Concept

Tegra

NVIDIA Tegra est un processeur tout en un (SoC), dérivé de la famille d'architecture ARM produit par NVIDIA. Il est destiné aux appareils mobiles comme des smartphones, des PDA et des MID. Le processeur sera aussi présent dans les systèmes de navigation et de divertissement des automobiles, notamment chez Audi et le groupe Volkswagen. Il existe actuellement comme séries de processeurs le Tegra APX 2500, Tegra 600 et Tegra 650. Avec la série 600 ciblant le marché des PDA/MID et le APX 2500 ciblant les smartphones. Le Tegra est un « ordinateur dans un circuit » qui intègre processeur (CPU), processeur graphique (GPU), northbridge, southbridge et fonction de mémoire primaire dans un simple boîtier. Les premiers produits grand public à utiliser le Tegra sont disponibles depuis 2009. La Nintendo Switch utilise un processeur NVIDIA Tegra personnalisé. Le APX 2500 a été le premier annoncé le et suivi par l'annonce de la ligne de production du Tegra le . Le , NVIDIA et Opera Software ont annoncé qu'ils allaient produire une version du navigateur web Opera 9.5 optimisé pour le Tegra sous Windows Mobile et Windows CE. Au Mobile World Congress 2009, NVIDIA a montré son port sur Android des pilotes Tegra. vignette|nvidia Tegra 2 T20 En , le System on Chip T20 (nommé Tegra 2) utilisant huit cœurs est annoncé. Le , au CES 2010, NVIDIA annonce officiellement et fait la démonstration du Tegra 2, après avoir indiqué en ligne le 3 qu'une version adaptée de Ubuntu Gnu/Linux serait disponible. Cette deuxième génération du Soc Tegra dispose d'un CPU ARM Cortex-A9 double cœur (mais pas des extensions SIMD NEON), d'un GPU GeForce ultra low power (ULP) avec 4 pixel shaders + 4 vertex shaders, d'un contrôleur mémoire double canal utilisant soit LPDDR2-600 ou DDR2-667, et d'un cache L1 de 32KB/32KB par cœur ainsi qu'un cache L2 partagé de 1MB. Le Tegra 3, appelé Kal-El, a été officiellement annoncé le . Il est basé sur une architecture SMP quatre cœurs ARM Cortex-A9 cadencés à (lorsque plusieurs cœurs fonctionnent) ou à (lorsqu'un seul cœur est utilisé) secondé par un processeur compagnon (donnant donc une configuration de type 4+1) et 12 processeurs graphiques.

Source officielle

https://fr.wikipedia.org/wiki/Tegra

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Cours associés (12)

CS-119(c): Information, calcul, communication

L'objectif de ce cours est d'introduire les étudiants à la pensée algorithmique, de les familiariser avec les fondamentaux de l'Informatique et de développer une première compétence en programmation (langage C++). ...

MSE-352: Introduction à la microscopie + TP

Ce cours d'introduction à la microscopie a pour but de donner un apperçu des différentes techniques d'analyse de la microstructure et de la composition des matériaux, en particulier celles liées aux microscopies électronique et optique. Le cours comprend d ...

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

Afficher plus

Séances de cours associées (15)

Corrélation d'image numérique: pratique

Se concentre sur l'application pratique de la corrélation d'images numériques pour les ingénieurs civils, couvrant la mesure des champs de déplacement et le calcul des champs de contrainte.

Microscopes de séance pratique

Couvre les aspects pratiques des microscopes, y compris les images en champ sombre, la résolution et une affectation de rapport.

Sandbox Réalité Augmentée

Couvre le bac à sable de la réalité augmentée, explorant les équipements de détection de profondeur, les dichotomies, les scripts Python pour les interactions 3D et les méthodes de mesure des performances matérielles.

Afficher plus

Unités associées (1)

EcoCloud - Gestion

Notebooks associés (1)

Building a Dual-Tone Multi-Frequency (DTMF) Decoder using Short-Time Fourier Transform

Dual-tone multi-frequency (DTMF) signaling[1]¶

                                      [2]Paolo Prandoni, [3]LCAV, EPFL

In this notebook we will build a dual-tone multi-frequency decoder based on the short-time Fourier transform. In [1]:

first our usual bookkeeping

%matplotlib inline import matplotlib import matplotlib.pyplot as plt import numpy as np import IPython In [2]: plt.rcParams["figure.figsize"] = (14,4)

Introduction[4]¶ DTMF signaling is the way analog phones send the n

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Source officielle

https://fr.wikipedia.org/wiki/Tegra

À propos de ce résultat

Cours associés (12)

CS-119(c): Information, calcul, communication

MSE-352: Introduction à la microscopie + TP

PHYS-467: Machine learning for physicists

Afficher plus

Séances de cours associées (15)

Corrélation d'image numérique: pratique

Se concentre sur l'application pratique de la corrélation d'images numériques pour les ingénieurs civils, couvrant la mesure des champs de déplacement et le calcul des champs de contrainte.

Microscopes de séance pratique

Couvre les aspects pratiques des microscopes, y compris les images en champ sombre, la résolution et une affectation de rapport.

Sandbox Réalité Augmentée

Afficher plus

Publications associées (13)

CHIME: Chiplet-based Heterogeneous Near-Memory Acceleration for Edge Multimodal LLM Inference

The proliferation of large language models (LLMs) is accelerating the integration of multimodal assistants into edge devices, where inference is executed under stringent latency and energy constraints, often exacerbated by intermittent connectivity. These challenges become particularly acute in the context of multimodal LLMs (MLLMs), as high-dimensional visual inputs are transformed into extensive token sequences, thereby inflating the key-value (KV) cache and imposing substantial data movement overheads to

Institute of Electrical and Electronics Engineers Inc.2026

Full event interpretation with machine-learning-based particle-flow reconstruction in the CMS detector

The particle-flow (PF) algorithm constructs a global description of each particle collision by producing a comprehensive list of final-state particles, and is central to event reconstruction in the CMS experiment at the CERN LHC. The existing PF implementation relies on physics-motivated heuristics and assumptions that can be replaced by machine-learning (ML) models trained directly on simulated data and naturally suited to modern graphics processing units (GPUs). A state-of-the-art ML-based PF (MLPF) recon

Springer Science and Business Media LLC2026

Neural Particle Automata: Learning Self-Organizing Particle Dynamics

Sabine Süsstrunk

We introduce Neural Particle Automata (NPA), a Lagrangian generalization of Neural Cellular Automata (NCA) from static lattices to dynamic particle systems. Unlike classical Eulerian NCA where cells are fixed to pixels or voxels, NPA represent each cell as a particle with a continuous position and an internal state, both updated by a shared learnable neural rule. This particle-based formulation yields clear individuation of cells, allows heterogeneous dynamics, and focuses computation on regions where activ

ACM2026

Afficher plus

Personnes associées (10)

David Atienza Alonso

David Atienza Alonso is an associate professor of EE and director of the Embedded Systems Laboratory (ESL) at EPFL, Switzerland. He received his MSc and PhD degrees in computer science and engineering from UCM, Spain, and IMEC, Belgium, in 2001 and 2005, respectively. His research interests include system-level design methodologies for multi-processor system-on-chip (MPSoC) servers and edge AI architectures. Dr. Atienza has co-authored more than 350 papers, one book, and 12 patents in these previous areas. He has also received several recognitions and award, among them, the ICCAD 10-Year Retrospective Most Influential Paper Award in 2020, Design Automation Conference (DAC) Under-40 Innovators Award in 2018, the IEEE TCCPS Mid-Career Award in 2018, an ERC Consolidator Grant in 2016, the IEEE CEDA Early Career Award in 2013, the ACM SIGDA Outstanding New Faculty Award in 2012, and a Faculty Award from Sun Labs at Oracle in 2011. He has also earned two best paper awards at the VLSI-SoC 2009 and CST-HPCS 2012 conference, and five best paper award nominations at the DAC 2013, DATE 2013, WEHA-HPCS 2010, ICCAD 2006, and DAC 2004 conferences. He serves or has served as associate editor of IEEE Trans. on Computers (TC), IEEE Design & Test of Computers (D&T), IEEE Trans. on CAD (T-CAD), IEEE Transactions on Sustainable Computing (T-SUSC), and Elsevier Integration. He was the Technical Program Chair of DATE 2015 and General Chair of DATE 2017. He served as President of IEEE CEDA in the period 2018-2019 and was GOLD member of the Board of Governors of IEEE CASS from 2010 to 2012. He is a Distinguished Member of ACM and an IEEE Fellow.

Dimitrios Terzis

Expertise Dimitrios Terzis received his Civil Engineering diploma from the Aristotle University of Thessaloniki, Greece in 2014, having spent a year in the ESTP, Paris as an exchange student. In 2017, he graduated with a doctoral degree (PhD) in Mechanics from the Swiss Federal Institute of Technology, Lausanne (EPFL). His PhD research, funded by the Swiss National Science Foundation (grant 200021_140246) and a scholarship of Academic Excellence of the Swiss Federal Government (No. 2014.0276), focused on th

Seyyedmaalek Momeni

Anja Skrivervik

Enseignement et PhD Doctorant·es actuel·les Erik Ralf Algarp, Amir Mohsen Ahmadi Najafabadi, Behnaz Bakhtiari, Jiajun Li, Ahmet Bilir A dirigé les thèses EPFL de Christophe Caloz, Tomasz Grzegorczyk, Olivier Patrick Staub, Francisco Jesus Nunez, Katarina Blagovic, Julien Perruisseau-Carrier, Juliane Iten Chaves Simoes, Gabriela Quintero Diaz De Leon, Francesco Merli, Maddalena Violetti, Nuno Pires, Mohsen Koohestani, Jovanche Trajkovikj, Hamed Hasani, Anton Evgeniev Ivanov, Miroslav Veljovic, Danelys Rodr

Giovanni De Micheli

Expertise Technologies de conception pour les systèmes intégrés, tels que la synthèse, le codesign de HW/SW et la conception de basse puissance. Technologies de conception des systèmes sur les plateformes hétérogènes comprenant les composants électriques, et biologiques. En savoir plus Consulter svp http://si2.epfl.ch/~demichel/ Enseignement et PhD A dirigé les thèses EPFL de Abhishek Garg, Mohamed Haykel Ben Jamaa, Francesco Zanini, Ciprian Seiculescu, Cristina Boero, Hu Xu, Andrea Cavallini, Shashi Kanth

Pierre Vandergheynst

Pierre Vandergheynst received the M.S. degree in physics and the Ph.D. degree in mathematical physics from the Université catholique de Louvain, Louvain-la-Neuve, Belgium, in 1995 and 1998, respectively. From 1998 to 2001, he was a Postdoctoral Researcher with the Signal Processing Laboratory, Swiss Federal Institute of Technology (EPFL), Lausanne, Switzerland. He was Assistant Professor at EPFL (2002-2007), where he is now a Full Professor of Electrical Engineering and, by courtesy, of Computer and Communication Sciences. As of 2015, Prof. Vandergheynst serves as EPFL’s Vice-Provost for Education. His research focuses on harmonic analysis, sparse approximations and mathematical data processing in general with applications covering signal, image and high dimensional data processing, computer vision, machine learning, data science and graph-based data processing. He was co-Editor-in-Chief of Signal Processing (2002-2006), Associate Editor of the IEEE Transactions on Signal Processing (2007-2011), the flagship journal of the signal processing community and currently serves as Associate Editor of Computer Vision and Image Understanding and SIAM Imaging Sciences. He has been on the Technical Committee of various conferences, serves on the steering committee of the SPARS workshop and was co-General Chairman of the EUSIPCO 2008 conference. Pierre Vandergheynst is the author or co-author of more than 70 journal papers, one monograph and several book chapters. He has received two IEEE best paper awards. Professor Vandergheynst is a laureate of the Apple 2007 ARTS award and of the 2009-2010 De Boelpaepe prize of the Royal Academy of Sciences of Belgium.

Stephan Brunner

Enseignement et PhD Doctorant·es actuel·les Hugo Jean Elie Chkroun, Nicole Vadot, Oraz Anuaruly, Haomin Sun, Isabel Muzio, Fabien Nicolas Jeanquartier A dirigé les thèses EPFL de Ajay Chandrarajan Jayalekshmi, Arnas Volcokas A co-dirigé les thèses EPFL de Xavier Lapillonne, Thibaut Vernay, Julien Stanislas Pierre Dominski, Gabriele Merlo, Emmanuel Lanti, Noé Ohana, Moahan Murugappan Cours Plasma instabilities PHYS-736 To complete the theoretical knowledge acquired before the graduate studi

Roger Hersch

Roger D. Hersch is professor of Computer Science and head of the Peripheral Systems Laboratory at EPFL. He received his engineering degree from ETHZ in 1975, worked in industry from 1975 to 1980, and obtained his PhD degree from EPFL in 1985. He directed the widely known Visible Human Web Server project , which offers a number of services for the visualization of human anatomy. His current research focuses on color reproduction, spectral color prediction models, moiré imaging, and visual document security. Recent achievements include the PhotoProtect technology, which incorporates text as chromatic differences in order to protect identity photographs (Swiss driving license), microstructure imaging, which is used by railways companies (SNCF, RENFE) and festival organizers (Paleo) to print tickets at home and the band moire imaging technology for the protection of security documents.

Laurent Villard

Originaire de Vauffelin (BE), Laurent Villard est né en 1961. Après avoir obtenu le diplôme d'ingénieur physicien de l'EPFL en 1983, il est assistant au CRPP où il entame une thèse. Ses études portent sur l'étude théorique du chauffage des plasmas par ondes radiofréquences, développant pour cela un code de calcul numérique sous contrat avec le Joint European Torus (JET, Angleterre). Il obtient en 1987 le doctorat ès sciences. En 1988, il est engagé en tant que chargé de cours à l'Université d'Addis Abeba, enseignant l'électromagnétisme et l'électrodynamique. En 1989 et 1990, il rejoint le Polytechnic Education Development Centre de l'Institute of Technology of Bandung (ITB, Indonésie). Ses activités contribuent à la formation et au soutien du personnel enseignant des dix-sept écoles polytechniques nouvellement créées en Indonésie. A la fin 1990, il revient au CRPP en tant que collaborateur scientifique. En 1993 il est nommé professeur assistant. En 1999, il est nommé maître d'enseignement et de recherche, puis, en 2005, professeur titulaire. En collaboration avec JET et General Atomics (USA) il étudie les instabilités qui peuvent être provoquées par les particules énergétiques issues du processus de fusion nucléaire. Avec des scientifiques du Keldysh Institute (Moscou), il s'intéresse au calcul de l'équilibre et de la stabilité de configurations du type tokamak. Enfin, en collaboration notamment avec le Max-Planck Institute fuer Plasma Physik, ses recherches portent sur la simulation numérique, par calcul à haute performance (HPC), de la turbulence dans les plasmas magnétisés.

Emmanuel Lanti

Enseignement et PhD Cours Parallel programming PHYS-743

Unités associées (1)

EcoCloud - Gestion

Concepts associés (23)

OMAP

OMAP était une famille de systèmes sur puces fabriqués par Texas Instruments jusqu'en 2012. Elle était basée sur une architecture ARM à faible consommation orientée notamment vers les applications multimédias pour systèmes embarquées portables et mobiles. Son développement a été effectué en France, dans le centre de R&D à Villeneuve-Loubet en région PACA.

XScale

XScale est un processeur à faible consommation électrique, fabriqué par Intel. Il fait suite au rachat de la technologie StrongARM de DEC en mai 1997 à la fin d'un procès sur des brevets, intenté par DEC à l'encontre d'Intel, qui lui aurait pris certaines de ses technologies pour produire les processeurs Pentium. C'est une architecture RISC 32 bits initialement développée par ARM, à laquelle Intel a ajouté ses propres extensions au jeu d'instructions. Ce microprocesseur est disponible avec une mémoire cache de , en boîtier BGA à 256 broches.

Apple Silicon

Les processeurs Apple Silicon sont des processeurs SoC et SiP conçus par Apple et utilisant principalement l'architecture ARM. Ils sont la base des appareils iPhone, iPad et Apple Watch ainsi que de produits tels que le HomePod, l'iPod touch et l'Apple TV. Un SoC est également conçu pour sa gamme d'écouteurs sans fil AirPods appelé Apple H1. Le , la firme américaine annonce son intention de faire la transition des Macintosh vers ARM et de se passer à terme des processeurs Intel.

Afficher plus

Notebooks associés (1)

Building a Dual-Tone Multi-Frequency (DTMF) Decoder using Short-Time Fourier Transform

Dual-tone multi-frequency (DTMF) signaling[1]¶

                                      [2]Paolo Prandoni, [3]LCAV, EPFL

In this notebook we will build a dual-tone multi-frequency decoder based on the short-time Fourier transform. In [1]:

first our usual bookkeeping

%matplotlib inline import matplotlib import matplotlib.pyplot as plt import numpy as np import IPython In [2]: plt.rcParams["figure.figsize"] = (14,4)

Introduction[4]¶ DTMF signaling is the way analog phones send the n

Personnes associées (10)

Enseignement et PhD Cours Parallel programming PHYS-743