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.
Format des notes
Numérique sur 20Littérale/grade européenPour les étudiants du diplôme M2 PDS - Parallel and Distributed Systems
Le rattrapage est autorisé (Note de rattrapage conservée)La note obtenue rentre dans le calcul de votre GPA.
La note obtenue est classante.
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
