Délégation GPU des perceptions agents : application aux boids de Reynolds

Dimension: px
Commencer à balayer dès la page:

Download "Délégation GPU des perceptions agents : application aux boids de Reynolds"

Transcription

1 Délégation GPU des perceptions agents : application aux boids de Reynolds JFSMA 2015 LIRMM - Université de Montpellier - CNRS Emmanuel Hermellin, Fabien Michel {hermellin, Mercredi 1 Juillet /31 JFSMA 2015

2 Simulation multi-agents Des simulations couteuses en temps de calcul Scalabilité du modèle Importance de la visualisation 2/31 JFSMA 2015

3 General Purpose on Graphics Processing Unit 3/31 JFSMA 2015

4 Comparatif des performances 4/31 JFSMA 2015

5 Simulation multi-agents et GPGPU [Hermellin-JFSMA-2014] 5/31 JFSMA 2015

6 L approche hybride Avantages conceptuels Utiliser conjointement CPU et GPU Plus flexible qu une approche all-in-gpu Augmente l accessibilité des outils développés Quelques exemples Portage de Sworm [Laville-2012] : adhoc Simulation de trafic routier [Sanos-AAMAS-2014] : adhoc MCMAS [Laville-2014] : framework / librairie 6/31 JFSMA 2015

7 Délégation GPU des perceptions agents Le principe [Michel-JFSMA-2013] "Tout calcul de perception agent qui n implique pas l état de l agent peut être transformé dans une dynamique endogène de l environnement, et ainsi considéré pour une implémentation dans un module GPU indépendant." 7/31 JFSMA 2015

8 Objectifs et motivations sur un modèle différent du cas d étude Généricité et faisabilité de l approche Bénéfices et limites 8/31 JFSMA 2015

9 Les boids de Reynolds Notre modèle 1 Flocking Les boids de Reynolds Notre modèle 2 de la délégation GPU au flocking Création du module GPU 3 Protocole de test Résultats 9/31 JFSMA 2015

10 Les boids de Reynolds Notre modèle Le modèle de Reynolds [Reynolds-1987] R.1 Séparation R.2 Alignement R.2 Cohésion 3 règles comportementales R.1 Collision Avoidance : éviter les collisions entre entités R.2 Flock Centering : rester le plus proche possible des autres entités R.3 Velocity matching : adapter sa vitesse à celles des autres entités 10/31 JFSMA 2015

11 Les boids de Reynolds Notre modèle Différentes implémentations Plate-forme Implémentation règles de Reynolds Collision Cohesion R.1 R.2 Velocity R.3 Caractéristiques principales NetLogo X X R.3 n est pas implémentée : la vitesse des agents est fixée pendant toute la simulation StarLogo X Implémentation minimaliste (seul l évitement d obstacle est implémenté) Gama X X X Comportement de flocking seulement lorsque les agents acquièrent une cible MasOn X X Les règles R.1 et R.2 sont réinterprétées en un calcul de vecteur global qui intègre de l aléatoire, aucune gestion de la vitesse Flame GPU X X X Les trois règles sont respectées et implémentées telles que définies par Reynolds Table : Les boids dans les plates-formes SMA 11/31 JFSMA 2015

12 Les boids de Reynolds Notre modèle Bilan et Objectifs Bilan des implémentations Grande variété d interprétations Alignement et cohésion (R.2) sont confondus ou fusionnés R.3 est la moins prise en compte Nos objectifs S inspirer des modèles précédents Expliciter R.1, R.2 et R.3 Créer un modèle simple et minimaliste 12/31 JFSMA 2015

13 Les boids de Reynolds Notre modèle 5 comportements différents Calcul de l orientation Séparation (R.1) Alignement (R.2) Cohésion (R.2) Mouvement Adaptation de la vitesse (R.3) Déplacement 13/31 JFSMA 2015

14 Les boids de Reynolds Notre modèle Processus décisionnel des boids 14/31 JFSMA 2015

15 au flocking Création du module GPU 1 Flocking Les boids de Reynolds Notre modèle 2 de la délégation GPU au flocking Création du module GPU 3 Protocole de test Résultats 15/31 JFSMA 2015

16 Flocking au flocking Création du module GPU du principe MaDKit 5 JCuda Cuda TurtleKit 3 Turtle manipule * Pheromone +diffusion() +evaporation() {exécution du kernel} GPU diffusion pheromones.cu JavaPheromone CudaPheromone Cas d étude sur un modèle d émergence [Michel-JFSMA-2013] Transformation des comportements en dynamiques environnementales Calculs de perception ne faisant pas intervenir l état des agents. 16/31 JFSMA 2015

17 au flocking Création du module GPU Évolution du principe Pas de perception indépendante des "états" des agents Adaptation pour le flocking Nécessité de rendre le principe de délégation plus précis Identification de calculs qui ne modifient pas les états des agents Différencier le corps et l esprit de l agent 17/31 JFSMA 2015

18 au flocking Création du module GPU de la délégation Comportement de cohésion Réaliser la moyenne des orientations des agents Ne modifie pas l état des agents Les agents réalisent ce calcul dans leur comportement Parcours de boucle lourd et couteux foreach bird in nearestneighborslist do sumofheading+ = getheading(bird); end neighborsaverageheading = sumofheading/sizeof (nearestneighborslist) ; 18/31 JFSMA 2015

19 au flocking Création du module GPU Traduction du calcul des orientations moyennes Identification du calcul... Le calcul de l orientation moyenne ne modifie pas l état des agents...et délégation dans l environnement 1 Déporter l information "orientation" dans l environnement 2 Le GPU calcule les orientations moyennes 3 Les agents perçoivent le résultat en fonction de leur position 19/31 JFSMA 2015

20 au flocking Création du module GPU Architecture GPU et environnement Architecture GPU Modèle d environnement discrétisé 20/31 JFSMA 2015

21 au flocking Création du module GPU Création du kernel Average Average Kernel input : width, height, fieldofview, headingarray and nearestneighborslist output : flockcentering (la moyenne des directions) 1 i = blockidx.x blockdim.x + threadidx.x ; 2 j = blockidx.y blockdim.y + threadidx.y ; 3 sumofheading, flockcentering = 0 ; 4 if i < width and j < height then 5 sumofheading = getheading(fieldofview, headingarray[i, j]); 6 end 7 flockcentering[i, j] = sumofheading/sizeof (nearestneighborslist) ; La parallélisation du calcul est réalisée grâce à l architecture matérielle 21/31 JFSMA 2015

22 au flocking Création du module GPU Implémentation hybride Généricité et réutilisabilité 22/31 JFSMA 2015

23 Protocole de test Résultats 1 Flocking Les boids de Reynolds Notre modèle 2 de la délégation GPU au flocking Création du module GPU 3 Protocole de test Résultats 23/31 JFSMA 2015

24 Protocole de test Résultats Protocole de test Plusieurs tailles d environnement Faire varier le nombre d agents Version séquentielle CPU Vs version parallèle GPU Temps de calcul moyen en millisecondes (ms) pour une itération Intel Core i7 (génération Haswell, 3.40GHz), 16 Go de RAM Nvidia Quadro K4000 (génération Kepler, 768 coeurs CUDA) 24/31 JFSMA 2015

25 Protocole de test Résultats Performances : environnement 256 et /31 JFSMA 2015

26 Protocole de test Résultats Résultats sur le principe Bénéfices Gains de performances Pas besoin de connaissances approfondies en GPGPU Module GPU créé indépendant du modèle agent Meilleure généricité et réutilisabilité des outils créés 26/31 JFSMA 2015

27 Protocole de test Résultats Résultats sur le principe Bénéfices Gains de performances Pas besoin de connaissances approfondies en GPGPU Module GPU créé indépendant du modèle agent Meilleure généricité et réutilisabilité des outils créés Limites Mais compétences en GPGPU nécessaires Améliorer l accessibilité : les outils (TurtleKit) sont en version alpha 26/31 JFSMA 2015

28 Conclusion Objectifs Résumé Tester la généricité et les avantages que peut apporter la délégation GPU 1 Modélisation des boids de Reynolds 2 Adaptation du principe de délégation 3 de la délégation 27/31 JFSMA 2015

29 Conclusion Contributions Évolution du principe de délégation Déporter les calculs ne modifiant pas les états des agents possible du principe sur un grand nombre de modèles Garder les performances 28/31 JFSMA 2015

30 Perspectives à court terme sur d autres modèles Créer une librairie de modules GPU... à long terme Proposer une méthodologie de conception GPU 29/31 JFSMA 2015

31 Modèle en action 30/31 JFSMA 2015

32 Merci pour votre attention hermellin/website/reynolds_boids_with_turtlekit.html 31/31 JFSMA 2015

33 Modèle de programmation 32/31 JFSMA 2015

34 Correspondance entre Grille et Multi-cœurs 33/31 JFSMA 2015

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

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

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

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

État de l art des simulations multi-agents sur GPU

État de l art des simulations multi-agents sur GPU État de l art des simulations multi-agents sur GPU Emmanuel Hermellin Fabien Michel Jacques Ferber emmanuel.hermellin@lirmm.fr fmichel@lirmm.fr ferber@lirmm.fr LIRMM - Laboratoire Informatique Robotique

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

Contributions à l'apprentissage automatique de réseau de contraintes et à la constitution automatique de comportements sensorimoteurs en robotique.

Contributions à l'apprentissage automatique de réseau de contraintes et à la constitution automatique de comportements sensorimoteurs en robotique. Contributions à l'apprentissage automatique de réseau de contraintes et à la constitution automatique de comportements sensorimoteurs en robotique. Mathias PAULIN LIRMM (CNRS, Univ. Montpellier II) 161

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

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

Contrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs. Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle

Contrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs. Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle Contrôle Non Destructif : Implantation d'algorithmes sur GPU et multi-coeurs Gilles Rougeron CEA/LIST Département Imagerie Simulation et Contrôle 1 CEA R & D for Nuclear Energy 5 000 people Nuclear systems

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

Systèmes Multi-Agents et GPGPU : état des lieux et directions pour l avenir

Systèmes Multi-Agents et GPGPU : état des lieux et directions pour l avenir Systèmes Multi-Agents et GPGPU : état des lieux et directions pour l avenir Emmanuel Hermellin a emmanuel.hermellin@lirmm.fr Fabien Michel a fmichel@lirmm.fr Jacques Ferber a ferber@lirmm.fr a LIRMM -

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

TD - Programmation CUDA

TD - Programmation CUDA TD - Programmation CUDA P. Bakowski P.Bakowski 1 Terminologie de CUDA L'hôte. est le CPU, c'est lui qui demande au périphérique (le GPU) d'effectuer les calculs. P.Bakowski 2 Terminologie de CUDA Un kernel

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

IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE»

IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE» IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE» Henri Payno - Cyril Bailly 1/12/2011 SOMMAIRE 1. Introduction... 3 2. Contraintes... 3 3. Architecture globale... 4 4. Interface... 5 A. Scène

Plus en détail

Les données massives à Calcul Québec

Les données massives à Calcul Québec Les données massives à Calcul Québec Marc Parizeau, professeur et directeur scientifique de Calcul Québec Plan Calcul Québec / Calcul Canada Les outils et les services disponibles Un outil en particulier

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

Générateur de code de simulation à partir de l information de localisation du produit

Générateur de code de simulation à partir de l information de localisation du produit Générateur de code de simulation à partir de l information de localisation du produit Andrés VÉJAR Patrick CHARPENTIER prénom.nom@cran.uhp-nancy.fr Centre de Recherche en Automatique de Nancy (CRAN), CNRS

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

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

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

Programmation efficace des multicœurs Application a la visualisation scientifique

Programmation efficace des multicœurs Application a la visualisation scientifique Programmation efficace des multicœurs Application a la visualisation scientifique Marc Tchiboukdjian Doctorant 3e me anne e Jean-Philippe Nomine Encadrant CEA Vincent Danjean Directeur de the se Bruno

Plus en détail

Optimisation de requêtes. I3009 Licence d informatique 2015/2016. Traitement des requêtes

Optimisation de requêtes. I3009 Licence d informatique 2015/2016. Traitement des requêtes Optimisation de requêtes I3009 Licence d informatique 2015/2016 Cours 5 - Optimisation de requêtes Stéphane.Gançarski Stephane.Gancarski@lip6.fr Traitement et exécution de requêtes Implémentation des opérateurs

Plus en détail

CATALOGUE DE FORMATIONS OPTIMISATION DE PERFORMANCE ET ARCHITECTURES PARALLÈLES

CATALOGUE DE FORMATIONS OPTIMISATION DE PERFORMANCE ET ARCHITECTURES PARALLÈLES CATALOGUE DE FORMATIONS OPTIMISATION DE PERFORMANCE ET ARCHITECTURES PARALLÈLES Trois types de formation LES FORMATEURS Les experts techniques AS+ Groupe EOLEN disposent d une réelle expérience pratique

Plus en détail

Modélisation et simulation de SMA gestion du temps

Modélisation et simulation de SMA gestion du temps Modélisation et simulation de SMA gestion du temps Problèmes / solutions MASTER RECHERCHE Fabien MICHEL fmichel@lirmm.fr 8 / 3 / 2010 1 Plan I Simulation multi-agents (rappels) II Exemple de problèmes

Plus en détail

Gestion dynamique des tâches dans les grappes

Gestion dynamique des tâches dans les grappes Gestion dynamique des tâches dans les grappes une approche à base de machines virtuelles Fabien Hermenier Équipe ASCOLA, École des Mines de Nantes 26 novembre 2009 Fabien Hermenier (ASCOLA) Gestion dynamique

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

Xeon Phi au CRIHAN. Patrick BOUSQUET-MÉLOU (pbm@crihan.fr) 16 Juin 2015

Xeon Phi au CRIHAN. Patrick BOUSQUET-MÉLOU (pbm@crihan.fr) 16 Juin 2015 Xeon Phi au CRIHAN Patrick BOUSQUET-MÉLOU (pbm@crihan.fr) 16 Juin 2015 Objectifs Veille technologique architecture many-core Se former pour préparer les utilisateurs au Xeon Phi «Knights Landing» (2016)

Plus en détail

Présentation du PL/SQL

Présentation du PL/SQL I Présentation du PL/ Copyright Oracle Corporation, 1998. All rights reserved. Objectifs du Cours A la fin de ce chapitre, vous saurez : Décrire l intéret du PL/ Décrire l utilisation du PL/ pour le développeur

Plus en détail

Résultats des benchmarks de HPC1 après ajout de 100 cœurs. Date : 06/09/2012. Auteur : Ph Parnaudeau

Résultats des benchmarks de HPC1 après ajout de 100 cœurs. Date : 06/09/2012. Auteur : Ph Parnaudeau Résultats des benchmarks de HPC1 après ajout de 1 cœurs. Date : 6/9/212 Auteur : Ph Parnaudeau 1. Evolution de la configuration la plate forme de calcul du LJLL : HPC1 HPC1 1 Février 211 : UV1 est une

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

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

Introduction SIO Utilisation Conclusion Cluster au SIO

Introduction SIO Utilisation Conclusion Cluster au SIO Cluster au SIO ALBERT SHIH 1 1 Observatoire de Paris - Meudon 21 février 2008 Type de «machines» de calcul Mémoire partagée Tous les processeurs accèdent à toute la mémoire avec un même espace d adressage.

Plus en détail

MADEO, une approche MDA pour la programmation et la synthèse d'architectures reconfigurables

MADEO, une approche MDA pour la programmation et la synthèse d'architectures reconfigurables Equipe Architectures et Systèmes, LESTER, (FRE 2734), Université de Bretagne Occidentale MADEO, une approche MDA pour la programmation et la synthèse d'architectures reconfigurables S. Le Beux et L. Lagadec

Plus en détail

Table des Matières. Table des Figures 7. Introduction Générale 9. Chapitre 1 - Langages de description d architectures matérielles hybrides 23

Table des Matières. Table des Figures 7. Introduction Générale 9. Chapitre 1 - Langages de description d architectures matérielles hybrides 23 Table des Figures 7 Introduction Générale 9 1. Outils et plate-formes de construction d application 9 2. Intégration de paradigmes de conception dans le cycle de vie 10 2.1. Equilibrage de charge et équilibrage

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

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

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

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

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

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

Conduite et Gestion de Projet Introduction à l architecture MVC

Conduite et Gestion de Projet Introduction à l architecture MVC /17 Conduite et Gestion de Projet Introduction à l architecture MVC Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de

Plus en détail

Une Plate-forme d Émulation Légère pour Étudier les Systèmes Pair-à-Pair

Une Plate-forme d Émulation Légère pour Étudier les Systèmes Pair-à-Pair Une Plate-forme d Émulation Légère pour Étudier les Systèmes Pair-à-Pair Lucas Nussbaum Laboratoire Informatique et Distribution Laboratoire ID-IMAG Projet MESCAL RenPar 17 Lucas Nussbaum Émulation légère

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

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

Intégration de la plateforme de simulation SOFA dans un simulateur de chirurgie laparoscopique

Intégration de la plateforme de simulation SOFA dans un simulateur de chirurgie laparoscopique Intégration de la plateforme de simulation SOFA dans un simulateur de chirurgie laparoscopique Darina Dimitrova Laboratoire Recherche et Développement de l IRCAD (Institut National de Recherche contre

Plus en détail

CONVOLUTION SUR PROCESSEURS GRAPHIQUES]

CONVOLUTION SUR PROCESSEURS GRAPHIQUES] 2010 Semestre 4 Thème TI IUT de Cachan [ITHMES DE CONVOLUTION SUR PROCESSEURS GRAPHIQUES] Programmation massivement parallèle «Le langage est source de malentendus.» St. Exupéry Date de réception du rapport...

Plus en détail

Simulation des réseaux de capteurs sans fil de grande taille

Simulation des réseaux de capteurs sans fil de grande taille Simulation des réseaux de capteurs sans fil de grande taille Cheick-Tidjane KONE Directeurs: Francis LEPAGE Co-encadrant : Michael DAVID Journée thématique RGE Jeudi 3 juin 2010 Qu est-ce qu un réseau

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.hede@cea.fr Commissariat à l'energie Atomique List sensorielles 13/05/07 1 Plan Le CEA, le Lic2m

Plus en détail

Chapitre 9 HLA distributed simulation approaches for supply chain

Chapitre 9 HLA distributed simulation approaches for supply chain Présentation livre Simulation for Supply Chain Management Chapitre 9 HLA distributed simulation approaches for supply chain B. Archimède, P. Charbonnaud, F. Ounnar, P. Pujo Contexte et motivation Problématique

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

Retour d expérience RATP. Intégrer le test de performance au cœur du processus de développement agile. Challenges, techniques, résultats.

Retour d expérience RATP. Intégrer le test de performance au cœur du processus de développement agile. Challenges, techniques, résultats. Retour d expérience RATP Intégrer le test de performance au cœur du processus de développement agile. Challenges, techniques, résultats. Les intervenants Alexis Bourgeois Chef de projet MOE (front web)

Plus en détail

Open SD2S 1. DESCRIPTION 2. HISTORIQUE 3. ARCHITECTURE 3.1. MODULARITE

Open SD2S 1. DESCRIPTION 2. HISTORIQUE 3. ARCHITECTURE 3.1. MODULARITE Open SD2S 1. DESCRIPTION OpenSD2S (Open Scalable Driving Simulation Software) a été une initiative de l ENSAM en collaboration avec Renault (Centre Technique de Simulation) pour développer un logiciel

Plus en détail

Principes et premiers résultats de la plate forme de multi simulation

Principes et premiers résultats de la plate forme de multi simulation Principes et premiers résultats de la plate forme de multi simulation distribuée DACCOSIM Chérifa Dad, Supélec UMI GT CNRS Virginie Galtier, Supélec UMI GT CNRS Jean Philippe Lam Yee Mui EDF R&D MIRE Jean

Plus en détail

Délégation GPU des perceptions agents : intégration itérative et modulaire du GPGPU dans les simulations multi-agents

Délégation GPU des perceptions agents : intégration itérative et modulaire du GPGPU dans les simulations multi-agents Délégation GPU des perceptions agents : intégration itérative et modulaire du GPGPU dans les simulations multi-agents Application sur la plate-forme TurtleKit 3 Fabien Michel Laboratoire d Informatique,

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

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

Simulation de réseaux de capteurs et mobiles sur processeurs graphiques,

Simulation de réseaux de capteurs et mobiles sur processeurs graphiques, Simulation de réseaux de capteurs et mobiles sur processeurs graphiques, Bernard Pottier* Thibault Failler+, Nicolas Melot+,.. Université de Brest (UBO) *LabSTICC, UMR 3192 + Master info. Dept Informatique,

Plus en détail

Soutenance de Thèse. Analyses statistiques des communications sur puce

Soutenance de Thèse. Analyses statistiques des communications sur puce Soutenance de Thèse Analyses statistiques des communications sur puce Antoine Scherrer LIP - ENS Lyon Equipe Compsys 11 décembre 26 A. Scherrer - Analyses statistiques des communications sur puce 1 / 4

Plus en détail

Portage et optimisation d applications de traitement d images sur architecture Kalray Mppa-Manycore Journées de la Compilation

Portage et optimisation d applications de traitement d images sur architecture Kalray Mppa-Manycore Journées de la Compilation Portage et optimisation d applications traitement d images sur architecture Kalray Mppa-Manycore Journées la Compilation Pierre Guillou Centre recherche en informatique Mines ParisTech 4 décembre 2013

Plus en détail

Practice HPC. Retour d expérience Xeon PHI. Février 2012. Damien DUBUC Expert HPC software. 28/03/2013 ANEO Tous droits réservés 1

Practice HPC. Retour d expérience Xeon PHI. Février 2012. Damien DUBUC Expert HPC software. 28/03/2013 ANEO Tous droits réservés 1 Retour d expérience Xeon PHI Damien DUBUC Expert HPC software Février 2012 28/03/2013 ANEO Tous droits réservés 1 Quel est notre rôle? Présenter o Gérer un portefeuille clients nécessitant des optimisations

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

Parallélisation. Parallélisation. 1 Applications. 2 Historique. 3 Parallélisme au niveau du circuit. 4 Coprocesseur.

Parallélisation. Parallélisation. 1 Applications. 2 Historique. 3 Parallélisme au niveau du circuit. 4 Coprocesseur. Parallélisation 1 Applications 2 Historique 3 Parallélisme au niveau du circuit 4 Coprocesseur 5 Multiprocesseur 6 Multi-ordinateur 7 grille (Université Bordeaux 1) Architecture de l Ordinateur 2007-2008

Plus en détail

Fungus VALVASSORI MOÏSE. 9 avril 2004

Fungus VALVASSORI MOÏSE. 9 avril 2004 Fungus VALVASSORI MOÏSE 9 avril 2004 Plan 1. Vie Artificielle 2. Plateforme de simulation 3. Travaux et perspectives 9 avril 2004 séminaire IARM - P8 Valvassori Moïse 1 Vie Artificielle biologie du possible

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

Aide à la conception de Système d Information Collaboratif, support de l interopérabilité des entreprises

Aide à la conception de Système d Information Collaboratif, support de l interopérabilité des entreprises Aide à la conception de Système d Information Collaboratif, support de l interopérabilité des entreprises Jihed Touzi, Frédérick Bénaben, Hervé Pingaud Thèse soutenue au Centre de Génie Industriel - 9

Plus en détail

Edouard Duchesnay Benoit Da Mota

Edouard Duchesnay Benoit Da Mota Le calcul haute performance pour l'analyse de données de neuroimagerie-génétique en grandes dimensions Edouard Duchesnay Benoit Da Mota Donnons de la suite à vos idées Problème et enjeux Compréhension

Plus en détail

Algorithmes évolutionnaires sur. et GPU. Introduction : GPU et puissance calculatoire Principe du GPU : le pipeline

Algorithmes évolutionnaires sur. et GPU. Introduction : GPU et puissance calculatoire Principe du GPU : le pipeline Algorithmes évolutionnaires et GPU Introduction : GPU et puissance calculatoire Principe du GPU : le pipeline graphique Introduction au parallélisme de données Exemple de simulation Les langages de haut-niveau

Plus en détail

Formalisation et automatisation de YAO, générateur de code pour l assimilation variationnelle de données

Formalisation et automatisation de YAO, générateur de code pour l assimilation variationnelle de données Formalisation et automatisation de YAO, générateur de code pour l assimilation variationnelle de données Luigi NARDI sous la direction de Fouad BADRAN et Sylvie THIRIA LOCEAN : Laboratoire d Océanographie

Plus en détail

Tous droits réservés SELENIS

Tous droits réservés SELENIS 1. Objectifs 2. Etapes clefs 3. Notre proposition d accompagnement 4. Présentation de SELENIS 2 Un projet est une réalisation spécifique, dans un système de contraintes donné (organisation, ressources,

Plus en détail

Solveurs linéaires sur GPU pour la simulation d'écoulement en milieux poreux

Solveurs linéaires sur GPU pour la simulation d'écoulement en milieux poreux CO 2 maîtrisé Carburants diversifiés Véhicules économes Raffinage propre Réserves prolongées Solveurs linéaires sur GPU pour la simulation d'écoulement en milieux poreux J-M. Gratien,, M. Hacene, T. Guignon

Plus en détail

Environnement de conception de Learning Games

Environnement de conception de Learning Games Environnement de conception de Learning Games Journée de travail sur la conception des jeux sérieux, 5 octobre 2011, Paris UMR 5205 Introduction Journée de travail sur la conception des jeux sérieux, 5

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

MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB

MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : INFORMATIQUE Spécialité

Plus en détail

Intégration du calcul sur GPU dans la plate-forme de simulation multi-agent générique TurtleKit 3

Intégration du calcul sur GPU dans la plate-forme de simulation multi-agent générique TurtleKit 3 Intégration du calcul sur GPU dans la plate-forme de simulation multi-agent générique TurtleKit 3 Fabien Michel fmichel@lirmm.fr Laboratoire d Informatique, de Microélectronique, et de Robotique Montpellier

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

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.

CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac. CED-ST 2013-2014 Liste des Sujets de Recherche Formation Doctorale : STIC Responsable de la Formation : Pr. L. OMARI (lahcen.omari@usmba.ac.ma) N.B. : Les étudiants qui ont déposé leurs demandes d'inscription

Plus en détail

MATINFO 3. xxxxxxxxxx Responsable de Comptes xxxxxxxx

MATINFO 3. xxxxxxxxxx Responsable de Comptes xxxxxxxx MATINFO 3 xxxxxxxxxx Responsable de Comptes xxxxxxxx Catégorie 1 : Poste Bureautique Optiplex 7010 Dédié aux principales applications bureautiques 4 châssis différents : MT, DT, SF, USFF Large choix de

Plus en détail

Conduite de projets et architecture logicielle

Conduite de projets et architecture logicielle s et architecture logicielle ABCHIR Mohammed-Amine Université Paris 8 15 février 2011 1/36 ABCHIR Mohammed-Amine (Université Paris 8) Conduite de projets et architecture logicielle 15 février 2011 1 /

Plus en détail

Présentation livre Simulation for Supply Chain Management. Chapitre 1 - Supply Chain simulation: An Overview

Présentation livre Simulation for Supply Chain Management. Chapitre 1 - Supply Chain simulation: An Overview Présentation livre Simulation for Supply Chain Management Chapitre 1 - Supply Chain simulation: An Overview G. Bel, C. Thierry et A. Thomas 1 Plan Gestion de chaînes logistiques et simulation Points de

Plus en détail

La Programmation Orientée Agent Les Agents Réactifs

La Programmation Orientée Agent Les Agents Réactifs La Programmation Orientée Agent Les Agents Réactifs Emmanuel ADAM Université de Valenciennes et du Hainaut-Cambrésis UVHC/ISTV-LAMIH E. ADAM University of Valenciennes La Programmation Orientée Agent Les

Plus en détail

Calculs Haute Performance. Une Introduction aux Calculs Haute Performance

Calculs Haute Performance. Une Introduction aux Calculs Haute Performance Calculs Haute Performance Une Introduction aux Calculs Haute Performance Ivan LABAYE Tizi-Ouzou 2015 1 Plan de l'exposé Calculs Haute Performance? Pour quoi Faire? Modèles de calculateurs (HPC) Outils

Plus en détail

ParaView / VTK / HDF5 un cas d utilisation : SimSERT. RDataDev OSUG 10 Avril 2015 Yves Rogez

ParaView / VTK / HDF5 un cas d utilisation : SimSERT. RDataDev OSUG 10 Avril 2015 Yves Rogez ParaView / VTK / HDF5 un cas d utilisation : SimSERT RDataDev OSUG 10 Avril 2015 Yves Rogez ParaView / VTK / HDF5 un cas d utilisation : SimSERT 1. Contexte : CONSERT / ROSETTA 2. ParaView : Fonctionnalités,

Plus en détail

État de l art sur les simulations multi-agents et le GPGPU Évolution et perspectives de recherches

État de l art sur les simulations multi-agents et le GPGPU Évolution et perspectives de recherches État de l art sur les simulations multi-agents et le GPGPU Évolution et perspectives de recherches Emmanuel Hermellin, Fabien Michel, Jacques Ferber To cite this version: Emmanuel Hermellin, Fabien Michel,

Plus en détail

L ENS Cachan voit grand avec le mur d images SHIVA

L ENS Cachan voit grand avec le mur d images SHIVA L ENS Cachan voit grand avec le mur d images SHIVA L École Normale Supérieure de Cachan s est dotée d un dispositif immersif 3D stéréoscopique nommé SHIVA, acronyme de SHared Interaction & Visualization

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

Dafoe Présentation de la plate-forme UIMA

Dafoe Présentation de la plate-forme UIMA Laboratoire d Informatique de l université Paris-Nord (UMR CNRS 7030) Institut Galilée - Université Paris-Nord 99, avenue Jean-Baptiste Clément 93430 Villetaneuse, France 11 juillet 2007 Plates-formes

Plus en détail

MODÉLISATION ET GESTION DES BUS: SOLUTIONS INTERMÉDIAIRES ENTRE DES VOIES PARTAGÉES ET RÉSERVÉES

MODÉLISATION ET GESTION DES BUS: SOLUTIONS INTERMÉDIAIRES ENTRE DES VOIES PARTAGÉES ET RÉSERVÉES MODÉLISATION ET GESTION DES BUS: SOLUTIONS INTERMÉDIAIRES ENTRE DES VOIES PARTAGÉES ET RÉSERVÉES Journée «Voies réservées aux TC et au covoiturage» Jeudi 9 avril 2015 au CEREMA Centre-Est Etienne Hans

Plus en détail

Séminaire RGE REIMS 17 février 2011

Séminaire RGE REIMS 17 février 2011 Séminaire RGE REIMS 17 février 2011 ADACSYS Présentation des FPGA Agenda Spécificité et différences par rapport aux autres accélérateurs Nos atouts Applications Approche innovante Document confidentiel

Plus en détail

Approche en Ligne pour une Gestion Autonome et Décentralisée des Réseaux MPLS-DiffServ

Approche en Ligne pour une Gestion Autonome et Décentralisée des Réseaux MPLS-DiffServ Approche en Ligne pour une Gestion Autonome et Décentralisée des Réseaux MPLS-DiffServ Rana Rahim-Amoud, Leïla Merghem-Boulahia, Dominique Gaïti rana.amoud@utt.fr Institut Charles Delaunay (ICD FRE CNRS

Plus en détail

Intercorrélation d images PIV sur GPU application à un écoulement en fluide turbide

Intercorrélation d images PIV sur GPU application à un écoulement en fluide turbide 13 ième Congrès Francophone de Techniques Laser, CFTL 2012 - ROUEN, 18 21 Septembre 2012 Intercorrélation d images PIV sur GPU application à un écoulement en fluide turbide 1 Introduction Emmanuel CID

Plus en détail

Usages des données 3D urbaines pour les villes de Genève et Lausanne

Usages des données 3D urbaines pour les villes de Genève et Lausanne Usages des données 3D urbaines pour les villes de Genève et Lausanne Rencontres SIG La Lettre : Le Grand Boom de la 3D Claudio Carneiro Ecole Polytechnique Fédérale de Lausanne (EPFL) Laboratoire de Systèmes

Plus en détail

Calcul Haute Performance et Parallélisme Historique et exemples

Calcul Haute Performance et Parallélisme Historique et exemples Calcul Haute Performance et Parallélisme Historique et exemples Emmanuel Hermellin LIRMM Janvier 2014 Sommaire 1 Le Calcul Haute Performance Naissance des super-calculateurs Évolution des super-calculateurs

Plus en détail

Programmation des processeurs multicoeurs

Programmation des processeurs multicoeurs Programmation des processeurs multicoeurs Cours théorique et Application en OpenCL avec Matrix Studio Pascal Ballet pascal.ballet@univ-brest.fr Université de Bretagne Occidentale Laboratoire d Informatique

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

WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS

WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS WP2T23 «APPLICATION de de REFERENCE» Prototypage rapide d une application de traitement d images avec SynDEx EADS Avec l appui de l INRIA www-rocq.inria.fr/syndex 1 PLAN I. Présentation du sujet II. Présentation

Plus en détail

ROMEO From multi-core to many-core

ROMEO From multi-core to many-core ROMEO From multi-core to many-core Directeur ROMEO Michaël KRAJECKI michael.krajecki@univ-reims.fr Chef de projet ROMEO Arnaud RENARD arnaud.renard@univ-reims.fr Enseignant-Chercheur CReSTIC Christophe

Plus en détail

Programmation sur GPU avec CUDA

Programmation sur GPU avec CUDA Programmation sur GPU avec CUDA Initiation François Cuvelier Laboratoire d'analyse Géométrie et Applications Institut Galilée Université Paris XIII. 24 mars 2014 Cuvelier F. (Ecole Doctorale) Programmation

Plus en détail

Rapport de gestion du projet Stibbons

Rapport de gestion du projet Stibbons Rapport de gestion du projet Stibbons 5 juin 2015 Julia Bassoumi - julia.bassoumi@etud.univ-montp2.fr Florian Galinier - florian.galinier@etud.univ-montp2.fr Adrien Plazas - adrien.plazas@etud.univ-montp2.fr

Plus en détail

Concours interne de l agrégation du second degré. Section économie et gestion. Programme de la session 2013

Concours interne de l agrégation du second degré. Section économie et gestion. Programme de la session 2013 Concours interne de l agrégation du second degré Concours interne d accès à l échelle de rémunération des professeurs agrégés dans les établissements d enseignement privés sous contrat du second degré

Plus en détail