Le projet ESport se déroule présentement dans le local 3100R sous l'égide de notre département.

L'industrie des jeux vidéo a contribué à l'évolution du matériel informatique, des langages de programmation et des méthodologies. Il est indéniable qu'il existe un lien étroit entre le développement de logiciels, les plateformes de virtualisation et les jeux vidéo. En ayant accès à un laboratoire équipé spécifiquement pour les jeux vidéo, cette nouvelle collaboration entre le CAPS et le DMI ouvre des perspectives prometteuses pour le développement futur de nos différentes spécialités en recherche et développement logiciel.

Le matériel

• 14 x Ordinateurs I9 (24 threads), 64GB RAM, 500GB Nvme, NVIDIA 3090 RTX
• Parmi ces 14 ordinateurs, 2 ordinateurs réservés aux calculs (premier à gauche et premier à droite en entrant dans le local)
• Ces 2 ordinateurs réservés sont accessibles à distance selon certaines autorisations

comment y accéder

• Vous faites partie de l'équipe ESport
• Vous avez un cours reconnu par notre département qui donne accès
• Vous êtes recommandé par votre directeur de recherche de notre département

QUI S'OCCUPE DE QUOI ? 

Contacter Daniel St-Yves (local 3048R) pour obtenir un accès. Selon la disponibilité, une place vous sera réservée.

• Christiane Baril: s'occupe des accès de la porte à puce (accès temporaires selon un horaire régis par le poste de garde)
• Shany Black et Daniel St-Yves: s'occupe des autorisations d'accès aux ordinateurs
• Votre Directeur de recherche recommande votre accès
• Le chef de section Informatique priorise les projets

Les règlements

• Pas de nourriture
• Pas de boisson, bouteille d'eau
• On ne déplace pas le matériel
• On quitte le local en nettoyant les lieux
• On ne désinstalle pas d'application
• On demande au professeur avant d'installer une application autre que WSL2
• Si vous êtes pris fautif, vous perdez l'accès

Règles d'accès générales

• Les étudiants ont un droit d'accès en présentiel durant la journée ou période hors cours
• Vous devez fermer votre session sur l'ordinateur lorsque vous quittez le local

Règles d'accès des 2 ordinateurs réservés 24x24 à distance

• Utilisé pour faire de longs calculs
• Premier arrivé, à distance, premier servis
• Les places pour le calcul 24/24 sont très limités, tout dépend de la priorité que le chef de section donne aux projets de calculs
• Le ESport peut à tout moment fermer un ordinateur à distance pour remplacer un ordinateur défectueux lors d'une séance

NVIDIA CUDA TENSORFLOW

Comment accéder à la puissance de calcul d'une carte NVIDIA sous Windows 11 ? La méthode recommandée est d'utiliser le WSL2 (Ubuntu) de Windows. Il ne vous reste qu'à suivre cette "recette" de démarrage.

1. INSTALLATION DE WSL2

   1. Connectez vous avec votre compte UQTR (mot de passe courriel)
   2. Ouvrez une fenêtre PowerShell en mode Administrateur ([WIN]-[X])
   3. wsl --install
Note: ubuntu s'installe par défaut sous votre compte windows. L'installation n'est pas "system wide"
   
   4. Entrer votre username (prendre votre nom utilisateur)
   5. Entrer votre mot de passe (celui que vous voulez, un facile: ex. 123456)
   Note: dans l'explorateur Windows, vous avez accès à l'onglet LINUX\UBUNTU sous "Mon PC".

2. INSTALLATION DE NVIDIA CUDA TOOLKIT DANS WSL2

   6. avertissement: **users must not install any NVIDIA GPU Linux driver within WSL 2**
   7. sudo apt-key del 7fa2af80-
   8. sudo wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
   9. sudo dpkg -i cuda-keyring_1.1-1_all.deb
   10. sudo apt-get -y install cuda-toolkit-12-4

3. INSTALLATION DE MINICONDA

   11. wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh 
   12. bash Miniconda3-latest-Linux-x86_64.sh
   13. yes - enter
   14. Prendre le chemin par défaut
   15. yes
   16. miniconda3/bin/conda init
   17. exit
   18. wsl
   Note: le terminal affiche (base)
4. CONFIGURATION DE MINICONDA
   19. conda create -n tf
   20. conda activate tf
5. INSTALLATION DE PIP
   21. conda install pip
   22. pip install tensorflow[and-cuda]
   23. pip install tensorrt
   24. pip install jupyterlab
6. TEST CUDA
   25. nvidia-smi
   26. python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
   Note: une ligne indiquant "[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]" devrait être présente
7. OUVERTURE DE JUPYTER-LAB
   27. jupyter-lab --ip $(python3 -c "import subprocess; subprocess.run(['hostname', '-I'], text=True).stdout")
   Note: ouvrir un navigateur web dans Windows et pointer vers la bonne adresse. Ex. http://172.17.100.21:8888/lab?token=342e9f2404931a117e13470e549e4fd76ab0bf49d6a14b63
   Note: vous pouvez glissez un fichier du bureau Windows vers la zone fichiers\dossier de jupyter pour le téléverser