GPUs¶

Chuchunco tiene dos tipos de GPU en la partición GPU. Pídelas con --gres=gpu:<tipo>:<cantidad>.

Tipo (`--gres`)	Nodo	GPUs por nodo	Memoria GPU	Ecosistema
`rtx6000ada`	`gpun2`, `gpun3`	4	48 GB	NVIDIA CUDA
`mi210`	`gpun1`	2	64 GB	AMD ROCm

NVIDIA (CUDA)¶

#!/bin/bash
#SBATCH -p GPU
#SBATCH --gres=gpu:rtx6000ada:1
#SBATCH --cpus-per-task=8
#SBATCH --mem=64G
#SBATCH --time=12:00:00

srun --container-image=nvcr.io#nvidia/pytorch:24.05-py3 \
     python entrenar.py

Prueba rápida:

srun -p GPU --gres=gpu:rtx6000ada:1 nvidia-smi -L

AMD (ROCm)¶

Las MI210 usan ROCm en lugar de CUDA. PyTorch y TensorFlow tienen versiones ROCm oficiales:

#!/bin/bash
#SBATCH -p GPU
#SBATCH --gres=gpu:mi210:1
#SBATCH --cpus-per-task=8
#SBATCH --mem=64G
#SBATCH --time=12:00:00

srun --container-image=rocm/pytorch:latest \
     python entrenar.py

Prueba rápida:

srun -p GPU --gres=gpu:mi210:1 amd-smi list

Buenas prácticas

Pide una GPU salvo que tu código use varias (DDP, Horovod).
Cada nodo NVIDIA tiene solo 24 núcleos para 4 GPUs: pide como máximo 6 CPUs por GPU.
Verifica que tu código efectivamente use la GPU (nvidia-smi / amd-smi dentro del trabajo).