GPU 增强功能

LSF， 10.1 NVIDIA （DCGM）集成，能够更有效地与 LSF 集群中的GPU协同工作。 LSF 现在与 NVIDIA 1.1集成。 此更新为 LSF的 DCGM 功能提供了以下增强功能:

• LSF 会检查 GPU 的状态，以在作业分配 GPU 资源时自动过滤掉运行不正常的 GPU ，并在 GPU 再次运行正常时自动重新添加 GPU。
• DCGM 提供了用于检查 GPU 运行状况的机制，并且 LSF 集成了这些机制以在作业运行之前，期间和之后检查 GPU 状态以满足 GPU 需求。 如果 LSF 在作业完成之前检测到 GPU 不正常，那么 LSF 将使作业重新排队。 这将确保作业在运行正常的 GPU 上运行。
• 现在，已为单 GPU 作业启用 GPU 自动提升，而不考虑是否启用 DCGM。 如果启用了 DCGM ，那么 LSF 还会在具有独占方式的作业上启用 GPU 自动升降，这些作业在一台主机上的多个 GPU 上运行。

通过在 lsf.conf 文件中定义 LSF_DCGM_PORT 参数来启用 DCGM 集成。