# 《材料智能设计与设备加工》课程计算 [TOC] ## 0. 计算账号 上海交通大学校级计算平台面向全校师生提供科研与教学支持 交大 AI 平台由 8 台 DGX- 2组成，每台 DGX-2 配备 16 块 NVIDIA Tesla V100，深度学习张量计算能力 16PFLOPS；通过搭载 NVIDIA NVSwitch 创新技术，GPU 间带宽高达 2.4 TB/s 教学账号 stu 限课程实验使用，每人可使用 1 块 Nvidia Tesla V100/32G GPU，配合 6 核 CPU，作业时长最多 6 小时，若需延长计算时间，请将作业号发送至 hpc@sjtu.edu.cn ## 1. 登录集群 浏览器中访问超算 Studio 可视化平台 https://studio.hpc.sjtu.edu.cn/ 其它登录方法请见 [HPC 文档](https://docs.hpc.sjtu.edu.cn/login) ## 2. 安装 conda 环境 ### 2.1. 打开 webshell 顶上 Shell -> CPU Cluster Shell Access  ### 2.2. 输入命令 终端界面如下:  请在终端里逐行输入下方命令 ```shell= srun -p small -n 4 --job-name session --pty /bin/bash module load miniconda3 conda config --set notify_outdated_conda false conda create -y -n material python=3.8 source activate material ``` 注意，在 conda create 那一步需要几分钟时间，请无视警告等信息 以上完成后，终端左侧会出现 `(material)` ，意思是接下来均在名为 `material` 的 conda 环境里 下方命令逐一执行完成，大概需要半小时 ```shell= conda install -y -c anaconda requests conda install -y -c conda-forge matplotlib conda install -y -c pytorch pytorch torchvision conda install -y ipykernel python -m ipykernel install --user --name material --display-name "materialjupyter" ``` 至此安装完成训练所需的 conda 环境 ## 3. 打开 Jupyter ### 3.1. 选择 Jupyter  ### 3.2. 选择 1core 选用 1 核 CPU 资源用于识别。然后点击 Launch  ### 3.3. 等待资源分配 预计等待十几秒钟到几分钟不等，取决于集群资源利用率 待资源分配后，左下方会出现 "Connect to Jupyter" 按钮，点击进入  ## 4. 上传文件 ### 4.1. 上传在canvas下载的文件 - 将课程需要的 jupyter 文件上传到账号（step1） - 上传完成后显示为下图（step2）  在shell中解压缩上传的文件 ```shell= unzip traindata.zip unzip testdata.zip ``` ### 4.2. 打开 Jupyter 文件 - step 1：双击打开左侧的 `trainAndtest.ipynb` - step 2: 选择 `PyTorch` 环境 - step 3: 运行  预计几分钟可以运行完成。 ## 5. 数据传输 轻量数据上传和下载，可以使用 HPC Studio 可视化平台的文件管理功能 Files -> Home Directory  然后可以上传下载文件  其它数据传输说明，请见[超算使用文档](https://docs.hpc.sjtu.edu.cn/transport/index.html) ## 6. 注意事项 * 教学账号仅限教学使用；一人一账号，请注意保管 * 使用中遇到问题，欢迎邮件联系我们: hpc@sjtu.edu.cn ## 7. 参考资料 * 超算使用文档: https://docs.hpc.sjtu.edu.cn/ * Matlab 使用：https://docs.hpc.sjtu.edu.cn/studio/matlab.html * π 实时利用率：https://account.hpc.sjtu.edu.cn/top * HPC 网站：https://hpc.sjtu.edu.cn * 公众号：交我算 * 视频号：交我算 * 简短版使用手册（Cheat Sheet）：https://hpc.sjtu.edu.cn/Item/docs/Pi_GetStarted.pdf