v2.11.0 (5354)

Cours scientifiques - IA307 : Programmation GPGPU pour l'apprentissage

Descriptif

L'objectif de cet enseignement est de donner une vision des algorithmes et de leur implémentations dans les bibliothèques modernes d'apprentissage automatique fondées sur les réseaux de neurones. En particulier, l'utilisation de matériel spécifique, comme les cartes graphiques, pour gagner en performance sont au coeur des ces bibliothèques. Il est alors important de comprendre comment sont partagés les calcules entre matériel spécifique et CPU.

Objectifs pédagogiques

- Savoir programmer les cartes graphiques

- Maitriser les algorithmes et leurs mises en oeuvre associés aux méthodes d'apprentissage profond.

24 heures en présentiel (8 blocs ou créneaux)

effectifs minimal / maximal:

10/30

Diplôme(s) concerné(s)

Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées

Programmation en C/C++

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Doctorat

Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées

Vos modalités d'acquisition :

projet de programmation

Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)
  • le rattrapage est obligatoire si :
    Note initiale < 6
  • le rattrapage peut être demandé par l'étudiant si :
    6 ≤ note initiale < 10
L'UE est acquise si Note finale >= 10
  • Crédits ECTS acquis : 2 ECTS

Le coefficient de l'UE est : 1

La note obtenue rentre dans le calcul de votre GPA.

L'UE est évaluée par les étudiants.

Programme détaillé

Séance 1 : Introduction à l'architecture matériel des GPGPU et des mémoires

Séance 2 : princide de réductions

Séance 3 : présentation de cuBLAS

Séance 4 : classification linéaire avec cuBLAS 

Séance 5 :  cuDNN - réseaux neurones profonds

Séance 6 :  cuDNN - réseaux de neurones convolutifs 

Séance 7 : plateformes, cloud, TPU

Séance 8 :  TP/mini-projet noté

 

Mots clés

Apprentissage profond, architecture carte graphique, cuBlas
Veuillez patienter