Ce serveur est destiné à des enseignements nécessitant l’utilisation de GPU comme les cours en IA computationnelle. Il peut être utilisé pour des cours, des TP, des projets étudiants ou des journées de formation.

1 Problème de connexion

Si vous ne pouvez pas vous connectez avec votre identifiant Lyon 1,

• soit vous n’êtes pas inscrit à un cours sur le serveur en tant qu’étudiant
• soit vous n’êtes pas dans l’équipe pédagogique d’un cours sur le serveur
• soit le serveur est réservé pour un autre cours que le votre. Dans ce cas essayez plus tard.

Pour plus d’information, allez dans la section Information et contact

2 Information sur la configuration matérielle

Le serveur IAGPU2 est installé sur une infrastructure de noeuds de calcul HPC (High Performance Computing) avec des GPU Tensor Core très performants

• Le serveur IA GPU 2 est équipé de 2 GPU nvidia A100 80G avec 80 Go de RAM sur chaque GPU.
• Le système dispose en outre de 80 coeurs et 328 Go de RAM.
• Les ressources sont partagées entre les étudiants connectés durant la session.
• Accès aux bibliothèques d’IA optimisées pour GPU: tensorflow, pytorch, pycuda, scikit-learn

3 Conditions d’utilisation

• Ce serveur est réservé à l’enseignement et accessible uniquement sur inscription.
• Un enseignant peut demander la création de cours, réserver des créneaux de cours par demi-journée
• Les étudiants sont inscrits par leurs enseignants
• Ce serveur est configuré pour des cours avec un maximum de 20 étudiants utilisant en même temps les GPUs.
• En dehors des cours, les étudiants inscrits aux cours sur ce serveur, peuvent l’utiliser en libre service.

4 Documentation sur l’utilisation

Vous trouverez sur le lien suivant, une documentation détaillée sur l’utilisation pour de l’enseignement de ces serveurs GPU, soit avec des notebooks IPython, soit avec des scripts Python (avec un système de batch), ainsi que sur les bibliothèques et les outils disponibles.

• Documentation sur l’utilisation de serveur Jupyter/Nbgrader avec GPU pour l’enseignement

Attention les ressources de calcul HPC sur les serveurs de cours Jupyter/nbgrader sont partagées entre tous les utilisateurs. Il faut absolument en tenir compte lorsque que l’on exécute un calcul d’IA computationnelle, en particulier dans un environnement partagé entre plusieurs utilisateurs.

5 Information et contact

Pour toute information supplémentaire ou contact, utilisez un des liens suivants:

• information et demande de création de cours sur le serveur IAGPU2

  • jupyter.univ-lyon1.fr/serveurs-gpu/contact-serveur-gpu/

• information sur les serveurs de cours et l’infrastructure Jupyter à Lyon 1 :

  • jupyter.univ-lyon1.fr/serveurs-gpu/

  • contacte Service Jupyter