artifacts/repo_files/slurm_reference.sh

#!/bin/bash
# =============================================================================
# SLURM 参考脚本 —— 本机实际配置 (生成于 2026-04-16)
#
# 集群节点概况：
#   node-gpu01/02  H100 x8,  224 CPU, ~1814 GB RAM   (partition: HGPU / defq)
#   node-gpu03     H200 x10, 128 CPU, ~2042 GB RAM   (partition: HGPU / defq)
#
# HGPU partition: MaxTime = 2-00:00:00 (48h), 仅含 H100/H200 节点
# defq partition: MaxTime = 3-23:00:00 (95h), 含所有节点
# =============================================================================

# ---------- 方案 A：HGPU 分区，抢 H100 x4（推荐，资源最多）----------
#SBATCH --partition=HGPU
#SBATCH --job-name=my_job
#SBATCH --time=48:00:00                # HGPU 上限恰好 48h
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --gres=gpu:h100:4             # 明确指定 H100，4张
#SBATCH --cpus-per-task=112           # H100 节点 224 核，申请一半（对应 4/8 GPU）
#SBATCH --mem=900G                    # H100 节点 ~1814 GB，申请约一半
#SBATCH --output=logs/%j.out
#SBATCH --error=logs/%j.err

# ---------- 方案 B：HGPU 分区，抢 H200 x4 ----------
##SBATCH --partition=HGPU
##SBATCH --job-name=my_job
##SBATCH --time=48:00:00
##SBATCH --nodes=1
##SBATCH --ntasks=1
##SBATCH --gres=gpu:h200:4            # H200 节点共 10 张，申请 4 张
##SBATCH --cpus-per-task=51           # H200 节点 128 核，按 4/10 比例
##SBATCH --mem=816G                   # H200 节点 ~2042 GB，按 4/10 比例
##SBATCH --output=logs/%j.out
##SBATCH --error=logs/%j.err

# ---------- 方案 C：不挑型号，H100 或 H200 均可 ----------
##SBATCH --partition=HGPU
##SBATCH --job-name=my_job
##SBATCH --time=48:00:00
##SBATCH --nodes=1
##SBATCH --ntasks=1
##SBATCH --gres=gpu:4                 # 不指定型号，调度器自动分配
##SBATCH --cpus-per-task=56           # 保守值，两种节点都适用
##SBATCH --mem=512G                   # 保守值，两种节点都适用
##SBATCH --output=logs/%j.out
##SBATCH --error=logs/%j.err

# =============================================================================
# 正文区域（激活你需要的方案后在此填写实际命令）
# =============================================================================

mkdir -p logs

echo "Job ID: $SLURM_JOB_ID"
echo "Node:   $SLURM_NODELIST"
echo "GPUs:   $CUDA_VISIBLE_DEVICES"

# your commands here