Translations:Best practices for job submission/20/fr: Difference between revisions
Jump to navigation
Jump to search
(Created page with "Puisqu'il y a peu de nœuds GPU, les tâches qui requièrent leur utilisation attendent généralement longtemps. * Assurez-vous d’utiliser le plus efficacement possible le...") |
No edit summary |
||
| Line 4: | Line 4: | ||
** Comme le coût d’un nœud GPU est élevé, une tâche qui utilise un seul GPU devrait s’exécuter beaucoup plus rapidement qu’avec un nœud CPU entier. Si ce n’est pas le cas de votre tâche, utilisez plutôt un nœud CPU. | ** Comme le coût d’un nœud GPU est élevé, une tâche qui utilise un seul GPU devrait s’exécuter beaucoup plus rapidement qu’avec un nœud CPU entier. Si ce n’est pas le cas de votre tâche, utilisez plutôt un nœud CPU. | ||
** Si votre tâche se termine seulement 5 à 10 % plus rapidement avec un nœud GPU, utilisez plutôt un nœud CPU. L’attente significativement plus élevée pour l’obtention d’un nœud GPU n’en vaut pas la peine. | ** Si votre tâche se termine seulement 5 à 10 % plus rapidement avec un nœud GPU, utilisez plutôt un nœud CPU. L’attente significativement plus élevée pour l’obtention d’un nœud GPU n’en vaut pas la peine. | ||
* Pour suivre l'efficacité des tâches avec GPU, utilisez des outils comme < | * Pour suivre l'efficacité des tâches avec GPU, utilisez des outils comme <code>[https://developer.nvidia.com/nvidia-system-management-interface nvidia-smi]</code>, <code>nvtop</code> ou encore l’utilitaire [[TensorFlow/fr#TensorBoard|TensorBoard]] si vous travaillez avec [[TensorFlow/fr|TensorFlow]]. | ||
Latest revision as of 19:41, 17 July 2023
Puisqu'il y a peu de nœuds GPU, les tâches qui requièrent leur utilisation attendent généralement longtemps.
- Assurez-vous d’utiliser le plus efficacement possible le GPU pour lequel vous avez attendu si longtemps et assurez-vous qu’il augmente la performance de vos tâches.
- Plusieurs logiciels offrent une option GPU dont NAMD et GROMACS, mais ce ne sont pas toutes les fonctions de ces logiciels qui sont capables de tirer parti des GPU. Il est donc sage de faire de courts tests avec et sans GPU et de vérifier l’effet sur la vitesse d’exécution.
- Comme le coût d’un nœud GPU est élevé, une tâche qui utilise un seul GPU devrait s’exécuter beaucoup plus rapidement qu’avec un nœud CPU entier. Si ce n’est pas le cas de votre tâche, utilisez plutôt un nœud CPU.
- Si votre tâche se termine seulement 5 à 10 % plus rapidement avec un nœud GPU, utilisez plutôt un nœud CPU. L’attente significativement plus élevée pour l’obtention d’un nœud GPU n’en vaut pas la peine.
- Pour suivre l'efficacité des tâches avec GPU, utilisez des outils comme
nvidia-smi,nvtopou encore l’utilitaire TensorBoard si vous travaillez avec TensorFlow.