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.

Le cluster comporte un nœud GPU accessible à tous les utilisateurs, voir ici sa configuration.

Notez que ses 3 cartes graphiques NVidia K20m sont basées sur l'architecture Kepler, GPU sm_35

La librairie Nvidia CUDA est installée. Versions disponibles :

• 5.0
• 6.5
• 7.0
• 7.5
• 10.0
• 11.2

Pour information, version du driver (pilote noyau) : 460.32.03

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

module load nvidia/cuda/10.0

• 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

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

Les documentations sont disponibles sur CALI (pour les anciennes versions de CUDA) :

• http://cali2.unilim.fr/cuda-6.5/
• http://cali2.unilim.fr/cuda-7.0/

Ou sur le site de NVidia, par exemple :

• https://docs.nvidia.com/cuda/archive/9.2/
• https://docs.nvidia.com/cuda/archive/11.2.0/

Le noeud GPU est dans une partition distincte de slurm nommée gpu.

Le fait que la partition soit différente ne vous permet pas d'avoir un job « à cheval » entre ce noeud et un autre noeud du cluster : les ressources allouées par slurm pour un job sont obligatoirement dans une et une seule partition.

Cette partition possède les caractéristiques suivantes :

• un noeud ne peut être utilisé à un instant donné que par un seul job
• le temps maximal d'exécution est de 2 jours

Sur le 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 ( détailler).

Pour placer un job sur le noeud GPU, 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

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…