# mcore-run-on-slurm

Скилл помогает подготовить запуск распределённого обучения Megatron-LM на SLURM-кластере. Пригодится для настройки sbatch, мног узлового запуска и разбора сбоев по логам рангов.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1800 установок · ★ 3735
- Автор: Philip Petrakian
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/NVIDIA/skills/tree/HEAD/skills/mcore-run-on-slurm/SKILL.md
- Обновлён: 2026-10-23
- HTML: https://affpapa.org/nevibecode/skills/mcore-run-on-slurm

## Что делает

Скилл описывает каркас `sbatch` для обучения Megatron-LM на нескольких узлах: общие переменные для `torch.distributed.run`, запуск одной задачи `srun` на узел и сбор логов на общей файловой системе. Также разбирает, как следить за заданием и где искать первую ошибку в stderr рангов.

Значение `CUDA_DEVICE_MAX_CONNECTIONS` зависит от GPU и режима параллелизма: для Hopper или Ampere с TP>1 либо CP>1 без FSDP требуется `1`, а для `overlap_moe_expert_parallel_comm` — `32`. При Torch-FSDP2 или Megatron-FSDP значение `1` использовать нельзя. Перед запуском нужны права на отправку заданий в GPU-раздел SLURM, общий для узлов путь к Megatron-LM и установленный `uv`; до первой отправки выполните `uv sync --extra training --extra dev` либо `uv sync --extra lts`. Без общего пути код, данные и чекпойнты не будут доступны всем узлам.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill mcore-run-on-slurm -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/mcore-run-on-slurm/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/mcore-run-on-slurm/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill mcore-run-on-slurm -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/mcore-run-on-slurm/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill mcore-run-on-slurm -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/mcore-run-on-slurm/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install NVIDIA/skills mcore-run-on-slurm
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/mcore-run-on-slurm/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill mcore-run-on-slurm -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/NVIDIA/skills --path skills/mcore-run-on-slurm
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/mcore-run-on-slurm/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add NVIDIA/skills --skill mcore-run-on-slurm -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/NVIDIA/skills/tree/HEAD/skills/mcore-run-on-slurm/SKILL.md

## Когда брать
- подготовить `sbatch` для распределённого обучения Megatron-LM
- настроить адрес и порт главного узла, число узлов и GPU
- выбрать `CUDA_DEVICE_MAX_CONNECTIONS` для режима параллелизма
- найти первичную ошибку по stderr разных рангов
- проверить состояние задания и собрать его логи

## Примеры запросов агенту
- Подготовь `run_megatron.slurm` для запуска Megatron-LM на моём SLURM-кластере.
- Проверь настройки `MASTER_ADDR`, `WORLD_SIZE` и `CUDA_DEVICE_MAX_CONNECTIONS` для этого задания.
- Разбери логи всех рангов и найди первую ошибку, из-за которой обучение завершилось.

## Похожие
- [wizard](https://affpapa.org/nevibecode/skills/wizard.md) — скилл · 553369 установок
- [hyperframes-cli](https://affpapa.org/nevibecode/skills/heygen-com-hyperframes-cli.md) — скилл · 1300000 установок
- [setup-pre-commit](https://affpapa.org/nevibecode/skills/setup-pre-commit.md) — скилл · 489289 установок
- [using-git-worktrees](https://affpapa.org/nevibecode/skills/using-git-worktrees.md) — скилл · 217153 установки
- [finishing-a-development-branch](https://affpapa.org/nevibecode/skills/finishing-a-development-branch.md) — скилл · 214439 установок
- [orca-cli](https://affpapa.org/nevibecode/skills/orca-cli.md) — скилл · 353600 установок

Из того же набора: [nvidia/skills](https://affpapa.org/nevibecode/by/nvidia/skills.md) — 178 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md