pytorch - 未设置 --gpus 时防止在 SLURM 中使用 GPU

Question

我们使用 SLURM 来管理一个小型本地集群。我们管理的一个关键资源是 GPU。当用户通过 --gpus=2 请求 GPU 时CUDA_VISIBLE_DEVICES使用 SLURM 分配给用户的 GPU 设置环境变量。

$ srun --gpus=2 bash -c 'echo $CUDA_VISIBLE_DEVICES'
0,1

我们有一个小团队，可以相信我们的用户不会滥用系统(他们很容易覆盖环境变量)，所以这很好用。但是，意外绕过它有点太容易了，因为当 --gpus未指定 $CUDA_VISIBLE_DEVICES未设置，因此用户可以使用任何 GPU(我们通常使用 PyTorch)。

换句话说，以下命令可以正常工作(只要它位于 GPU 节点上)，但我希望它失败(因为没有请求 GPU)。

srun sudo docker run -e CUDA_VISIBLE_DEVICES --runtime=nvidia pytorch/pytorch:1.1.0-cuda10.0-cudnn7.5-runtime python -c 'import torch; print(torch.tensor([1., 2.], device=torch.device("cuda:0")))'

如果 $CUDA_VISIBLE_DEVICES 会失败被设置为 -1 .

$ CUDA_VISIBLE_DEVICES=-1 sudo docker run -e CUDA_VISIBLE_DEVICES --runtime=nvidia pytorch/pytorch:1.1.0-cuda10.0-cudnn7.5-runtime python -c 'import torch; print(torch.tensor([1., 2.], device=torch.device("cuda:0")))'
THCudaCheck FAIL file=/opt/conda/conda-bld/pytorch_1556653099582/work/aten/src/THC/THCGeneral.cpp line=51 error=38 : no CUDA-capable device is detected
Traceback (most recent call last):
  File "<string>", line 1, in <module>
  File "/opt/conda/lib/python3.6/site-packages/torch/cuda/__init__.py", line 163, in _lazy_init
    torch._C._cuda_init()
RuntimeError: cuda runtime error (38) : no CUDA-capable device is detected at /opt/conda/conda-bld/pytorch_1556653099582/work/aten/src/THC/THCGeneral.cpp:51

如何配置 SLURM 以设置 CUDA_VISIBLE_DEVICES至 -1当 --gpus没有指定？

Answer 1

您可以使用 TaskProlog设置 $CUDA_VISIBLE_DEVICES 的脚本可变为 -1如果它不是由 Slurm 设置的。

在 slurm.conf , 配置TaskProlog=/path/to/prolog.sh并为 prolog.sh 设置以下内容.

#! /bin/bash

if [[ -z $CUDA_VISIBLE_DEVICES]]; then
echo export CUDA_VISIBLE_DEVICES=-1
fi

echo export ...部分将注入(inject) CUDA_VISIBLE_DEVICES=-1在工作环境中。

确保 /path/to从所有计算节点可见。
但这不会阻止用户玩系统并从 Python 脚本中重新定义变量。真正阻止访问需要配置 cgroups .