Performance des calculs avec des accès mémoire par motifs
Pierre Aubert
Prérequis
Compilateur
Nous allons utiliser le compilateur GCC-9 ou une version plus récente. Si vous êtes coincés avec un GCC plus vieux (même si un gcc 7 ou 8 fera l'affaire du moment que l'on peut utiliser C++ 17 notePour des compilateurs plus vieux que GCC-5 nous choisirons naturellement l'adjectif antique qui est bien plus approprié.) vous pouvez l'installer avec Anaconda (dans un environnement propre à ce tutorial) :conda install gcc9
Outils de compilation
Nous utiliserons CMake et Make pour compiler nos programmes et effectuer nos tests de performance.Outil pour afficher les résultats
Nous utiliserons Gnuplot pour afficher les résultats de nos tests.Outil de gestion des versions
Nous utiliserons Git pour gérer les versions des programmes et pour récupérer les dépendences qui nous permettront de gagner du temps.Suivre dans un Conteneur
Le cours peut être suivit avec une image docker via apptainer sur votre laptop ou sur un serveur distant ou via docker sur Kubernetes ou Docker-Swarm ou équivalent:- Light image 143 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_stencil/performance_with_stencil_alpine_light:latest
- Code server 325 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_stencil/performance_with_stencil_alpine_micromamba_code_server:latest
- Jupyter-hub OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_stencil/performance_with_stencil_alpine_micromamba_vscode:latest
L'utilisation est expliquée dans lecture demo.