Utilisation de GPU

Cet article donne les instructions pour utiliser les GPU.

Nous ne traitons pas ici du modèle de programmation avec les GPU, la littérature disponible sur Internet est conséquente et suffisante.

Noeuds GPU

Le cluster comporte plusieurs nœuds GPU :

  • ils sont regroupés dans une partition commune nommée gpu
  • les GPU disponibles sont des NVidia K20, K40m et GTX1080Ti (voir page de description du matériel)
  • certains nœuds font aussi partie de partitions privatives, en conséquence un job de la partuition gpu peut être pré-empté (stoppé et resoumis) pour libérer des ressources.

La section suivante détaille comment sélectionner le type de GPU désiré via slurm, ainsi que la pré-emption.

Slurm avec les GPU

Exemple de batch Slurm

Vous devez donner le nom de la partition (gpu) et le nombre de GPU. Les autres ressources à indiquer sont identiques aux exemples usuels de batch.

Pour demander une seule GPU :

#SBATCH  --partition=gpu
#SBATCH  --gres=gpu

Pour demander 2 GPU

#SBATCH  --partition=gpu
#SBATCH  --gres=gpu:2

Pour demander un type de GPU spécifique

Comme nous l'avons déjà vu, la partition possède des cartes de 3 types, K20, K40m et GTX1080Ti. Si vous voulez explicitement utiliser tel ou tel type de carte, précisez-le :

#SBATCH  --partition=gpu
#SBATCH  --gres=gpu:GTX1080Ti:2

Eviter la pré-emption

Seul le noeud commun node29 possède des K20. En conséquence, si vous demandez des cartes de ce type, votre job sera placé sur un noeud ne faisant pas partie de partition privative, et il ne pourra donc pas être pré-empté – Mais K20 sont des cartes très anciennes…

Calcul GPU et OpenMP / MPI

Sur noeud GPU, vous pouvez utiliser en plus des GPU du parallélisme “classique”, par thread (OpenMP) ou avec MPI. Attention cependant, il faut garder des ressources pour la gestion des GPU .

Démarrer un shell interactif

Vous voudrez peut-être tester un code de façon interactive avant de soumettre de gros batchs. Cependant, le noeud frontal ne dispose pas de carte GPU… Vous pouvez demander à slurm l'ouverture d'un shell bash interactif sur la partition GPU avec une commande de la forme :

srun --partition=gpu --gres=gpu:1 --nodes=1 --ntasks-per-node=1 --time=01:00:00 --pty bash -i

Ajustez les ressources (nombre de GPU, nombre de taches ou de processeurs, temps, mémoire…) avec les mêmes options que pour un batch classique, en prenant en compte vos besoins. Si des ressources sont disponibles immédiatement dans la partition demandée, vous obtenez de suite un shell bash. S'il n'y a pas de ressource disponible, la commande vous laisse en attente…

Environnement de développement

Librairie CUDA

La librairie Nvidia CUDA est installée. Versions disponibles :

  • 5.0
  • 6.5
  • 7.0
  • 7.5
  • 10.0
  • 11.2

Pour l'utiliser, vous devez charger le module nivida/cuda, par exemple :

module load nvidia/cuda/10.0

Compatibilité des versions

  • CUDA 11.2 ne supporte plus la compilation pour architecture Kepler générique (sm_30), mais supporte encore les GPU sm_35 (deprecated) → on peut l'utiliser pour compiler du code pour le noeud commun node29
  • CUDA 10 ne supporte pas GCC > 7

Compilation

La compilation d'un programme avec CUDA se fait sur le nœud frontal, avec les compilateurs CUDA (nvcc)

Par défaut, nvcc utilise le compilateur GNU gcc pour la partie host. Vous pouvez compiler cette partie avec la suite Intel via l'option -ccbin=icc

Documentations

Les documentations sont disponibles sur le site de NVidia, par exemple :