DCU开发常见问题请见:juhua:：https://forum.sourcefind.cn/thread/229

以计算服务平台昆山中心为例，罗列一些常见的平台使用问题，请各位参考。

1、可以在登录节点运行运行程序吗？

答：不可以，请千万不要在登录节点运行节点运行程序，登录节点是调度节点，且没有DCU卡。编译运行程序需在计算节点进行。

2、如何申请计算节点？

答：在登录节点命令行执行salloc -N 1 --gres=dcu:4  -p kshdtest，（这是申请了一个节点4张卡，可以根据实际需要更改参数），回车后显示申请的计算节点名称，如j17r3n04，执行ssh j17r3n04即可进入计算节点环境。slurm脚本方式示例https://developer.hpccube.com/wp-content/uploads/2021/07/SLURM%E4%BB%8B%E7%BB%8D%E4%B8%8E%E4%BD%9C%E4%B8%9A%E6%8F%90%E4%BA%A4.pdf

3、客户端密钥登录时，有时会提示指纹不对

答：切换登录节点试试，还不行的话反馈AC平台客服

4、计算平台需要python3.11版本

答：建议使用miniconda。方法如下：

步骤一、安装miniconda3

#使用wget安装

$ wget https://repo.anaconda.com/miniconda/Miniconda3-py37_4.9.2-Linux-x86_64.sh

#添加权限并运行

$ chmod +x Miniconda3-py37_4.9.2-Linux-x86_64.sh

$ mkdir -p ~/miniconda3/

$ bash Miniconda3-py37_4.9.2-Linux-x86_64.sh -b -f -p

"~/miniconda3/"

$ rm -rf Miniconda3-py37_4.9.2-Linux-x86_64.sh

初始化 Conda 环境

$ ~/miniconda3/bin/conda init

& source ~/.bashrc

步骤二、创建conda env环境

conda create -n py3.11 python=3.11

5、提交作业后能申请资源，但卡住了

答：可以ssh到作业所在的计算节点，top命令或rocm-smi查看进程及DCU的运行状态。可能原因是有其它作业共享该节点资源，建议独占节点资源，可加#SBATCH --exclusive。

6、资源扩容、存储空间扩容、机时欠费问题

答：请联系光合基金秘书处，由秘书处对接智算平台优先处理。

7、个人账号目录内容在集群各节点是一样的吗？

答：是的，集群使用共享存储，个人账号下的目录内容在登录节点和计算节点显示内容是一样的。

8、可以在计算节点本地磁盘放置文件吗？

答：可以放置缓存文件，但不建议这样做。建议放到个人账号目录下，管理员会定期清理计算节点本地磁盘、释放空间。

9、购买DCU卡，使用时出现段错误问题

答：建议在配套服务器上使用DCU卡，如遇到此情况，请联系售后或者秘书处处理。

10、如何使用conda安装自己的包？

答：通过E-File上传安装包，如果是whl安装包，使用pip install ***.whl --user指令安装，如果是源码包，需指定安装路径。

11、如何得知dcu加速成功?

答：提交作业后ssh到节点，通过rocm-smi查看dcu情况。

12、使用rocm-smi为什么不显示dcu占用?

答：可能查询的频率低，利用watch命令提高监控命令查看；尝试调整batchsize，可利用更多dcu资源，加快计算。

13、python使用dcu是否要修改代码？

答：不需要，直接可以使用原有python代码。

14、昆山集群怎么远程SSH？

答：不建议使用ssh的方式登录昆山集群，没有开放IP端口，可以通过固定IP反向代理实现。

15、在DCU上运行数据量大时，报错内存溢出。

答：每个节点不超过90G，用slurm指定内存大小，--mem=90G 指定使用内存。

16、如何实现深度学习检测多进程高效并行？

答：不建议直接使用python的多线程进程池调度，建议使用openmpi分块提交多个任务，通过mpi启动并调度线程。

17、DCU软件多进程运行速度慢怎么办？

答：多进程用一个dcu可能会慢，最好一个进程独占一个dcu。

18、任务同时用到cpu和gpu，运算时调用1个cpu核心和调用32个cpu核心的区别?

答：需要根据程序来看，1）程序如果是包含更多cpu计算的，那32个核心的运算速度会快于1个核心的运算速度；2）看程序是否支持并行计算，若支持并行，使用cpu核心对程序加速不大。

19、我的服务--智能计算服务中的相关问题如何反馈？

答：可通过平台的工单提交进行反馈，会有工程师对接处理。

20、软件运行时卡住怎么处理？

答：ssh到计算节点，使用strace或gstack命令查看资源使用，可通过ps -ef查看进程号。

21、提交作业时报错partition如何解决？

答：确认是否有-p参数，-p后面的队列名是否正确。

22、提交作业如何设置节点数？

答：可以设置-N参数，如一个节点#SBATCH -N 1，两个节点#SBATCH -N 2。

23、shell窗口能否看到32核利用情况？

答：可以看到，提交作业后，ssh到计算节点，htop命令查看。

24、批处理作业sbatch提交和交互式提交在性能上有没有区别？

答：性能没有差异。