Accès aux serveurs GPU pour les enseignants et les étudiants
Dans le cadre du projet Include et du développement de la plateforme jupyter de Lyon 1, nous avons mis en place des serveurs GPU performants destinés aux enseignants et aux étudiants. Ces ressources permettent d’exécuter des calculs intensifs et d’explorer des projets nécessitant une grande puissance de calcul.

2 serveurs GPU à destination de l’enseignement supérieur
Accès aux bibliothèques d’IA optimisées pour GPU : tensorflow, pytorch, pycuda, scikit-learn
Caractéristiques des serveurs
Nous disposons de deux serveurs haute performance :
Les ressources sont partagées entre tous les utilisateurs connectés simultanément.
Serveur IA GPU 1 : équipé d’un GPU nvidia A100 de 80 Go et doté de 164 Go de RAM et 40 cœurs CPU.
Accessible 24h/24 pour les étudiants souhaitant travailler en dehors des cours (sous réserve d’être inscrit à un cours sur le serveur IA GPU 2).
Serveur IA GPU 2 : équipé de 2 GPU nvidia A100 de 80 Go chacun et doté de 320 Go de RAM et 80 cœurs CPU.
Un enseignant qui souhaite réaliser un cours sur ce serveur peut réserver un créneau afin de s’assurer de la disponibilité des ressources. En dehors des cours, les étudiants inscrits aux cours de ce serveur, peuvent l’utiliser en libre service.
Un enseignant peut réserver un créneau par demi-journée et utiliser ce serveur avec un maximum de 20 étudiants.
Conditions d’utilisation
- Étudiants : l’accès aux serveurs est réservé aux étudiants inscrits à un cours nécessitant leur utilisation.
- Enseignants : la réservation d’un créneau sur le serveur IA GPU 2 doit se faire en nous contactant.

Réservez votre créneau ici

Mode de fonctionnement
Les serveurs fonctionnent sur un principe de ressources partagées. Par exemple, si 20 étudiants se connectent simultanément à un serveur, les ressources seront équitablement réparties entre eux.
Le temps d’apprentissage sur un Notebook Jupyter ne doit pas dépasser plus qu’une dizaine de minutes. Pour un temps d’apprentissage plus long, nous vous conseillons de convertir votre Notebook en programme python.
Pour toute question ou demande d’accès, n’hésitez pas à nous contacter.
