Mcore Run On Slurm
nvidia/skills/skills/mcore-run-on-slurm作者 nvidiacf5224d14250Apache-2.03.5K 个星标收录于 2026年10月8日更新于 2026年10月8日仓库今天更新
How to launch distributed Megatron-LM training jobs on a SLURM cluster. Covers a minimal sbatch skeleton, environment-variable setup for torch.distributed.run, CUDA_DEVICE_MAX_CONNECTIONS rules across hardware and parallelism modes, container conventions, monitoring, and per-rank failure diagnosis.
- cf5224d14250当前提交 cf5224d发布于 2026年10月8日
来源与署名
来源：nvidia/skills位于skills/mcore-run-on-slurm提交cf5224d
许可证： Apache-2.0
内容归原作者所有。SourceWeft 从公开仓库中收录这些内容。
更多来自 nvidia/skills 的技能
Tilegym Cutile Python
nvidia
指导编写、调试和优化 cuTile Python GPU 内核，包含示例、验证循环以及可选的多智能体编排。
Tilegym Monkey Patch Kernels To Transformers
nvidia
通过非侵入式 monkey-patch 将 TileGym cuTile 内核集成到 Hugging Face transformers 模型，并自动生成新内核。
Tilegym Converting Cutile To Julia
nvidia
将 cuTile Python GPU 内核转换为 cuTile.jl Julia 等价实现，并提供规则、示例与静态校验器。
Tilegym Adding Cutile Kernel
nvidia
指导向 TileGym 添加新的 cuTile GPU 内核算子，涵盖调度注册、测试与基准测试。
Physicsnemo Discover
nvidia
为 SciML 任务指引查找 PhysicsNeMo 的模型族、数据管道与示例，并引用实时仓库路径。
Nemoclaw User Guide
nvidia
引导 AI 代理访问 NemoClaw 官方 Markdown 文档与文档 MCP 服务器，回答安装与运维问题。
更多DevOps & Cloud技能
Playwright Devops
microsoft
面向 Playwright 的 DevOps 工作流：分析 main 分支最新提交的 GitHub Actions 失败并下载失败作业日志。
M5 Onboard
anthropics
通过 USB 检测 M5Stack ESP32 开发板，刷写 UIFlow 2.0 固件并安装 MicroPython 应用包。
Yeet
openai
使用 GitHub CLI 一次性完成暂存、提交、推送并创建或更新 GitHub 拉取请求。
Runbook
anthropics
为重复性任务创建或更新分步运维手册，包含故障排查、回滚和升级流程。
Incident Response
anthropics
指导事故响应流程：严重级别判定、状态更新、缓解跟踪以及无责事后复盘。
Deploy Checklist
anthropics
生成部署前就绪检查清单，涵盖部署前、部署、部署后和回滚触发条件。