Mcore Run On Slurm
nvidia/skills/skills/mcore-run-on-slurm作者 nvidiacf5224d14250Apache-2.03.5K 個星標收錄於 2026年10月8日更新於 2026年10月8日儲存庫今天更新
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目前提交 cf5224d發布於 2026年10月8日
來源與署名
來源：nvidia/skills位於skills/mcore-run-on-slurm提交cf5224d
授權條款： Apache-2.0
內容歸原作者所有。SourceWeft 從公開儲存庫中收錄這些內容。
更多來自 nvidia/skills 的技能
Tilegym Cutile Python
nvidia
指導撰寫、偵錯與最佳化 cuTile Python GPU 核心，包含範例、驗證迴圈以及可選的多代理編排。
Tilegym Monkey Patch Kernels To Transformers
nvidia
透過非侵入式 monkey-patch 將 TileGym cuTile 核心整合到 Hugging Face transformers 模型，並自動產生新核心。
Tilegym Converting Cutile To Julia
nvidia
將 cuTile Python GPU 核心轉換為 cuTile.jl Julia 等效實作，並提供規則、範例與靜態驗證器。
Tilegym Adding Cutile Kernel
nvidia
指導在 TileGym 中加入新的 cuTile GPU 核心運算子，涵蓋分派註冊、測試與基準測試。
Physicsnemo Discover
nvidia
為 SciML 任務指引查找 PhysicsNeMo 的模型家族、資料管線與範例，並引用即時 repo 路徑。
Nemoclaw User Guide
nvidia
引導 AI 代理前往 NemoClaw 官方 Markdown 文件與文件 MCP 伺服器，回答安裝與維運問題。
更多DevOps & Cloud技能
Playwright Devops
microsoft
Playwright 的 DevOps 工作流程：分析 main 分支最新提交的 GitHub Actions 失敗並下載失敗作業日誌。
M5 Onboard
anthropics
透過 USB 偵測 M5Stack ESP32 開發板，燒錄 UIFlow 2.0 韌體並安裝 MicroPython 應用程式套件。
Yeet
openai
使用 GitHub CLI 一次完成暫存、提交、推送並建立或更新 GitHub 拉取請求。
Runbook
anthropics
為重複性任務建立或更新逐步操作手冊，包含疑難排解、回復與升級流程。
Incident Response
anthropics
引導事故回應流程：嚴重程度分級、狀態更新、緩解追蹤，以及無責事後檢討。
Deploy Checklist
anthropics
產生部署前就緒檢查清單，涵蓋部署前、部署、部署後與回復觸發條件。