学校的 GPU 分配问题

[hubahuba]

学校分配了 10 块 2080ti 给我们组做实验用

可这个机房在另一个校区 那个老师只暴力丢给我们一个 teamview 账号密码··· 经过沟通后表示各种问题无法给我们做 GPU 服务器部署···

所以想问问大家，在这样的情况下，如何做资源的分配呢？

（理想状态的是容器化管理，每个同学都有自己的子账号，自己的 environment ）

[pxiphx891]

如何做资源的分配？从阿里买一套 DataWorks 就行了

[villivateur]

要不直接装 10 台主机？这样简单暴力高效

[hubahuba]

@villivateur 它装在一台上 5T 我真怕哪个同学直接给我删光了 (/捂脸哭)

[weak]

直接 10 台主机 本来建议 pve 直通的 但是这个太麻烦了

[hubahuba]

@weak 我问过 他说没有那么多机器了···

[hubahuba]

对不起 此贴终结 刚才我看到这个账号就两块 GPU 刚打电话问了下 目前其他的没有机器装

[fuxiaopang]

国内，尤其是国家直属 985 院校的小型固定资产，在采购完的一瞬间就没有价值了，之后的使用维护都没有响应款项，出问题项目负责人、学院院长还要担责，但是明面上还要和学生按照当时报批的用途忽悠，等真想用困难重重。最后自己占了小便宜，学校早晚会想办法要回来。就像我们学校的渲染农场，所有人都不知道藏在哪里，怎么申请使用。后来教育部领导来视察才参观过。对比而言，北京市直属的高校要好很多，费用充足。

[dayeye2006199]

@hubahuba OP 我们是专门做裸金属上的数据科学实验开发环境的，对 CPU GPU 和存储进行池化。方便添加一下我的微信聊聊吗？ eXVodWlfc2hpCg==

[hubahuba]

@fuxiaopang 太对了

买的时候院长还挺用心的 说实验室不能没设备

谁想到买过来就立马变了，不是说设备问题。

管理，运营，人员，上上下下都是洞

甚至那个管设备的老师跟我说“他一个人多多忙···没时间做这些···”···

[jim9606]

自己组装几台放办公室里好了，维护也不用看别人眼色，我这边不少组就是这么干了。让教授出点经费搞几台组装机还是容易些的吧?放异地机房又没远程管理和可用性保障的话那没啥优势。
管理的话组内专用不给 root 问题也不会很大，或者就弄个 portainer CE 。

[vast0906]

搞成 Linux 跑个单点的 k8s ，通过 NVIDIA 的 gpu 做 gpu 划分； 然后一人一个 deployment 里面跑 jupyterlab 。访问的话 可以考虑下 WireGuard

[liuliangyz]

@hubahuba 小伙子，你太年轻了，你以为你的项目组能搞出很高的产出吗？
学校说分给你们组，不代表老师就按你们要求分配。
从另外一个方便，既然是一个学校的，只是不同校区，你们有没有主动去另外一个校区找老师，协助老师把这 10 块 gpu 部署好。

[podel]

可以考虑 k8s k8s 可以直接分配 gpu 资源。也可以多多账户进行管理。就是要学习一下。
学习好了。会非常方便的。

[crazydd]

LSF 大家一起 bsub 排队呀