Intégrer La Prépa des INP
Intégrer une école
S'inscrire
Livret d'accueil
Composante
ENSEIRB-MATMECA
Code interne
EI9IT393
Liste des enseignements
Au choix : 1 parmi 2
Outils pour l'apprentissage
Composante
ENSEIRB-MATMECA
L'apprentissage dans les Deep Learning Networks (DNN) est devenue une application majeure du calcul haute performance. Bien que l'apprentissage soit encore généralement effectué sur de petites grappes de GPU, l'utilisation de grandes infrastructures HPC devient populaire, notamment parce qu'elles offrent des réseaux à large bande passante et à faible latence.Dans ce cours, nous commencerons par examiner la conception des DNN classiques et en particulier les couches convolutionnelles. Nous aborderons les principales questions liées aux calculs numériques induits par la formation et l'inférence dans les DNN. Nous examinerons les différentes possibilités de parallélisme (parallélisme des données, parallélisme des modèles, recherche d'hyper-paramètres, parallélisation des noyaux convolutionnels eux-mêmes). Dans ce cadre, nous nous concentrerons sur les communications collectives et la gestion efficace de la mémoire.Les cours seront associés à des cours (TD) dans Numpy, PyTorch et TensorFlow, au cours desquels nous illustrerons les cours, principalement sur les problèmes de classification.Le cours sera partiellement en anglais.
Programmation 3D
Composante
ENSEIRB-MATMECA
Le but de cette UE est de s'initier à l'informatique graphique à travers du cours intégrés et des travaux pratiques. L'initiation porte sur le rendu dit offline avec l'implémentation d'un mini logiciel de lancer de rayon (ray-tracing) ainsi que sur le rendu temps réel à l'aide de GPU via l'API OpenGL.