UPMC / LIP6 ANR TaMaDi 27/10/2010 Introduction à la programmation GPU P. Fortin UPMC / LIP6 ANR TaMaDi 27/10/2010 Les processeurs graphiques (GPU) GPU : Graphics Processing Unit GPGPU : General Purpose computation on Graphics Processing

Plus en détail

Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation

Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation Comparaison entre une architecture matérielle dédiée et un GP-GPU pour l optimisation Université de Bretagne-Sud Lab-STICC, Lorient, France ROADeF Troyes, France 13-15 Février 2013 1/22 Objectifs Après

Plus en détail

AMS-TA01 Calcul scientifique parallèle

AMS-TA01 Calcul scientifique parallèle AMS-TA01 Calcul scientifique parallèle Edouard AUDIT Ingénieur-Chercheur Maison de la Simulation Patrick CIARLET Enseignant-Chercheur UMA Erell JAMELOT Ingénieur-Chercheur CEA Pierre KESTENER Ingénieur-Chercheur

Plus en détail

Architecture & Nouveautés du Core i7. Xpose Core i7 Guillaume Bedos

Architecture & Nouveautés du Core i7. Xpose Core i7 Guillaume Bedos Architecture & Nouveautés du Core i7 Xpose Core i7 Sommaire Définition Historique Rôle du microprocesseur Architecture d un microprocesseur Core i7 : Améliorations Cache HyperThreading IMC/QPI TurboBoost

Plus en détail

Programmation Système des Multicœurs

Programmation Système des Multicœurs Évolution de la puissance des machines Programmation Système des Multicœurs Gaël Thomas gael.thomas@lip6.fr Accélération Évolution Traditionnelle des mono-processeurs Université Pierre et Marie Curie Master

Plus en détail

Problématique des accès mémoires irréguliers causés par les maillages non structurés :

Problématique des accès mémoires irréguliers causés par les maillages non structurés : Problématique des accès mémoires irréguliers causés par les maillages non structurés :! étude comparative entre les machines massivement multicoeurs et les GPU Loïc Maréchal / INRIA! LJLL, Demi-Journée

Plus en détail

Exigences système Edition & Imprimeries de labeur

Exigences système Edition & Imprimeries de labeur Exigences système Edition & Imprimeries de labeur OneVision Software France Sommaire Asura 9.6, Asura Pro 9.6, Garda 5.6...2 PlugBALANCEin 6.6, PlugCROPin 6.6, PlugFITin 6.6, PlugRECOMPOSEin 6.6, PlugSPOTin

Plus en détail

Évolution de la puissance des machines. Système pour architectures multicœurs. Évolution de la puissance des machines

Évolution de la puissance des machines. Système pour architectures multicœurs. Évolution de la puissance des machines Évolution de la puissance des machines Accélération Système pour architectures multicœurs Évolution Traditionnelle des mono-processeurs CSC5001 : Systèmes Hautes Performances Architecte de Services informatiques

Plus en détail

Communications performantes par passage de message entre machines virtuelles co-hébergées

Communications performantes par passage de message entre machines virtuelles co-hébergées Communications performantes par passage de message entre machines virtuelles co-hébergées François Diakhaté1,2 1 CEA/DAM Île de France 2 INRIA Bordeaux Sud Ouest, équipe RUNTIME Renpar 2009 1 Plan Introduction

Plus en détail

Gestion autonome de flots d exécution événementiels

Gestion autonome de flots d exécution événementiels Gestion autonome de flots d exécution événementiels Fabien GAUD, M2R S&L Équipe SARDES (INRIA/LIG) 18 juin 2007 1 / 31 Sommaire 1 Introduction 2 État de l art 3 Contribution 4 Évaluation de performances

Plus en détail

Exigences système Edition & Imprimeries de labeur

Exigences système Edition & Imprimeries de labeur Exigences système Edition & Imprimeries de labeur OneVision Software France Sommaire Asura 10.2, Asura Pro 10.2, Garda 10.2...2 PlugBALANCEin10.2, PlugCROPin 10.2, PlugFITin 10.2, PlugRECOMPOSEin 10.2,

Plus en détail

Modélisation multi-agents - Agents réactifs

Modélisation multi-agents - Agents réactifs Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf

Plus en détail

Détection d'intrusions en environnement haute performance

Détection d'intrusions en environnement haute performance Symposium sur la Sécurité des Technologies de l'information et des Communications '05 Détection d'intrusions en environnement haute performance Clusters HPC Fabrice Gadaud (fabrice.gadaud@cea.fr) 1 Sommaire

Plus en détail

Tous les processeurs sont connectés à une large mémoire partagée. Difficulté de s étendre à de grands nombres de processeurs

Tous les processeurs sont connectés à une large mémoire partagée. Difficulté de s étendre à de grands nombres de processeurs Modèle de Machine 1a: Mém. Partagée Tous les processeurs sont connectés à une large partagée. Appelée Symmetric Multiprocessors (SMPs) SMPs de Sun, HP, Intel, IBM Puces Multicoeur, exceptées celles qui

Plus en détail

Introduction à la programmation // sur GPUs en CUDA et Python

Introduction à la programmation // sur GPUs en CUDA et Python Introduction à la programmation // sur GPUs en CUDA et Python Denis Robilliard Équipe CAMOME: C. Fonlupt, V. Marion-Poty, A. Boumaza LISIC ULCO Univ Lille Nord de France BP 719, F-62228 Calais Cedex, France

Plus en détail

Exigences système Edition & Imprimeries de labeur

Exigences système Edition & Imprimeries de labeur Exigences système Edition & Imprimeries de labeur OneVision Software France Sommaire Asura 9.5, Asura Pro 9.5, Garda 5.0...2 PlugBALANCEin 6.5, PlugCROPin 6.5, PlugFITin 6.5, PlugRECOMPOSEin 6.5, PlugSPOTin

Plus en détail

Retour d expérience, portage de code Promes dans le cadre de l appel à projets CAPS-GENCI

Retour d expérience, portage de code Promes dans le cadre de l appel à projets CAPS-GENCI , portage de code Promes dans le cadre de l appel à projets CAPS-GENCI PROMES (UPR 8521 CNRS) Université de Perpignan France 29 juin 2011 1 Contexte 2 3 4 Sommaire Contexte 1 Contexte 2 3 4 Laboratoire

Plus en détail

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de

Plus en détail

Exigences système Edition & Imprimeries de labeur

Exigences système Edition & Imprimeries de labeur Exigences système Edition & Imprimeries de labeur OneVision Software France Sommaire 1 Asura 9.0, Asura Pro 9.0 Garda 5.0 Plug-ins: PlugBALANCEin 6.0 PlugCROPin 6.0 PlugFITin 6.0 PlugRECOMPOSEin 6.0 PlugSPOTin

Plus en détail

CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX?

CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX? CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX? LABORATOIRE DE VISION ET INGÉNIERIE DES CONTENUS (LVIC) Fusion multimedia : extraction multimodale d

Plus en détail

Informatique légale : FPGA vs. GPU

Informatique légale : FPGA vs. GPU Informatique légale : FPGA vs. GPU Sylvain Collange, Yoginder S. Dandass, Marc Daumas et David Defour 03/06/2008 Problématiques Analyse de disque dur Recherche de contenu illégal connu Y compris dans des

Plus en détail

Équation de Poisson : programme Python

Équation de Poisson : programme Python Frédéric Legrand Licence Creative Commons 1 Équation de Poisson : programme Python 1. Introduction Ce document présente une interface Python pour le programme C présenté dans Équation de Poisson : programme

Plus en détail

Architecture des ordinateurs

Architecture des ordinateurs Décoder la relation entre l architecture et les applications Violaine Louvet, Institut Camille Jordan CNRS & Université Lyon 1 Ecole «Découverte du Calcul» 2013 1 / 61 Simulation numérique... Physique

Plus en détail

Infrastructures Parallèles de Calcul

Infrastructures Parallèles de Calcul Infrastructures Parallèles de Calcul Clusters Grids Clouds Stéphane Genaud 11/02/2011 Stéphane Genaud () 11/02/2011 1 / 8 Clusters - Grids - Clouds Clusters : assemblage de PCs + interconnexion rapide

Plus en détail

Étude comparative de Dimensions CM et de Subversion Comparaison des performances

Étude comparative de Dimensions CM et de Subversion Comparaison des performances Présentation de solution CARACTÉRISTIQUES PRINCIPALES Gestion des processus, changements, configurations, versions et mises en production à partir d'une architecture unique Assistance en vue d'une fusion

Plus en détail

De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA

De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA contact : patrick.hède@cea.fr Commissariat à l'energie Atomique GdR isis : Passage à l'échelle dans la recherche

Plus en détail

Systèmes d'exploitation Gestion des processus

Systèmes d'exploitation Gestion des processus Systèmes d'exploitation Gestion des processus Cours SYE Prof. Daniel Rossier Version 2.3 (2009-2010) 1 Plan Processus Changement de contexte Threads IPC (Inter-Process Communication) Algorithmes d'ordonnancement

Plus en détail

CRIHAN Centre de Ressources Informatiques de HAute-Normandie

CRIHAN Centre de Ressources Informatiques de HAute-Normandie ACT-MG-v2 CRIHAN Centre de Ressources Informatiques de HAute-Normandie Journée Entreprises & HPC-PME au CRIHAN - 11 avril 2013 CRIHAN Missions Concept : mutualisation de services et d équipements Réseau

Plus en détail

M1 MIAGE Option IFD Data Mining et Parallélisme

M1 MIAGE Option IFD Data Mining et Parallélisme M1 MIAGE Option IFD Data Mining et Parallélisme Alexandre Termier 2011-2012 S2 1 / 24 Besoin ˆ Data Mining doit... traiter de gros volumes de données pouvoir eectuer des analyses complexes (gros calculs)

Plus en détail

Base de données en mémoire

Base de données en mémoire Base de données en mémoire Plan Bases de données relationnelles OnLine Analytical Processing Difficultés de l OLAP Calculs en mémoire Optimisations 1 Base de données relationnelle Introduction Date Exemple

Plus en détail

Calcul parallèle sur processeurs GPU

Calcul parallèle sur processeurs GPU Calcul parallèle sur processeurs GPU Nicolas GAC Maitre de Conférence - Université Paris Sud 11 Laboratoire des Signaux et Systèmes (L2S) Cours à l ESIEE Paris 5ième année - Majeure Informatique 19 septembre

Plus en détail

Runtime. Gestion de la réactivité des communications réseau. François Trahay Runtime, LaBRI sous la direction d'alexandre Denis Université Bordeaux I

Runtime. Gestion de la réactivité des communications réseau. François Trahay Runtime, LaBRI sous la direction d'alexandre Denis Université Bordeaux I Runtime Gestion de la réactivité des communications réseau François Trahay Runtime, LaBRI sous la direction d'alexandre Denis Université Bordeaux I 1 Le calcul hautes performances La tendance actuelle

Plus en détail

Informatique éducative

Informatique éducative Généralisation de la technologie de l information et de la communication dans l enseignement Délégation de Khouribga Lycée Othmane Ben Affane Collégial Matière Informatique éducative Inspecteur pédagogique

Plus en détail

Calcul haute performance avec OpenCL sur GPU

Calcul haute performance avec OpenCL sur GPU Calcul haute performance avec OpenCL sur GPU Sebastien Curt To cite this version: Sebastien Curt. Calcul haute performance avec OpenCL sur GPU. Calcul parallèle, distribué et partagé [cs.dc]. 2013.

Plus en détail

CPU ou UCT. Le processeur est une unité d exécution, plus précisément appelée unité centrale de traitement (désignée en franç.

CPU ou UCT. Le processeur est une unité d exécution, plus précisément appelée unité centrale de traitement (désignée en franç. CPU ou UCT Processor (data processing) Le processeur est une unité d exécution, plus précisément appelée unité centrale de traitement (désignée en franç.par UCT, en ang. CPU (Central Processing Unit) CPU+mémoire

Plus en détail

GPU Computing : début d'une ère ou fin d'une époque? eric.mahe@massiverand.com

GPU Computing : début d'une ère ou fin d'une époque? eric.mahe@massiverand.com GPU Computing : début d'une ère ou fin d'une époque? eric.mahe@massiverand.com Plan Génèse du projet OpenGPU Misères et grandeurs des GPUs Quelle place pour OpenCL? Les avancées de l'architecture Kepler

Plus en détail

Ecole Mohammadia d Ingénieurs Systèmes Répartis Pr. Slimane Bah, ing. PhD G. Informatique Semaine 16

Ecole Mohammadia d Ingénieurs Systèmes Répartis Pr. Slimane Bah, ing. PhD G. Informatique Semaine 16 Ecole Mohammadia d Ingénieurs Systèmes Répartis Pr. Slimane Bah, ing. PhD G. Informatique Semaine 16 1 Semestre 4 : Fev. 2015 Ateliers Beowolf ou Mosix Atelier Type Cluster Vishwa http://dos.iitm.ac.in/vishwanew

Plus en détail

Comment un ordinateur fonctionne Processeur

Comment un ordinateur fonctionne Processeur Comment un ordinateur fonctionne Processeur Les processeurs Cerveau de l ordinateur Règle flux d information par intermédiaire du bus Détermine puissance de l ordi (486, Pentium, ) Vitesse définit par

Plus en détail

Chapitre 11: Technologie et Hiérarchie mémoire

Chapitre 11: Technologie et Hiérarchie mémoire Chapitre 11: Technologie et Hiérarchie mémoire M. Dubacq IUT de Villetanneuse 2008 2009 2/22 Caractéristiques principales de la mémoire > Méthode d accès : Séquentiel : accès successif à tous les emplacements,

Plus en détail

Analyse d images numériques en microscopie

Analyse d images numériques en microscopie Analyse d images numériques en microscopie Yves Usson Reconnaissance et Microscopie Quantitative, Laboratoire TIMC UMR5525 CNRS Institut d Ingénierie et d Information de Santé (IN3S), La Tronche Traitement

Plus en détail

Plan : Master IM2P2 - Calcul Scientifique

Plan : Master IM2P2 - Calcul Scientifique Plan : Les systèmes HPC Typologie des systèmes : Machines Mémoire partagée Machines à Mémoire Distribuées Machine NUMA Exemples Architectures Processeurs HPC Processeurs scalaires, superscalaires, vectoriels

Plus en détail

Chap. I : Architecture de base d un ordinateur

Chap. I : Architecture de base d un ordinateur UMR 7030 - Université Paris 13 - Institut Galilée Cours Architecture et Système Dans cette partie, nous décrivons rapidement l architecture de base d un ordinateur et les principes de son fonctionnement.

Plus en détail

Virtualisation et le hosting. Christophe Lucas Sébastien Bonnegent

Virtualisation et le hosting. Christophe Lucas <clucas@rotomalug.org> Sébastien Bonnegent <sebastien.bonnegent@insa rouen.fr> Christophe Lucas Sébastien Bonnegent ROTOMALUG INSA de Rouen Samedi 17 mars 2007 PLAN 1. Virtualisation 2. Xen 3. VServer 4. Utilisations 5. Cas

Plus en détail

Diagrammes de Package, de déploiement et de composants UML

Diagrammes de Package, de déploiement et de composants UML labsticc.univ-brest.fr/pages_perso/babau/ Diagrammes de Package, de déploiement et de composants UML Jean-Philippe Babau Département Informatique, UFR Sciences, Laboratoire Lab-STICC 2 1 Plan Description

Plus en détail

Management Solutions. *On Demand. Prérequis. YourCegid Fiscalité On Demand

Management Solutions. *On Demand. Prérequis. YourCegid Fiscalité On Demand Management Solutions *On Demand Prérequis YourCegid Fiscalité On Demand PR-YC Fiscalité On Demand V5 EN 06/05/2015 Sommaire 1. PREAMBULE... 3 2. PREREQUIS RESEAU... 4 Accès Télécom... 4 Dimensionnement

Plus en détail

Généralités sur les systèmes informatiques

Généralités sur les systèmes informatiques La date: Généralités sur les systèmes informatiques I. Définitions : L'information : est un ensemble de données ayants un sens compréhensible par l'homme. Le traitement : est un ensemble d'opérations effectuées

Plus en détail

Une dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU

Une dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU Une dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU Gabriel Antoine Louis Paillard Ce travail a eu le soutien de la CAPES, agence brésilienne pour

Plus en détail

Parallélisme. Cours 1

Parallélisme. Cours 1 Parallélisme Cours 1 TD : 20% - TP : 30% - Examen : 50% Feuille A4 manuscrite (pas de photocopie) Fabrice.Huet@etu.unice.fr (prendre rdv par mail pr le contacter) A quoi sert le parallélisme? Augmenter

Plus en détail

CUDA 4 et Architecture Fermi GPUDirect2.0 et UVA

CUDA 4 et Architecture Fermi GPUDirect2.0 et UVA CUDA 4 et Architecture Fermi GPUDirect2.0 et UVA Pierre Kunzli - hepia 5 septembre 2012 1 Introduction La version 4.0 de CUDA introduit avec l'architecture Fermi deux nouveautés concernant la gestion de

Plus en détail

Présentation CaSciModOT Performances et Architectures

Présentation CaSciModOT Performances et Architectures Présentation CaSciModOT Performances et Architectures Code parallèle : Un peu de théorie Architectures variables : C(n,p)? Quel code? Quelle architecture? Structure d un code : partie parallèle / séquentielle

Plus en détail

Mémoire virtuelle. Généralités

Mémoire virtuelle. Généralités Mémoire virtuelle Généralités La pagination pure - Conversion d adresses virtuelles en adresses physiques - Table des pages à plusieurs niveau et table inversée - Algorithmes de remplacement de page -

Plus en détail

L'adaptateur de la série QLE10000 garantit des avantages applicatifs grâce à la mise en cache E/S

L'adaptateur de la série QLE10000 garantit des avantages applicatifs grâce à la mise en cache E/S L'adaptateur de la série QLE10000 garantit des avantages applicatifs grâce à la mise en cache E/S La technologie de mise en cache FabricCache de QLogic offre des performances évolutives aux applications

Plus en détail

Solveur linéaire sur GPU

Solveur linéaire sur GPU Thomas JOST 1 Sylvain CONTASSOT-VIVIER 1,2 Stéphane VIALLE 1,3 1 Équipe AlGorille, LORIA 2 Université Henri Poincaré Nancy 1 3 Équipe IMS Supélec (Metz) 1 Introduction 2 Contraintes et algorithmes Structure

Plus en détail

SIMSURF Vers une simulation réaliste des états de surfaces par calculs massivement parallèles sur processeurs graphiques

SIMSURF Vers une simulation réaliste des états de surfaces par calculs massivement parallèles sur processeurs graphiques SIMSURF Vers une simulation réaliste des états de surfaces par calculs massivement parallèles sur processeurs graphiques Félix Abecassis École Normale Supérieure de Cachan Rapport de Stage Février - Juillet

Plus en détail

Centre de calcul de l ub

Centre de calcul de l ub Centre de calcul de l ub Formation Présentation et utilisation du cluster de Calcul Antoine Migeon ccub@u-bourgogne.fr Tel : 5205 ou 5270 Le Centre de Calcul de l ub (ccub) Dédié à l enseignement et à

Plus en détail

La plate-forme DIMA. Master 1 IMA COLI23 - Université de La Rochelle

La plate-forme DIMA. Master 1 IMA COLI23 - Université de La Rochelle La plate-forme DIMA Master 1 IMA COLI23 - Université de La Rochelle DIMA Bref aperçu Qu'est-ce? Acronyme de «Développement et Implémentation de Systèmes Multi-Agents» Initié par Zahia Guessoum et Jean-Pierre

Plus en détail

Informatique générale - processeurs

Informatique générale - processeurs Université de Nice Sophia Antipolis Licence 1 Sciences Fondamentales Informatique Générale Processeurs Jacques Farré (d'après Fabrice Huet, Wikipedia... et bien d'autres) Jacques.Farre@unice.fr http://deptinfo.unice.fr/~jf/infogene

Plus en détail

Base de l'informatique. Généralité et Architecture Le système d'exploitation Les logiciels Le réseau et l'extérieur (WEB)

Base de l'informatique. Généralité et Architecture Le système d'exploitation Les logiciels Le réseau et l'extérieur (WEB) Base de l'informatique Généralité et Architecture Le système d'exploitation Les logiciels Le réseau et l'extérieur (WEB) Généralité Comment fonctionne un ordinateur? Nous définirons 3 couches Le matériel

Plus en détail

Du 19 au 22 novembre 2012.

Du 19 au 22 novembre 2012. Formation Linux embarqué et Pierre Ficheux (pierre.ficheux@openwide.fr) Du 19 au 22 novembre 2012. 1 MODIFICATIONS VERSION DATE AUTEUR(S) DESCRIPTION 1.0 20/1/2011 P. Ficheux Création 1.1 5/12/2011 P.

Plus en détail

Simulation des mouvements de protéines membranaires Application aux Complexes II et III de la chaine respiratoire

Simulation des mouvements de protéines membranaires Application aux Complexes II et III de la chaine respiratoire Simulation des mouvements de protéines membranaires Application aux Complexes II et III de la chaine respiratoire M. Beurton-Aimar 1 N. Parisey 2 F. Vallée 1 1 UMR 5800 - LaBRI - Université de Bordeaux

Plus en détail

Structure du bus système Gestion du bus système Fonctionnement des périphériques

Structure du bus système Gestion du bus système Fonctionnement des périphériques Périphériques et bus système Structure du bus système Gestion du bus système Fonctionnement des s MÉMOIRE PRINCIPALE BUS SYSTÈME Cache d'instructions MMU TLB Unité de de contrôle Unité de de traitement

Plus en détail

Architecture des Ordinateurs. Partie II:

Architecture des Ordinateurs. Partie II: Architecture des Ordinateurs Partie II: Le port Floppy permet le raccordement du lecteur de disquette àla carte mère. Remarque: Le lecteur de disquette a disparu il y a plus de 6 ans, son port suivra.

Plus en détail

Chap. 2 - Structure d un ordinateur

Chap. 2 - Structure d un ordinateur Architecture des ordinateurs Michèle Courant S2-27 octobre 2004 Chap. 2 - Structure d un ordinateur 2.1 Processeur ou unité centrale (CPU) 2.1.1 Organisation du CPU 2.1.2 Exécution d une instruction 2.1.3

Plus en détail

Programmation parallèle CPU / GPU

Programmation parallèle CPU / GPU Pré-rapport de stage de Master 2 Professionnel Mention Informatique Spécalité Systèmes et Applications Répartis Parcours Systèmes répartis embarqués ou temps-réel Programmation parallèle CPU / GPU Auteur

Plus en détail

Gestion des processus / Gestion de la mémoire

Gestion des processus / Gestion de la mémoire Gestion des processus / Gestion de la mémoire Alexis Lechervy d après un cours de Jacques Madelaine Université de Caen A. Lechervy (Université de Caen) Gestion des processus / Gestion de la mémoire 1 /

Plus en détail

Parallélisme, Algorithmes PRAM

Parallélisme, Algorithmes PRAM , Armelle Merlin L.I.F.O Laboratoire d'informatique Fondamentale d'orléans Transparents inspirés des cours de G. Hains et de B. Virot Plan 1 Introduction Langages parallèles Les architectures parallèles

Plus en détail

CPU ou UCT. Circuit Intégré. Processor (data processing)

CPU ou UCT. Circuit Intégré. Processor (data processing) CPU ou UCT Processor (data processing) Le processeur est une unité d exécution, plus précisément appelée unité centrale de traitement (désignée en franç.par UCT, en ang. CPU (Central Processing Unit) CPU+mémoire

Plus en détail

Principes de fonctionnement des machines binaires

Principes de fonctionnement des machines binaires Principes de fonctionnement des machines binaires Cédric Herpson cedric.herpson@lip6.fr http://www-desir.lip6.fr/~herpsonc/pf1.htm Le contenu de ces transparents est basé sur les cours de Jean-Marie Rifflet

Plus en détail

Environnement informatique

Environnement informatique Environnement informatique 1.L'ordinateur personnel Un ordinateur est une machine faite de matériel et de logiciel. D'un côté, le matériel (hardware) est constitué par la partie de la machine que l'on

Plus en détail

Simulation multi GPU d un logiciel de métagénomique. Dany Tello, Mathieu Almeida

Simulation multi GPU d un logiciel de métagénomique. Dany Tello, Mathieu Almeida Simulation multi GPU d un logiciel de métagénomique appliqué à la flore intestinale humaine Dany Tello, Mathieu Almeida Le microbiote intestinal humain : un organe négligé 100 trillions de micro organismes;

Plus en détail

Maarch Framework 3 - Maarch. Tests de charge. Professional Services. http://www.maarch.fr. 11, bd du Sud Est 92000 Nanterre

Maarch Framework 3 - Maarch. Tests de charge. Professional Services. http://www.maarch.fr. 11, bd du Sud Est 92000 Nanterre Maarch Professional Services 11, bd du Sud Est 92000 Nanterre Tel : +33 1 47 24 51 59 Fax : +33 1 47 24 54 08 Maarch Framework 3 - Maarch PS anime le développement d un produit d archivage open source

Plus en détail

Architecture des ordinateurs. Optimisation : pipeline. Pipeline (I) Pipeline (II) Exemple simplifié : Instructions de type R

Architecture des ordinateurs. Optimisation : pipeline. Pipeline (I) Pipeline (II) Exemple simplifié : Instructions de type R Architecture des ordinateurs Licence Informatique - Université de Provence Jean-Marc Talbot Optimisation : pipeline jtalbot@cmi.univ-mrs.fr L3 Informatique - Université de Provence () Architecture des

Plus en détail

Formation en Calcul Scientifique - LIEM2I

Formation en Calcul Scientifique - LIEM2I Formation en Calcul Scientifique - LIEM2I Introduction au calcul parallèle Loïc Gouarin, Violaine Louvet, Laurent Series Groupe Calcul CNRS 9-13 avril 2012 Loïc Gouarin, Violaine Louvet, Laurent Series

Plus en détail

Evolution des technologies de calcul intensif vers les systèmes multi-cœurs et accélérateurs

Evolution des technologies de calcul intensif vers les systèmes multi-cœurs et accélérateurs Evolution des technologies de calcul intensif vers les systèmes multi-cœurs et accélérateurs Marc Mendez-Bermond Expert solutions HPC Programme Contexte Technologies Evolutions 2 Confidentiel Research

Plus en détail

Architecture des GPU et principes de base de CUDA

Architecture des GPU et principes de base de CUDA M2 Informatique/SSSR - ALA Architecture des GPU et principes de base de CUDA Stéphane Vialle Stephane.Vialle@centralesupelec.fr http://www.metz.supelec.fr/~vialle Architecture des GPU et principes de base

Plus en détail

L'ÉNERGIE DANS LES BASES DE DONNÉES

L'ÉNERGIE DANS LES BASES DE DONNÉES L'ÉNERGIE DANS LES BASES DE DONNÉES Amine Roukh Faculté des Sciences Exactes & Informatique Université de Mostaganem amineroukh@gmail.com CONTEXTE L'amélioration de performance des systèmes informatiques

Plus en détail

Adaptateur de réseau convergent de choix pour le FCoE dans les centres de données virtualisés

Adaptateur de réseau convergent de choix pour le FCoE dans les centres de données virtualisés Adaptateur de réseau convergent de choix pour le FCoE dans les centres de données virtualisés L'adaptateur QLogic est plus performant que le modèle Emulex UCNA Principaux résultats L'adaptateur de réseau

Plus en détail

Jérôme Clet-Ortega. Modèles hybrides de programmation pour architectures parallèles

Jérôme Clet-Ortega. Modèles hybrides de programmation pour architectures parallèles + Jérôme Clet-Ortega Modèles hybrides de programmation pour architectures parallèles + Présentation 2 Équipe projet RUNTIME Dirigée par Raymond Namyst Supports exécutifs pour le calcul hautes performances

Plus en détail

Happy birthday ZSet High performance computing dans ZSet

Happy birthday ZSet High performance computing dans ZSet Happy birthday ZSet High performance computing dans ZSet F. Feyel & P. Gosselet Architectures SMP NUMA memory memory memory Distribué memory memory 2 memory memory Hybride memory memory memory memory memory

Plus en détail

Journée Utiliateurs 2015. Nouvelles du Pôle ID (Informatique) Pierre Neyron, LIG/CNRS

Journée Utiliateurs 2015. Nouvelles du Pôle ID (Informatique) Pierre Neyron, LIG/CNRS Journée Utiliateurs 2015 Nouvelles du Pôle ID (Informatique) Pierre Neyron, LIG/CNRS 1 Pôle ID, Grid'5000 Ciment Une proximité des platesformes Autres sites G5K Grenoble + CIMENT Pôle ID = «Digitalis»

Plus en détail

Exécution des instructions machine

Exécution des instructions machine Exécution des instructions machine Eduardo Sanchez EPFL Exemple: le processeur MIPS add a, b, c a = b + c type d'opération (mnémonique) destination du résultat lw a, addr opérandes sources a = mem[addr]

Plus en détail

TAI049 Utiliser la virtualisation en assistance et en dépannage informatique TABLE DES MATIERES

TAI049 Utiliser la virtualisation en assistance et en dépannage informatique TABLE DES MATIERES TAI049 Utiliser la virtualisation en assistance et en dépannage informatique TABLE DES MATIERES 1 DECOUVERTE DE LA VIRTUALISATION... 2 1.1 1.2 CONCEPTS, PRINCIPES...2 UTILISATION...2 1.2.1 Formation...2

Plus en détail

Support avancé pour les entreprises. 4èmes journées mésocentres 20/21 Septembre 2011

Support avancé pour les entreprises. 4èmes journées mésocentres 20/21 Septembre 2011 Support avancé pour les entreprises 4èmes journées mésocentres 20/21 Septembre 2011 Patrick BOUSQUET-MÉLOU CRIHAN - Centre de Ressources Informatiques de Haute-Normandie Introduction Pôle Régional de Modélisation

Plus en détail

Yourcegid Ressources Humaines Pack On Demand. Prérequis Techniques Yourcegid Ressources Humaines Pack On Demand

Yourcegid Ressources Humaines Pack On Demand. Prérequis Techniques Yourcegid Ressources Humaines Pack On Demand Yourcegid Ressources Humaines Pack On Demand Prérequis Techniques Yourcegid Ressources Humaines Pack On Demand Prérequis Sommaire 1. PREAMBULE... 3 2. PREREQUIS RESEAU... 4 Généralités... 4 Accès Télécom

Plus en détail

Portage, optimisation et développement de logiciels de calcul sur architectures GPU et hybrides PSA PEUGEOT CITROËN

Portage, optimisation et développement de logiciels de calcul sur architectures GPU et hybrides PSA PEUGEOT CITROËN Portage, optimisation et développement de logiciels de calcul sur architectures GPU et hybrides PSA PEUGEOT CITROËN Benoît DESCHAMPS PSA Peugeot Citroën 29/06/11 INDEX Présentations activités Réalité Virtuelle

Plus en détail

Dossier de Presse CALCUL HAUTE PERFORMANCE SCILAB ENTERPRISES INNOVE POUR PLUS DE PERFORMANCE. Contact Presse : 01 80 77 04 79

Dossier de Presse CALCUL HAUTE PERFORMANCE SCILAB ENTERPRISES INNOVE POUR PLUS DE PERFORMANCE. Contact Presse : 01 80 77 04 79 Dossier de Presse CALCUL HAUTE PERFORMANCE SCILAB ENTERPRISES INNOVE POUR PLUS DE PERFORMANCE Contact Presse : 01 80 77 04 79 Julie Paul julie.paul@scilab-enterprises.com 01 Sommaire En bref En bref scigpgpu,

Plus en détail

Leçon 1 : Les principaux composants d un ordinateur

Leçon 1 : Les principaux composants d un ordinateur Chapitre 2 Architecture d un ordinateur Leçon 1 : Les principaux composants d un ordinateur Les objectifs : o Identifier les principaux composants d un micro-ordinateur. o Connaître les caractéristiques

Plus en détail

Architecture des Ordinateurs. Partie II:

Architecture des Ordinateurs. Partie II: Architecture des Ordinateurs Partie II: Définition: On appelle mémoire tout composant électronique capable de stocker temporairement des données. Catégories: On distingue plusieurs catégories de mémoires

Plus en détail

Introduction à CUDA. gael.guennebaud@inria.fr

Introduction à CUDA. gael.guennebaud@inria.fr 36 Introduction à CUDA gael.guennebaud@inria.fr 38 Comment programmer les GPU? Notion de kernel exemple (n produits scalaires): T ci =ai b ( ai, b : vecteurs 3D, ci for(int i=0;i

Plus en détail

MATÉRIEL GRAPHIQUE POUR LE CALCUL SCIENTIFIQUE. François Rousselle LISIC Image et Apprentissage OASIS

MATÉRIEL GRAPHIQUE POUR LE CALCUL SCIENTIFIQUE. François Rousselle LISIC Image et Apprentissage OASIS MATÉRIEL GRAPHIQUE POUR LE CALCUL SCIENTIFIQUE François Rousselle LISIC Image et Apprentissage OASIS Cadre BQR 2010 CGR LISIC LMPA : Réalisation d'une plateforme générique de calcul intensif pour cartes

Plus en détail

RAPPORT DE STAGE Calcul parallèle sur GPU

RAPPORT DE STAGE Calcul parallèle sur GPU Université Joseph Fourier Département Licence Sciences & Technologie RAPPORT DE STAGE Calcul parallèle sur GPU D Aguanno Carlotta Laboratoire d accueil : INRIA Directeur du laboratoire : GROS Patrick Responsable

Plus en détail