Slinky 教程
#用 Apptainer 跑 NGC PyTorch
目标:把 NGC 镜像拉成共享盘上的 SIF,再用 sbatch 跑 GPU 作业。
1. 拉一次 SIF
在作业里拉,缓存放到节点本地 /local:
srun --mem=64G --cpus-per-task=16 --time=01:00:00 bash -c '
export APPTAINER_CACHEDIR=/local/apptainer-cache-$USER \
APPTAINER_TMPDIR=/local/apptainer-tmp-$USER
mkdir -p "$APPTAINER_CACHEDIR" "$APPTAINER_TMPDIR"
apptainer pull /home/'"$USER"'/pytorch.sif \
docker://nvcr.io/nvidia/pytorch:25.10-py3
'
大镜像约十分钟量级;SIF 落在 /home 后所有 worker 都能用。Blackwell 请选足够新的标签。
2. 提交
cat > /home/$USER/torch-test.py <<'EOF'
import torch
n = torch.cuda.device_count()
print(f"visible GPUs: {n}")
for i in range(n):
print(" ", torch.cuda.get_device_name(i))
x = torch.randn(8192, 8192, device="cuda", dtype=torch.bfloat16)
y = x @ x
torch.cuda.synchronize()
print("matmul OK:", y.shape)
EOF
cat > /home/$USER/torch-test.sbatch <<EOF
#!/bin/bash
#SBATCH --job-name=torch-test
#SBATCH --nodes=1
#SBATCH --gres=gpu:8
#SBATCH --mem=128G
#SBATCH --time=00:10:00
apptainer exec --nv /home/$USER/pytorch.sif python3 /home/$USER/torch-test.py
EOF
sbatch /home/$USER/torch-test.sbatch
3. 看结果
squeue --me
cat slurm-<jobid>.out
应看到 8 张卡名与 matmul OK。
要点:--nv 注入驱动;--gres=gpu:N 决定容器内可见卡数;拉镜像与跑作业都要给够 --mem。
交互试跑:
srun --gres=gpu:1 --mem=64G --time=00:30:00 --pty \
apptainer exec --nv /home/$USER/pytorch.sif python3