打比赛最怕的不是模型调不动，而是环境反复掉链子。网页容器 4 小时过期、SSH 一断训练就挂、换个节点又要重新配环境…… 这些看起来是小事，但一天反复几次非常搞心态。 这赛季我们的解法就三个：镜像固化环境、Zellij 保住会话、固定节点避免重复编译。这三件套用熟了，比赛日常会稳很多。 ## 一、SIF 镜像 ：把环境 “打包带走” SIF 是 Apptainer/Singularity 的镜像格式，一次构建，到处运行，而且不需要 root 权限。 比赛官方给的基础环境通常是 Docker 镜像（SCNet 上创建容器时 "开发镜像" 那一栏就是），需要我们自己用 Apptainer 把它转成 SIF： ``` # 把官方 Docker 镜像转成 SIF # 具体地址在 SCNet 的"镜像管理"里复制 apptainer pull docker://<你的镜像地址> # 转好后会生成一个 .sif 文件，放到个人目录或共享目录 mkdir -p /path/to/your/images mv your-image.sif /path/to/your/images/pra2026.sif ``` 转成 SIF 之后，直接存在节点本地或共享目录里，想用多久用多久： ``` # 运行训练 apptainer exec /path/to/your/images/pra2026.sif python train.py # 运行评测 apptainer exec /path/to/your/images/pra2026.sif bash run_eval.sh ``` 如果镜像在共享存储上，团队几个人可以共用同一份，不用担心 “我这边能跑，你那边缺依赖”。 ## 二、Zellij：终端里的 “保险箱” Zellij 是一个终端复用器，和 tmux、screen 同类，但界面更现代、上手更简单。 比赛集群一般通过 SSH 登录，网络不稳定或者电脑休眠时，SSH 一断，前台跑的任务可能直接被杀。Zellij 的作用就是把会话留在服务器上，你本地终端只是 “连上去看”。 ### 2.1 安装 Zellij 如果登录节点没有预装： ``` # 方法1：cargo 安装（需要 Rust 环境） cargo install zellij # 方法2：直接下载 release 二进制 wget https://github.com/zellij-org/zellij/releases/download/v0.40.1/zellij-x86_64-unknown-linux-musl.tar.gz tar -xzf zellij-x86_64-unknown-linux-musl.tar.gz chmod +x zellij mkdir -p ~/.local/bin mv zellij ~/.local/bin/ export PATH=$HOME/.local/bin:$PATH ``` ### 2.2 常用流程 ``` # 登录集群后，先开会话 zellij --session pra # 里面可以分屏：左代码、中日志、右终端 # 退出时直接关闭窗口，任务继续跑 # 重新 ssh 回来后，attach 回去 zellij attach pra ``` ⚠️ **关键提醒**：Zellij 会话绑定在登录节点上。如果这次在 login01 开的，下次必须从 login01 attach 回去。各登各的节点，换机器就找不到会话了。 ## 三、为什么要固定节点 SIF 运行时会往节点本地写缓存、编译中间文件，比如 PyTorch 的 JIT 缓存、ROCm 的编译产物。这次在 A 节点跑得好好的，下次换到 B 节点，可能又要重新拉镜像、重新 warm up，白白浪费十几分钟。 所以队伍里最好约定一个固定登录节点，比如 login01，大家都从这一个节点进。 ## 四、我们日常的工作流 1. 固定节点登录 ``` ssh user@login01 ``` 2. 进入 Zellij 会话 ``` zellij attach pra # 如果不存在，用 zellij --session pra 新建 ``` 3. 在会话里起镜像跑任务 ``` apptainer exec /path/to/your/images/pra2026.sif srun python train.py ``` 4. 退出终端后，任务仍在服务器上运行 ## 五、常见问题与踩坑 **Q1：Apptainer pull 很慢 / 失败怎么办？** A：Docker 镜像通常很大，可以换网络空闲时段重试，或者先把镜像下载到有代理的机器再传到集群。 **Q2：SIF 文件占多大空间？** A：一般几个 GB 到十几个 GB，建议放在 `/public/home/<用户名>` 这种持久化目录，不要放在容器本地。 **Q3：Zellij attach 提示 session not found？** A：大概率是你上次在 login01 开的，这次连到了 login02。退出重新 ssh 到正确的登录节点。 **Q4：队友用同一份 SIF 怎么共享？** A：把 SIF 放在队伍都有读权限的共享目录里，或者每个人 apptainer pull 一次存在自己目录。 ## 总结 - SIF 镜像：解决环境过期、依赖不一致 - Zellij 会话：解决 SSH 断开、终端关闭导致训练中断 - 固定节点：解决重复拉镜像、重复编译的隐性时间浪费 这三件套都不涉及比赛规则外的操作，只是让工具用得顺手一点。如果你也正在被网页容器和断网折磨，建议试试。 --- 本文为原创文章，采用 CC BY-SA 4.0（署名 - 相同方式共享 4.0）协议分发。转载需注明原作者与原文链接，衍生作品须使用相同协议。 首发链接：[https://blog.csdn.net/2501_94451885/article/details/163109888](https://blog.csdn.net/2501_94451885/article/details/163109888)