نحوه استفاده از صف مبتنی بر پردازنده
نام پردازنده | سرعت (GHz) | سایز Cache | تعداد Thread | تعداد Core | سایز RAM | انتخاب صف | دستور مورد استفاده در اسکریپت اجرا |
---|---|---|---|---|---|---|---|
Intel Xeon-2699a v4 | 2.2 | 55 MB | 88 | 44 | 64-256 GB | Heavy | #PBS -q heavy |
EPYC 7763 64-Core Processor | 2.45 | 256 MB | 128 | 64 | 1 TB | AMD | #PBS -q AMD |
Intel Xeon(R) CPU X5680 | 3.3 | 12 MB | 24 | 12 | 24-48 GB | Short | #PBS -q short |
پارامترهای مورد نیاز
اسکریپت اجرای جاب
#PBS –N Matlab_job
#PBS -m abe
#PBS -M Your_Email_Address
#PBS -l nodes=1:ppn=10
#PBS -l mem=10G
cd $PBS_O_WORKDIR
/share/apps/matlab/matlab2018a/bin/matlab -nodisplay -nodesktop < matlab.m > output.txt
نحوه استفاده از صف مبتنی بر کارت گرافیکی
نام پردازنده گرافیکی | تعداد هسته محاسباتی | سایز RAM | انتخاب صف | دستور مورد استفاده در اسکریپت اجرا |
---|---|---|---|---|
NVIDIA Tesla C2075 | 448 | 5 GB | cuda7 | #PBS -q cuda7 |
NVIDIA GeForce GTX 1080 Ti | 2560 | 11 GB | cuda9 | #PBS -q cuda9 |
GeForce RTX 2070 SUPER | 2560 | 8 GB | SP | #PBS -q SP |
NVIDIA Titan RTX | 4608 | 24 GB | DP | #PBS -q DP |
NVIDIA GeForce RTX 3090 | 10496 | 24 GB | N3090 | #PBS –q N3090 |
Quadro RTX 8000 | 4608 | 48 GB | DDP | #PBS -q DDP |
NVIDIA A100 | 6912 | 40 GB | A100 | #PBS -q A100 |
پارامترهای مورد نیاز
اسکریپت اجرای جاب
1. نام جاب
2. منابع مورد نیاز
3. نام صف
4. مسیر کتابخانه cuda
5. فعال سازی محیط مجازی
6. دستور اجرای نرم افزار
7. نام فایل ورودی/خروجی
#PBS –N Name_of_Your_job
#PBS -l nodes=1:ppn=1:gpu=1
#PBS –q cuda7
cd $PBS_O_WORKDIR
export LD_LIBRARY_PATH=/share/apps/cuda/cuda-10.1/lib64:$LD_LIBRARY_PATH
export PATH=/share/apps/cuda/cuda-10.1/bin:$PATH
source /share/apps/Anaconda/anaconda3.8/bin/activate e.adibi
python -u GPU-test.py > output.txt