Logiciels installés
- Système
- Système d'exploitation : RHEL 9.1
- Gestionnaire de travaux : Slurm 25.05.0
- Système de fichiers parallèle : BeeGFS 7.4.1
Les compilateurs, applications, outils et bibliothèques suivants sont disponibles en tant que module d'environnement.
info
Si le logiciel dont vous avez besoin n'est pas installé sur le cluster ou si vous avez des besoins spécifiques, faites-le savoir à l'équipe HPC (hpc@univ-lille.fr). Nous vous aiderons à trouver une solution adéquate.
Compilateurs
GNU
- gcc/11.3.1
- gcc/11.3.1/openmpi/4.1.5
Intel
- intel/2024/compilers
- intel/2024/openmpi/5.0.1
Nvidia
- nvidia/cuda/12.0/compilers
- nvidia/cudnn/8.9.6
- nvidia/nvhpc
- Le chargement de ce module rendra l'intégralité de modules
nvhpcdisponible
- Le chargement de ce module rendra l'intégralité de modules
PGI
- pgi/19.10/compilers
- pgi/19.10/compilers-nollvm
- pgi/19.10/openmpi/3.1.3
Biliothèques
- boost/1.82/gcc/11.3.1
- fftw/3.3.10
- fftw/3.3.10.mpi
- hdf5/1.14.3/intel/2024/mpi
- hdf5/1.14.3/intel/2024/seq
- hdf5/1.14.3/nvhpc/24.1.mpi
- netcdf/4.9.2/mpi
- netcdf/4.9.2/seq
- petsc/3.20
Logiciels scientifiques
- amber
- cp2k
- crest
- diann
- dlpoly
- freefem++
- gromacs
- lammps
- matlab
- molden
- n2p2
- namd
- openfoam
- phonopy
- plumed
- polyrate
- pynx
- pytorch
- quantum espresso
- R
- uspex
- vaspkit
- wannier90
- xtb
attention
Les logiciels suivants sont sous licences et accessibles uniquement aux détenteurs d'une licence valide.
- abaqus
- ansys
- gaussian
- schrodinger
- vasp
- molpro
Environnements Python
- conda/23.11-py311
Nous recommandons l'utilisation d'environnements virtuels conda pour vos projets Python.
Une fois le module conda chargé, les environnements conda suivants sont prêts à être utilisés :
- base
- python311-tensorflow
- Tensorflow 2.15
- python311-tools
- Environnement conda avec des outils fréquemment utilisés : scipy numpy numba pandas dask matplotlib pytorch keras scikit-learn seaborn beautifulsoup4 zeromq
- scikit-learn
- scikit-learn 1.4.1
- pytorch-gpu
- pytorch 2.2.1 avec support GPU
- tf-gpu
- Tensorflow 2.15 avec support GPU
Exemple:
# charger module conda
ml conda/23.11-py311
# afficher environnements disponible
conda info --envs
# activer environnement python311-tensorflow
conda activate python311-tensorflow
# vérifier version python
python --version
# vérifier que tensorflow fonctionne
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
# désactiver l'environnement
conda deactivate