Part 6 : Container List time table

For each lecture, several containers are available :
  • Light image : for job scheduler (HT Condor, Slurm, etc)
  • Code server : for local and remote lectures with integrated VSCode in the browser (no VSCode installation needed)
  • Jupyter-hub : when Jupyter-hub is available through Kubernetes, Docker Swarm or other solutions. Both Jupyter notebook and Code Server are provided in these containers
Tous les Containers (cours et TP) : disponible ici

  • Du 1 au 5 juillet :
    • Lundi 1 juillet, 9h-12h : Architecture CPU, Compilation
      • Pas d'image pour Architecture CPU
      • Compiler optimisation
        • Light image 135 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/compiler_optimisation/compiler_optimisation_alpine_light:latest
        • Code server 317 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/compiler_optimisation/compiler_optimisation_alpine_micromamba_code_server:latest
        • Jupyter-hub 466 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/compiler_optimisation/compiler_optimisation_alpine_micromamba_vscode:latest
    • Lundi 1 juillet, 14h-18h : Profilage, Précision, Tests unitaires
      • Pas d'image pour le moment mais il n'y en aura certainement pas
    • Mardi 2 juillet, 9h-12h : C++ 17/20/23 sur CPU
      • Introduction to C++ algorithms :
        • Light image 128 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_cpp_algorithms/introduction_cpp_algorithms_alpine_light:latest
        • Code server 310 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_cpp_algorithms/introduction_cpp_algorithms_alpine_micromamba_code_server:latest
        • Jupyter-hub 383 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_cpp_algorithms/introduction_cpp_algorithms_alpine_micromamba_vscode:latest
      • Performance with Stencil :
        • 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
      • Optional lectures :
        • Introduction to Maqao :
          • Light image 135 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_maqao/introduction_maqao_alpine_light:latest
          • Code server 317 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_maqao/introduction_maqao_alpine_micromamba_code_server:latest
          • Jupyter-hub OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_maqao/introduction_maqao_alpine_micromamba_vscode:latest
        • Introduction to Valgrind :
          • Light image 180 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_valgrind/introduction_valgrind_alpine_light:latest
          • Code server 362 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_valgrind/introduction_valgrind_alpine_micromamba_code_server:latest
          • Jupyter-hub OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_valgrind/introduction_valgrind_alpine_micromamba_vscode:latest
        • Introduction to GDB :
          • Light image 145 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_gdb/introduction_gdb_alpine_light:latest
          • Code server 326 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_gdb/introduction_gdb_alpine_micromamba_code_server:latest
          • Jupyter-hub OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_gdb/introduction_gdb_alpine_micromamba_vscode:latest
        • Introduction to Code Optimisation :
          • Light image 135 MB (python trouble) : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/hpc_astrics/introduction_to_code_optimisation_alpine_light:latest
          • Code server : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/hpc_astrics/introduction_to_code_optimisation_alpine_micromamba_code_server:latest
          • Jupyter-hub : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/hpc_astrics/introduction_to_code_optimisation_alpine_micromamba_vscode:latest
        • Performance with NaN :
          • Light image 148 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_nan/performance_with_nan_alpine_light:latest
          • Code server 329 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_nan/performance_with_nan_alpine_micromamba_code_server:latest
          • Jupyter-hub OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_nan/performance_with_nan_alpine_micromamba_vscode:latest
        • Development and code optimisation :
          • Light image 127 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/development_and_optimisation/development_and_optimisation_alpine_light:latest
          • Code server 309 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/development_and_optimisation/development_and_optimisation_alpine_micromamba_code_server:latest
          • Jupyter-hub OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/development_and_optimisation/development_and_optimisation_alpine_micromamba_vscode:latest
    • Mardi 2 juillet, 14h-18h : C++17 avec Sycl sur CPU
      • Performance with stencil in Sycl :
        • Light image 2.43 GB OK : docker://gitlab-registry.in2p3.fr/codeursintensifs/grayscott/grayscottsyclsetup/gray_scott_sycl_ubuntu_light:latest
        • Code server 2.89 MB OK : docker://gitlab-registry.in2p3.fr/codeursintensifs/grayscott/grayscottsyclsetup/gray_scott_sycl_ubuntu_micromamba_code_server:latest
        • Jupyter-hub 2.99 GB : docker://gitlab-registry.in2p3.fr/codeursintensifs/grayscott/grayscottsyclsetup/gray_scott_sycl_ubuntu_micromamba_vscode:latest
    • Mercredi 3 juillet, 9h-12h : Fortran 2018 sur CPU
      • Performance with stencil in Fortran :
        • Light image 141 MB OK : docker://gitlab-registry.in2p3.fr/lafage/grayscottfortrantuto/grayscott_fortran_tuto_alpine_light:latest
        • Code server 324 MB OK : docker://gitlab-registry.in2p3.fr/lafage/grayscottfortrantuto/grayscott_fortran_tuto_alpine_micromamba_code_server:latest
        • Jupyter-hub OK : docker://gitlab-registry.in2p3.fr/lafage/grayscottfortrantuto/grayscott_fortran_tuto_alpine_micromamba_vscode:latest
    • Mercredi 3 juillet, 14h-18h : Fortran 2018 sur CPU, Précision numérique avec Cadena, Profilage Mémoire
      • Optimisation Racine cubique :
        • Light image 182 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/optimisation_racine_cubique/optimisation_cbrt_alpine_light:latest
        • Code server 343 MB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/optimisation_racine_cubique/optimisation_cbrt_alpine_micromamba_code_server:latest
        • Jupyter-hub OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/optimisation_racine_cubique/optimisation_cbrt_alpine_micromamba_vscode:latest
      • Pas d'images pour les cours Précision numérique avec Cadna, Profilage Mémoire pour le moment
    • Jeudi 4 juillet : Rust sur CPU :
      • Performance with stencil in Rust :
        • Light image 626 MB OK : docker://gitlab-registry.in2p3.fr/grasland/grayscott-with-rust/rust_light:latest
        • Code server 912 MB OK : docker://gitlab-registry.in2p3.fr/grasland/grayscott-with-rust/rust_code_server:latest
        • Jupyter-hub 1.011 MB : docker://gitlab-registry.in2p3.fr/grasland/grayscott-with-rust/rust_vscode:pipeline-latest
    • Vendredi 5 juillet : Python sur CPU
      • Performance with stencil in Python :
        • Jupyter 1.11 GB (for laptop/server/Kubernetes) OK : docker://gitlab-registry.in2p3.fr/alice.faure/gray-scott-python/gray-scott-jupyter-micromamba:latest
  • Du 8 au 12 juillet :
    • Lundi 8 juillet, 9h-12h : Architecture GPU, calcul massivement parallèle, NVC++
      • Performance with stencil GPU
        • "Light" image 5.7 GB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_stencil_gpu/performance_with_stencil_gpu_ubuntu_light:latest
        • Code server 5.91 GB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_stencil_gpu/performance_with_stencil_gpu_ubuntu_micromamba_code_server:latest
        • Jupyter-hub 6.01 GB : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/performance_with_stencil_gpu/performance_with_stencil_gpu_ubuntu_micromamba_vscode:latest
      • Introduction to HPCSDK
        • "Light" image 5.68 GB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_hpcsdk/introduction_to_hpcsdk_2403_ubuntu_light:latest
        • Code server 5.89 GB OK : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_hpcsdk/introduction_to_hpcsdk_2403_ubuntu_micromamba_code_server:latest
        • Jupyter-hub 5.99 GB : docker://gitlab-registry.in2p3.fr/cta-lapp/cours/introduction_hpcsdk/introduction_to_hpcsdk_2403_ubuntu_micromamba_vscode:latest
    • Lundi 8 juillet, 14h-18h : Calcul en C++ 20 avec Eve :
      • Light Image : docker://ghcr.io/jfalcou/compilers@sha256:f9254149cc723a1fe6011ae246c3c9009944087b931cb92e20d23acdc83650e3
    • Mardi 9 juillet, 9h-12h : Calculer avec Python sur GPU :
      • L'image est encore en travaux
    • Mardi 9 juillet, 14h-18h : Calculer avec Python sur GPU
      • L'image est encore en travaux
    • Mercredi 10 juillet, 9h-12h : Sycl C++17 sur GPU (même images que pour la partie CPU)
      • Performance with stencil in Sycl :
        • "Light" image 5.07 GB OK : docker://gitlab-registry.in2p3.fr/codeursintensifs/grayscott/grayscottsyclsetup/gray_scott_sycl_ubuntu_cuda_light
        • Code server 5.29 GB OK : docker://gitlab-registry.in2p3.fr/codeursintensifs/grayscott/grayscottsyclsetup/gray_scott_sycl_ubuntu_cuda_micromama_code_server
        • Jupyter-hub 5.39 GB : docker://gitlab-registry.in2p3.fr/codeursintensifs/grayscott/grayscottsyclsetup/gray_scott_sycl_ubuntu_cuda_micromama_vscode
        • Mercredi 10 juillet, 14h-18h : Rust sur GPU avec Vulkan
    • Performance with stencil in Rust
      • Performance with stencil in Rust :
        • Light image 626 MB OK : docker://gitlab-registry.in2p3.fr/grasland/grayscott-with-rust/rust_light:latest
        • Code server 912 MB OK : docker://gitlab-registry.in2p3.fr/grasland/grayscott-with-rust/rust_code_server:latest
        • Jupyter-hub 1.011 MB : docker://gitlab-registry.in2p3.fr/grasland/grayscott-with-rust/rust_vscode:pipeline-latest
    • Jeudi 11 juillet : Fortran 2018 sur GPU, Retour d'expériences
      • L'image Fortran est encore en travaux