Member guide

从登录到提交第一个任务

这里保留最常用的安全入口。完整参数、配额和恢复流程以服务器内 lab-help 为准。

提交计算任务

GPU 和重计算统一进入 Slurm。交互调试用 srun，后台训练用项目内的 sbatch 脚本。

sinfo
squeue -u "$USER"

srun --qos=normal --gres=gpu:1   --cpus-per-task=4 --mem=32G   --time=02:00:00 --hint=nomultithread   --pty bash -l

后台训练模板

#!/usr/bin/env bash
#SBATCH --job-name=train
#SBATCH --qos=normal
#SBATCH --gres=gpu:1
#SBATCH --cpus-per-task=4
#SBATCH --mem=32G
#SBATCH --time=08:00:00
#SBATCH --hint=nomultithread
#SBATCH --output=logs/slurm/%x-%j.out
#SBATCH --error=logs/slurm/%x-%j.err

uv run python train.py

文件放在哪里

个人工作区

~/data/users/$USER 保存项目、环境、数据集、模型和 checkpoint。

临时缓存

~/data/scratch/$USER 保存可重新下载或生成的缓存和中间结果。

关键成果

~/data/backup-critical/$USER 保存最终权重、论文结果和关键代码。

共同项目

~/data/team/<project> 只在指定协作范围内共享。

先看资源，再提交

运行 grafana-password 获取本人的看板地址与初始登录信息。看板用于查看资源、队列与历史，不替代 Slurm 提交。

grafana-password
labctl status compute
slurm-usage --days 7

个人服务与定时任务

轻量 CPU 常驻服务使用 labctl service。需要 GPU 或较多 CPU、内存的服务继续通过 Slurm 申请资源。

labctl port next
labctl service create api --workdir ~/proj --   uv run python api.py
systemctl --user status yaogroup-api.service

遇到问题

先运行 labctl status doctor 检查账号、目录和工具。
网络问题使用 labctl status network。
作业排队原因使用 scontrol show job <job-id>。
仍无法定位时，把命令、时间、错误信息和 Job ID 发给维护人，不要发送密码或订阅 token。

服务器内文档更新更快。登录后运行 lab-help 和 lab-help commands 获取完整说明。