نحوه استفاده از صف مبتنی بر پردازنده

مشخصات صف‌ها

نام پردازندهسرعت (GHz)سایز Cacheتعداد Threadتعداد Coreسایز RAMانتخاب صفدستور مورد استفاده در اسکریپت اجرا
Intel Xeon-2699a v42.255 MB884464-256 GBHeavy#PBS -q heavy
EPYC 7763 64-Core Processor2.45256 MB128641 TBAMD#PBS -q AMD
Intel Xeon(R) CPU X56803.312 MB241224-48 GBShort#PBS -q short

اسکریپت‌ اجرای جاب مبتنی بر پردازنده

#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

پارامترهای مورد نیاز جهت اجرای مبتنی بر پردازنده

  1. نام جاب
  2. ایمیل جهت ارسال اعلانات
  3. منابع مورد نیاز
  4. مسیر کد و فایل
  5. دستور اجرای نرم افزار
  6. نام فایل ورودی/خروجی

نحوه استفاده از صف مبتنی بر کارت گرافیکی

مشخصات صف‌ها

نام پردازنده گرافیکیتعداد هسته محاسباتیسایز RAMانتخاب صفدستور مورد استفاده در اسکریپت اجرا
NVIDIA Tesla C20754485 GBcuda7#PBS -q cuda7
NVIDIA GeForce GTX 1080 Ti256011 GBcuda9#PBS -q cuda9
GeForce RTX 2070 SUPER25608 GBSP#PBS -q SP
NVIDIA Titan RTX460824 GBDP#PBS -q DP
NVIDIA GeForce RTX 30901049624 GBN3090#PBS –q N3090
Quadro RTX 8000460848 GBDDP#PBS -q DDP
NVIDIA A100691240 GBA100#PBS -q A100

اسکریپت‌ اجرای جاب مبتنی بر کارت گرافیکی

#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

پارامترهای مورد نیاز جهت اجرای مبتنی بر کارت گرافیکی

  1. نام جاب
  2. منابع مورد نیاز
  3. نام صف
  4. مسیر کتابخانه cuda
  5. فعالسازی محیط مجازی
  6. دستور اجرای نرم افزار
  7. نام فایل ورودی/خروجی

مانیتورینگ جاب ارسالی

ارسال جاب: qsub run.sh >>> تخصیص دهی شناسه منحصر به فرد به جاب شما

حذف جاب: qdel job_id

بررسی وضعیت جاب: qstat

  • Q: Queue
  • R: Running
  • E: Error
  • C: Completed

نحوه ارسال به صف