Imágenes disponibles¶
En el clúster hay imágenes de contenedor listas para usar y ya probadas en nuestras GPUs. Usarlas es más rápido y liviano que descargar una imagen propia: no se descarga nada y no gastas espacio en tu home.
Están en /data/containers/, una carpeta por tipo de imagen. Puedes leerlas, pero no modificarlas. Junto a cada imagen hay un archivo .txt con su origen, cómo se armó y cómo se probó.
ls /data/containers/*
| Archivo | GPU | Contenido | Origen |
|---|---|---|---|
/data/containers/pytorch-cuda/pytorch-cuda-26.09.sqsh |
rtx6000ada (gpun2, gpun3) |
PyTorch 2.14 (NVIDIA 26.09), CUDA 13.4, Ubuntu 24.04, Python 3.12 | nvcr.io/nvidia/pytorch:26.09-py3, sin modificar |
/data/containers/pytorch-rocm/pytorch-rocm-6.4.1-2.6.0.sqsh |
mi210 (gpun1) |
PyTorch 2.6.0, ROCm 6.4.1, Ubuntu 24.04, Python 3.12 | rocm/pytorch:rocm6.4.1_ubuntu24.04_py3.12_pytorch_release_2.6.0, sin modificar |
Ambas se probaron con 1 GPU: PyTorch ve exactamente la GPU pedida.
Ejemplo con PyTorch¶
Pide una GPU del tipo que corresponde a la imagen. Para la prueba bastaron 4 CPUs y 32 GB de memoria.
#!/bin/bash
#SBATCH --job-name=pytorch-cuda
#SBATCH -p GPU
#SBATCH --gres=gpu:rtx6000ada:1
#SBATCH --cpus-per-task=4
#SBATCH --mem=32G
#SBATCH --time=02:00:00
#SBATCH --output=%x_%j.out
srun --container-image=/data/containers/pytorch-cuda/pytorch-cuda-26.09.sqsh \
--container-workdir=$HOME/mi-proyecto \
python mi_script.py
#!/bin/bash
#SBATCH --job-name=pytorch-rocm
#SBATCH -p GPU
#SBATCH --gres=gpu:mi210:1
#SBATCH --cpus-per-task=4
#SBATCH --mem=32G
#SBATCH --time=02:00:00
#SBATCH --output=%x_%j.out
srun --container-image=/data/containers/pytorch-rocm/pytorch-rocm-6.4.1-2.6.0.sqsh \
--container-workdir=$HOME/mi-proyecto \
python mi_script.py
En las MI210 el código de PyTorch es el mismo que en NVIDIA: se sigue usando torch.cuda y device="cuda".
Sin script de sbatch, con srun directamente:
srun -p GPU --gres=gpu:rtx6000ada:1 --cpus-per-task=4 --mem=32G \
--container-image=/data/containers/pytorch-cuda/pytorch-cuda-26.09.sqsh \
python mi_script.py
En gpun1, cambia rtx6000ada por mi210 y la imagen por la de ROCm.
El trabajo tarda unos minutos en empezar
Al inicio de cada trabajo, la imagen se descomprime en el nodo: unos 2 minutos con la imagen NVIDIA y unos 4 minutos con la AMD. Es normal; el trabajo no está pegado.
¿Cómo se mantienen?¶
- Se agrega una imagen cuando varios grupos necesitan el mismo software. Para proponer una, escribe a hpc.fisica@usach.cl.
- El nombre del archivo lleva la versión, y un archivo publicado nunca cambia: puedes volver a correr tu código con exactamente el mismo software.
- Cuando llega una versión nueva, la anterior se marca «por retirar», con una fecha 6 meses después, y en esa fecha se borra.
-
Si necesitas una versión por más tiempo, copia el
.sqsha tu propia carpeta y úsala desde ahí:mkdir -p ~/imagenes cp /data/containers/pytorch-cuda/pytorch-cuda-26.09.sqsh ~/imagenes/
¿Necesitas otra imagen?¶
Escríbenos a hpc.fisica@usach.cl indicando el software y la versión. También puedes usar o armar tu propia imagen: ver Contenedores.