Upload folder using huggingface_hub

matrix.log

@@ -0,0 +1,2 @@
+正在启动 8 卡全负载占位 (显存 + 算力)...
+按 Ctrl+C 停止

matrix.py

@@ -0,0 +1,46 @@
+import torch
+import torch.multiprocessing as mp
+
+# 矩阵大小：保证算力满载
+MATRIX_SIZE = 24576
+DTYPE = torch.bfloat16
+
+def worker(rank):
+    """每个 GPU 的工作进程"""
+    # 1. 绑定设备
+    device = torch.device(f"cuda:{rank}")
+    torch.cuda.set_device(device)
+    
+    # ==========================================
+    # 插入位置在这里！
+    # ==========================================
+    try:
+        # 6e10 bytes ≈ 60GB。
+        # H200 显存约为 141GB。如果你想占得更满，可以将 6e10 改为 1.2e11 (约120GB)
+        # 注意：dtype=torch.int8 表示每个元素占 1 byte
+        filler = torch.empty(int(1.2e11), dtype=torch.int8, device=device)
+        
+        # 只要这个 filler 变量不被 del，显存就会一直被占用
+    except RuntimeError:
+        print(f"[GPU {rank}] 显存分配过大，已自动忽略显存占用，仅运行计算负载...")
+
+    # 2. 准备计算数据
+    a = torch.randn(MATRIX_SIZE, MATRIX_SIZE, device=device, dtype=DTYPE)
+    b = torch.randn(MATRIX_SIZE, MATRIX_SIZE, device=device, dtype=DTYPE)
+    c = torch.empty(MATRIX_SIZE, MATRIX_SIZE, device=device, dtype=DTYPE)
+    
+    # 3. 无限循环计算 (算力 100%)
+    while True:
+        torch.mm(a, b, out=c)
+
+def main():
+    world_size = torch.cuda.device_count()
+    print(f"正在启动 {world_size} 卡全负载占位 (显存 + 算力)...")
+    print("按 Ctrl+C 停止")
+    
+    # 启动多进程
+    mp.spawn(worker, nprocs=world_size, join=True)
+
+if __name__ == "__main__":
+    mp.set_start_method('spawn', force=True)
+    main()