Diferenzas

Isto amosa as diferenzas entre a revisión seleccionada e a versión actual da páxina.

Enlazar a esta vista de comparación

Both sides previous revisionPrevious revision
Next revision
Previous revision
centro:servizos:servidores_de_computacion_gpgpu [2022/07/01 11:25] fernando.guillencentro:servizos:servidores_de_computacion_gpgpu [2024/09/09 14:53] (actual) jorge.suarez
Liña 3: Liña 3:
 ===== Descrición do servizo ===== ===== Descrición do servizo =====
  
-Servidores con gráficas:+==== Servidores con gráficas de acceso libre ====
  
- 
-  * ''ctgpgpu3'': 
-    * Servidor PowerEdge R720 
-    * 1 procesador [[http://ark.intel.com/products/64588|Intel Xeon E52609]] 
-    * 16 GB de memoria RAM (1 DDR3 DIMM a 1600MHz) 
-    * Conectado a un caixón de gráficas con: 
-      * Gigabyte GeForce GTX Titan 6GB (2014) 
-      * Nvidia Titan X Pascal 12GB (2016) 
-    * Sistema operativo Ubuntu 18.04 
-      * Slurm (//de uso obrigatorio para a xestión de traballos//) 
-      * CUDA 10.2 (//repositorio oficial de Nvidia//) 
-      * Docker-ce 18.06 (//repositorio oficial de Docker//) 
-      * Nvidia-docker 2.0.3 (//repositorio oficial de Nvidia//) 
-      * Nvidia cuDNN v7.2.1 for CUDA 9.2 
-      * Intel Parallel Studio Professional for C++ 2015 (//licenza única, avisa se vas usalo!//) 
-      * ROS Melodic Morenia (//repositorio oficial de ROS//) 
   * ''ctgpgpu4'':   * ''ctgpgpu4'':
       * Servidor PowerEdge R730       * Servidor PowerEdge R730
       * 2 procesadores  [[https://ark.intel.com/products/92980/Intel-Xeon-Processor-E5-2623-v4-10M-Cache-2_60-GHz|Intel Xeon E52623v4]]       * 2 procesadores  [[https://ark.intel.com/products/92980/Intel-Xeon-Processor-E5-2623-v4-10M-Cache-2_60-GHz|Intel Xeon E52623v4]]
       * 128 GB de memoria RAM (4 DDR4 DIMM a 2400MHz)       * 128 GB de memoria RAM (4 DDR4 DIMM a 2400MHz)
-      * 2 tarxeta Nvidia GP102GL 24GB [Tesla P40] +      * 2 Nvidia GP102GL 24GB [Tesla P40] (2016) 
-      * Sistema operativo Centos 7.4 +      * Sistema operativo AlmaLinux 9.1 
-          * docker 17.09 y nvidia-docker 1.0.1 +          * Cuda 12.0 
-          * OpenCV 2.4.5 +          * * **Slurm para la gestión de colas de trabajo de uso obligatorio**
-          * Dliv, Caffe, Caffe2 y pycaffe + 
-          Python 3.4cython, easydict, sonnet +  Servidores no cluster de computación HPC[[ centro:servizos:hpc | Cluster de computación HPC ]] 
-          TensorFlow+  Servidores no CESGA: [[ centro:servizos:cesga | Solicitar acceso ]] 
 + 
 +==== Servidores con gráficas de acceso restrinxido ==== 
   * ''ctgpgpu5'':   * ''ctgpgpu5'':
       * Servidor PowerEdge R730       * Servidor PowerEdge R730
       * 2 procesadores  [[https://ark.intel.com/products/92980/Intel-Xeon-Processor-E5-2623-v4-10M-Cache-2_60-GHz|Intel Xeon E52623v4]]       * 2 procesadores  [[https://ark.intel.com/products/92980/Intel-Xeon-Processor-E5-2623-v4-10M-Cache-2_60-GHz|Intel Xeon E52623v4]]
       * 128 GB de memoria RAM (4 DDR4 DIMM a 2400MHz)       * 128 GB de memoria RAM (4 DDR4 DIMM a 2400MHz)
-      * 2 tarxeta Nvidia GP102GL 24GB [Tesla P40] +      * 2 tarxeta Nvidia GP102GL [Tesla P40] 
-      * Sistema operativo Ubuntu 18.04 +      * Sistema operativo Ubuntu 22.04 
-          * **Slurm para a xestión de colas de traballo de uso obrigatorio**. +          * Driver Nvidia 560, CUDA versión 12.5
-          * ** Modules para la gestión de versiones de bibliotecas**. +
-          * CUDA versión 11.+
-          * OpenCV 2.4 y 3.4 +
-          * Atlas 3.10.3 +
-          * MAGMA +
-          * TensorFlow +
-          * Caffee+
   * ''ctgpgpu6'':    * ''ctgpgpu6'': 
       * Servidor SIE LADON 4214       * Servidor SIE LADON 4214
Liña 52: Liña 32:
       * Nvidia Quadro P6000 24GB (2018)       * Nvidia Quadro P6000 24GB (2018)
       * Nvidia Quadro RTX8000 48GB (2019)       * Nvidia Quadro RTX8000 48GB (2019)
-      * Sistema operativo Centos 7.7 +      * 2 x Nvidia A30 24GB (2020) 
-          * Driver Nvidia 418.87.00 para CUDA 10.1 +      * Sistema operativo Centos 7.9 
-          Docker 19.03 +          * Driver Nvidia 535.86.10 para CUDA 12.2 
-          * [[https://github.com/NVIDIA/nvidia-docker | Nvidia-docker  ]] +  ''ctgpgpu9'': 
-  ''ctgpgpu7'':  +      Servidor Dell PowerEdge R750 
-      * Integrado no clúster de computación como hpc-gpu2+      * 2 procesadores [[ https://ark.intel.com/content/www/es/es/ark/products/215274/intel-xeon-gold-6326-processor-24m-cache-2-90-ghz.html |Intel Xeon Gold 6326 ]] 
-  * ''ctgpgpu8'':  +      128 GB de memoria RAM  
-      * Servidor Dell PowerEdge R740 +      * 2x NVIDIA Ampere A100 de 80 GB 
-      * 2 procesadores  [[https://ark.intel.com/content/www/us/en/ark/products/193388/intel-xeon-gold-5220-processor-24-75m-cache-2-20-ghz.html|Intel Xeon Gold 5220]] +      * Sistema operativo AlmaLinux 8.
-      * 192 GB de memoria RAM (12 DDR4 DIMM a 2667MHz)  +           * Driver NVIDIA 515.48.07 para CUDA 11.7 
-      * 2 x Nvidia Tesla V100S 32GB (2019) +  * ''ctgpgpu10'': 
-      * Sistema operativo Centos 8.1 +      * Servidor Dell PowerEdge R750 
-          ** Slurm para a xestión de colas de traballo de uso obrigatorio**. +      * 2 procesadores [[ https://ark.intel.com/content/www/es/es/ark/products/215272/intel-xeon-gold-5317-processor-18m-cache-3-00-ghz.html |Intel Xeon Gold 5317 ]] 
-          * ** Modules para la gestión de versiones de bibliotecas**. +      * 128 GB de memoria RAM  
-          * Driver Nvidia 440.64.00 para CUDA 10.2 +      * NVIDIA Ampere A100 de 80 GB 
-          Docker 19.03 +      * Sistema operativo AlmaLinux 8.7 
-          * [[  https://github.com/NVIDIA/nvidia-docker Nvidia-docker  ]] +           Driver NVIDIA 525.60.13 para CUDA 12.0 
 +   ''ctgpgpu11'': 
 +      Servidor Gybabyte  G482-Z54 
 +      * 2 procesadores [[ https://www.amd.com/es/products/cpu/amd-epyc-7413 | AMD EPYC 7413 @2,65 GHz 24c ]] 
 +      256 GB de memoria RAM 
 +      5 x NVIDIA Ampere A100 de 80 GB   
 +      Sistema operativo AlmaLinux 9.1 
 +           * Driver NVIDIA 520.61.05 para CUDA 11.8 
 +  ''ctgpgpu12'': 
 +      Servidor Dell PowerEdge R760 
 +      * 2 procesadores [[ https://ark.intel.com/content/www/xl/es/ark/products/232376.html |Intel Xeon Silver 4410Y ]] 
 +      * 384 GB de memoria RAM  
 +      * 2 x NVIDIA Hopper H100 de 80 GB 
 +      * Sistema operativo AlmaLinux 9.2 
 +           * Driver NVIDIA 555.42.06 para CUDA 12.5
 ===== Alta no servizo ===== ===== Alta no servizo =====
 Non todos os servidores están dispoñibles en todo momento para calqueira uso. Para acceder aos servidores, hai que solicitalo previamente a través do [[https://citius.usc.es/uxitic/incidencias/add|formulario de incidencias]]. Os usuarios que non teñan permiso de acceso recibirán unha mensaxe de contrasinal incorrecto. Non todos os servidores están dispoñibles en todo momento para calqueira uso. Para acceder aos servidores, hai que solicitalo previamente a través do [[https://citius.usc.es/uxitic/incidencias/add|formulario de incidencias]]. Os usuarios que non teñan permiso de acceso recibirán unha mensaxe de contrasinal incorrecto.
Liña 77: Liña 70:
 Para conectarse ós servidores, debes facelo a través de SSH. O nome e as direccións IP dos servidores son as seguintes: Para conectarse ós servidores, debes facelo a través de SSH. O nome e as direccións IP dos servidores son as seguintes:
  
- +  * ctgpgpu4.inv.usc.es - 172.16.242.201 
-  * ctgpgpu3.inv.usc.es - 172.16.242.93:22 +  * ctgpgpu5.inv.usc.es - 172.16.242.202 
-  * ctgpgpu4.inv.usc.es - 172.16.242.201:22 +  * ctgpgpu6.inv.usc.es - 172.16.242.205 
-  * ctgpgpu5.inv.usc.es - 172.16.242.202:22 +  * ctgpgpu9.inv.usc.es - 172.16.242.94 
-  * ctgpgpu6.inv.usc.es - 172.16.242.205:22 +  * ctgpgpu10.inv.usc.es - 172.16.242.95 
-  * ctgpgpu7.inv.usc.es - 172.16.242.207:22 +  * ctgpgpu11.inv.usc.es - 172.16.242.96 
-  * ctgpgpu8.inv.usc.es - 172.16.242.208:22+  * ctgpgpu12.inv.usc.es - 172.16.242.97
  
 A conexión só está dispoñible dende a rede do centro. Para conectarse dende outras localizacións ou dende a rede da RAI é preciso facer uso da [[:centro:servizos:vpn:start|VPN]] ou da [[:centro:servizos:pasarela_ssh|parasela SSH]]. A conexión só está dispoñible dende a rede do centro. Para conectarse dende outras localizacións ou dende a rede da RAI é preciso facer uso da [[:centro:servizos:vpn:start|VPN]] ou da [[:centro:servizos:pasarela_ssh|parasela SSH]].