未设置 --gpus 时防止在 SLURM 中使用 GPU

Question

我们正在使用 SLURM 来管理一个小型本地集群。我们管理的一个关键资源是 GPU。当用户通过 --gpus=2 请求 GPU 时，CUDA_VISIBLE_DEVICES 环境变量会设置为 SLURM 分配给用户的 GPU。

$ srun --gpus=2 bash -c 'echo $CUDA_VISIBLE_DEVICES'
0,1

我们有一个小团队，可以相信我们的用户不会滥用系统（他们很容易覆盖环境变量），所以这很有效。但是，意外绕过这个有点太容易了，因为当未指定 --gpus 时，$CUDA_VISIBLE_DEVICES 未设置，因此用户可以使用任何 GPU（我们通常使用 PyTorch）。

换句话说，以下命令可以正常工作（只要它位于 GPU 节点上），但我希望它失败（因为没有请求 GPU）。

srun sudo docker run -e CUDA_VISIBLE_DEVICES --runtime=nvidia pytorch/pytorch:1.1.0-cuda10.0-cudnn7.5-runtime python -c 'import torch; print(torch.tensor([1., 2.], device=torch.device("cuda:0")))'

如果将$CUDA_VISIBLE_DEVICES 设置为-1，它将失败。

$ CUDA_VISIBLE_DEVICES=-1 sudo docker run -e CUDA_VISIBLE_DEVICES --runtime=nvidia pytorch/pytorch:1.1.0-cuda10.0-cudnn7.5-runtime python -c 'import torch; print(torch.tensor([1., 2.], device=torch.device("cuda:0")))'
THCudaCheck FAIL file=/opt/conda/conda-bld/pytorch_1556653099582/work/aten/src/THC/THCGeneral.cpp line=51 error=38 : no CUDA-capable device is detected
Traceback (most recent call last):
  File "<string>", line 1, in <module>
  File "/opt/conda/lib/python3.6/site-packages/torch/cuda/__init__.py", line 163, in _lazy_init
    torch._C._cuda_init()
RuntimeError: cuda runtime error (38) : no CUDA-capable device is detected at /opt/conda/conda-bld/pytorch_1556653099582/work/aten/src/THC/THCGeneral.cpp:51

如果未指定 --gpus，如何配置 SLURM 以将 CUDA_VISIBLE_DEVICES 设置为 -1？

Answer 1

如果 Slurm 未设置，您可以使用 TaskProlog 脚本将 $CUDA_VISIBLE_DEVICES 变量设置为 -1。

在slurm.conf中，配置TaskProlog=/path/to/prolog.sh，为prolog.sh设置如下内容。

#! /bin/bash

if [[ -z $CUDA_VISIBLE_DEVICES]]; then
echo export CUDA_VISIBLE_DEVICES=-1
fi

echo export ... 部分将在作业环境中注入CUDA_VISIBLE_DEVICES=-1。

确保/path/to 在所有计算节点上都是可见的。 但这不会阻止用户玩系统并从 Python 脚本中重新定义变量。真正阻止访问需要配置cgroups。