Présenté par Alice Faure, Jean-Marc Collet et Nabil Garroum
Comment utiliser une carte GPU pour accélérer un calcul numérique avec Python? Lors de cette présentation nous allons examiner les possibilités offertes afin de vous guider vers la bibliothèque qui répond à vos besoins. Nous verrons les principes de base de chacune d’elles, et la future école Gray-Scott donnera une vision plus approfondie de leurs utilisations. Nous les présenterons par niveau d’intégration : pour le haut niveau, Nvidia CuNumeric, Intel DPNP, JAX, et PyTorch permettent de garder un code quasi identique à la version CPU. Pour le niveau intermédiaire, la bibliothèque CuPy permet un accès à des fonctionnalités numériques avancées, mais nécessite un code spécifique pour le GPU. Enfin, pour le bas niveau, les bibliothèques PyCUDA et Numba pour GPU fournissent les fonctionnalités de base sur les tableaux. Nous évoquerons également des outils de profilage associés.
