Saltar a contenido

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 .sqsh a 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.