Komputasi Python dengan Conda Environment (Mandiri): Perbedaan antara revisi

Revisi per 3 Juli 2025 11.29

Halaman ini menjelaskan menjalankan komputasi / aplikasi Python dengan conda environment (conda env) di ALELEON Supercomputer yang dibuat secara mandiri oleh user itu sendiri.

Laman ini merupakan bagian laman [Komputasi Python]

0. Standar Kompetensi dan Spesifikasi

Tutorial ini mengasumsikan user berpengalaman dalam instalasi environment dan package Python serta memahami konteks instalasi mandiri untuk kebebasan kostumisasi tersendiri.

Spesifikasi

Tutorial ini memandu membuat conda environment dengan site-packages yang terisolasi di dalamnya.
Pembuatan conda env dan instalasi package mengkonsumsi storage HOME user.
- Pantau konsumsi storage HOME dengan perintah $ ncdu $HOME

Tutorial ini menggunakan keterangan simbol perintah terminal:

`$`	Perintah ketika conda env tidak aktif
`_(env)$`	Perintah ketika conda env aktif

1. Langkah Menjalankan Komputasi

No	Subbab	Langkah
1	[ 2 ]	Buat conda env untuk menampung instalasi package.
2	[ 3 ]	Manajemen conda env, pilih yang dibutuhkan: [ 3.1 ] Mengaktifkan conda env dan instalasi package yang dibutuhkan [ 3.2 ] Menghapus cache package untuk meluangkan storage HOME [ 3.3 ] Menghapus conda environment [ 3.4 ] Manajemen lainnya (yang sekiranya berguna)
3	[ 4 ]	Langkah bagi yang akan menjalankan package Python versi CUDA
4	[ 5 ]	Menjalankan komputasi dengan pilihan: [ 5.1 ] batch job [ 5.2 ] sesi Jupyter Notebook / Lab

2. Membuat Conda Environment

ALELEON Supercomputer menyediakan pilihan Python Package Manager (PPM) berikut untuk membuat conda env. Pilih sesuai preferensi user:

Anaconda: PPM Python paling banyak digunakan dan saat ini menjadi standar industri.
Mamba: PPM Python alternatif Anaconda versi open-source komunitas.

(klik expand / kembangkan)

- Langkah Membuat conda env -

Menggunakan terminal!

User EFIRO klik app Aleleon Shell Access
atau menu Apps > Aleleon Shell Access

-/ 1 /-

Pilih dan aktifkan modul PPM untuk membuat conda env:

Ingat atau catat modul PPM yang dipakai.
Kedepannya digunakan untuk mengaktifkan conda env ini.

$ module load [nama-modul-anaconda-atau-mamba]

- Nama modul Anaconda3 -
Versi	Nama Modul	Versi Py default
2024-02-1	`Anaconda3/2024.02-1`	3.11.7
2023.07-2	`Anaconda3/2023.07-2`	3.11.4
2022.05	`Anaconda3/2022.05`	3.9.12
2021.05	`Anaconda3/2021.05`	3.8.8
2020.11	`Anaconda3/2020.11`	3.8.5
- Nama modul Mamba -
23.11.0-0	`Mamba/23.11.0-0`	3.10.13

Saran sebelum langkah 2 ...

Pilih nama conda env yang mengandung unsur nama modul:

Untuk mengingat modul yang digunakan.
Contoh user memilih modul Anaconda3/2024-02-1
- Gunakan nama conda env seperti A2024-skripsi

-/ 2 /-

Buat conda env dengan opsi:

2A - Conda env kosong dengan Python versi tertentu, apabila:

Hendak melakukan instalasi salah satu package berikut:

*Package Python dengan kebutuhan versi Python spesifik*
Package	Versi Python
TensorFlow	Lihat [TensorFlow Tested Build Configurations]
PyTorch	3.9 - 3.12
AutoGluon	3.9 - 3.12

- Anaconda
$ conda create -n [nama-conda-env] python=[versi]

- Mamba
$ mamba create -n [nama-conda-env] python=[versi]

Contoh dengan Python 3.10 
$ conda create -n skripsi python=3.10

2B - Conda env kosong dengan Python versi 3.12.

Rekomendasi admin untuk versi Python terstabil saat ini.

- Anaconda
$ conda create -n [nama-conda-env] python=3.12

- Mamba
$ mamba create -n [nama-conda-env] python=3.12

2C - Conda env dengan file "resep" konfigurasi yml

File yml disediakan user sendiri.

- Anaconda
$ conda create -f [nama-file-yml].yml

- Mamba
$ mamba create -f [nama-file-yml].yml

---

3. Manajemen Conda Environment

Terdiri dari:

3.1. Aktivasi Conda Env dan Instalasi Package

Ada baiknya user melengkapi instalasi package sebelum menjalankan komputasi karena:

Batch job -> supaya script Python berjalan tanpa error missing package.
Sesi Jupyter -> untuk efisiensi penggunaan karena terkadang ada package yang membutuhkan waktu lama untuk instalasi.

Langkah berikut berjalan di login node dan tidak mengkonsumsi Core Hour.

- Mengaktifkan dan Instalasi Package Conda Env -
Menggunakan terminal! User EFIRO klik app `Aleleon Shell Access` atau menu `Apps > Aleleon Shell Access`
`-/ 1 /-`
Muat modul PPM yang digunakan untuk membuat conda env: $ module load [nama-modul-anaconda-atau-mamba]
`-/ 2 /-`
Aktifkan conda env dengan perintah `source`: $ source activate [nama-conda-env] - Apabila lupa nama conda env, cari dengan: $ conda env list
`-/ 3 /-`
Lakukan instalasi package Python yang dibutuhkan: Lihat laman [Daftar Instalasi Package Python]
`-/ 4 /-`
Untuk user yang hendak menggunakan sesi Jupyter
Instal package: _(env)$ pip install jupyter jupyterlab
`-/ 5 /-`
Lihat subbab [ 4 ]
`-/ 6 /-`
Apabila hendak menonaktfkan conda env: _(env)$ conda deactivate

3.2. Menghapus Cache Conda dan Package

Pembuatan conda env dan instalasi package Python juga mengeluarkan file cache yang apabila dibiarkan akan menumpuk dan menghabiskan ruang storage HOME. User dapat berkala membersihkan cache ini.

- Menghapus cache conda dan package -
`-/ 1 /-`
Muat modul PPM yang digunakan untuk membuat conda env: $ module load [nama-modul-anaconda-atau-mamba]
`-/ 2 /-`
Pilih opsi:
- Menghapus index dan cache package conda. - Tidak mempengaruhi conda env dan package - di dalamnya. $ conda clean --all - Menghapus semua cache pip $ pip cache purge

3.3. Menghapus Conda Environment

Apabila merasa tidak dibutuhkan, user dapat menghapus conda environment dimana juga meluangkan storage HOME.

- Menghapus conda environment -
`-/ 1 /-`
Muat modul PPM yang digunakan untuk membuat conda env: $ module load [nama-modul-anaconda-atau-mamba]
`-/ 2 /-`
Hapus conda env dengan: $ *conda remove -n [nama-conda-env]* --all**

3.4. Manajemen Conda Environment Lainnya

Berikut manajemen conda yang sekiranya berguna:

(klik expand / kembangkan)

- Manajemen conda environment lainnya -

- Mengganti nama conda env
$ conda rename -n [nama-conda-env-saat-ini] [nama-conda-env-baru]

- Menduplikat conda env yang ada
$ conda create -n [nama-conda-duplikat] --clone [nama-conda-env-yang-ada]

- Membuat file konfigurasi yml dari conda env yang aktif
_(env)$ conda env create -f [nama-file-yml].yml

4. Instalasi Package Python versi GPU / CUDA?

Perhatikan hal berikut apabila user menginstal package Python versi CUDA dan hendak menggunakan compute / interactive node GPU:

Package membutuhkan jenis dan versi library NVIDIA sesuai seperti CUDA, cuDNN untuk dapat berjalan di GPU NVIDIA.
Umumnya (walau tidak semua) package Python CUDA saat ini juga menginstal package NVIDIA yang dibutuhkan.
Berikut metode mengecek dan melengkapi library NVIDIA yang dibutuhkan package:

- Melanjutkan langkah 5 instalasi di atas -
`-/ 5A /-`
Cek ketersediaan library CUDA di conda env: - Apabila instal package dengan pip _(env)$ pip list \| grep cuda - Apabila instal package dengan conda _(env)$ conda list \| grep cuda
Ada output
Conda env siap digunakan. User tidak perlu memuat modul CUDA.
Tidak ada output
User harus memuat modul CUDA ketika menjalankan job: Perhatikan versi CUDA yang dibutuhkan package. Langkah memuat CUDA lihat subbab [ 5 ].

5. Pilihan Menjalankan Komputasi

Berikut opsi menjalankan komputasi Python dengan conda env, pilih sesuai kebutuhan:

[ 5.1 - Batch Job ]
- Menjalankan script Python siap jalan tanpa interaksi user di [Compute node].
  - Perhatikan file .ipynb harus dikonversi ke file .py.
  - Job dijalankan oleh manajemen Slurm, user menunggu hingga selesai.
- Batch job akan berhenti ketika:
  - Program komputasi selesai berjalan.
  - Program komputasi menyentuh limit waktu yang ditentukan user.
  - Program menjumpai error sehingga selesai prematur.
- Koneksi user tidak mempengaruhi jalannya batch job:
  - Job tidak akan berhenti ketika koneksi user terputus, atau
  - user keluar (log out) dari ALELEON.
[ 5.2 - Sesi Jupyter ]
- Menjalankan sesi interaktif Jupyter Lab atau Notebook di [interactive node].
- Sesi Jupyter akan berhenti ketika:
  - Waktu sesi habis.
  - Sesi dihentikan secara manual oleh user.
  - Sesi menjumpai error sehingga selesai prematur.
- Koneksi user tidak mempengaruhi jalannya sesi Jupyter, contoh:
  - Sesi tidak akan berhenti ketika koneksi user terputus, atau
  - user keluar (log out) dari ALELEON.
- Ketika user keluar dari sesi Jupyter saat cell berjalan dan kembali masuk:
  - Bisa jadi cell tsb. tidak menampilkan proses jalannya komputasi.
  - Lihat cell berikutnya apakah belum / sedang / sudah selesai berjalan.

---

5.1. Batch Job

Menjalankan script Python siap jalan tanpa interaksi user di [Compute node]..

Perhatikan file .ipynb harus dikonversi ke file .py.
Job dijalankan oleh manajemen Slurm, user menunggu hingga selesai.

(klik expand / kembangkan)

- Langkah Batch Job di Terminal -

Tutorial ini mengasumsikan user familiar dengan terminal Linux

Menggunakan terminal!

User EFIRO klik app Aleleon Shell Access
atau menu Apps > Aleleon Shell Access

-/ 0 /-

Apakah bisa menjalankan job?

User dengan Kredit Core Hour disarankan cek kuota terlebih dulu:

$ sausage

Detail limit alokasi komputasi job lihat langkah 2B.
Bila butuh tambah kuota, lihat [top up Kredit Core Hour].

-/ 1 /-

Lakukan persiapan:

1A - Pastikan package lengkap pada conda env yang akan digunakan:

Package tidak lengkap akan menyebabkan job gagal berjalan.

1B - Siapkan file komputasi yang dibutuhkan:

Upload / download file lihat [Upload / Dow nload File HOME]

1C - Memastikan batch job memuat conda env dengan benar:

1 - Nonaktifkan conda env di terminal apabila aktif:
(env)$ conda deactivate
 
2 - Nonaktifkan modul Package Python:
$ ml unload Anaconda Mamba

Apabila ada pesan ini, abaikan:
 the module ... cannot be unloaded because it was not loaded

-/ 2A /-

Buat Submit Script yaitu 'formulir' untuk menjalankan job komputasi:

Nama file bebas dengan format .sh, contoh submit.sh
Biasanya submit script berada satu folder dengan file komputasi.

$ nano submit.sh
atau vim

Contoh template Submit Script:

Ikuti petunjuk NOTES dan alur script di dalamnya.

Klik expand / kembangkan

- Template submit script Conda Environment versi CPU -

#!/bin/bash

# -----------------------------------------------------
# Template SLURM Submit Script
# Python dengan Conda Environment (CPU) | rev.210125
#
# NOTES:
# 1. Isi bagian yang ditandai 4 garing (////).
# 2. Template ini bersifat referensi.
#    User dapat mengubah bagian yang perlu diubah.
# 3. Pastikan user sudah melengkapi conda environment.
# -----------------------------------------------------

# -----------------------------------------------------
# Alokasi komputasi SBATCH dan file input
# -----------------------------------------------------

# Alokasi jumlah core thread CPU
#SBATCH --ntasks=////

# Alokasi jumlah memori RAM (satuan GB)
#SBATCH --mem=////GB

# Alokasi limit waktu menjalankan job
# Format HH:MM:SS atau D-HH:MM:SS
#SBATCH --time=////

# Definisi file untuk menampung output terminal program
#SBATCH --output=result-%j.txt

# Definisi file untuk menampung output error log
#SBATCH --error=error-%j.txt

# Input nama modul package manager yang digunakan untuk membuat
# conda env user. Daftar nama:
# Anaconda3/2020.11   || Anaconda3/2021.05   || Anaconda3/2022.05 ||
# Anaconda3/2023.07-2 || Anaconda3/2024.02-1 || Mamba/23.11.0-0   ||
PM="////"

# Nama conda environment yang digunakan
CONDA_NAME="////"

# ----------------------------------------------------
# Script jalannya program
# ----------------------------------------------------

# Memuat modul
module load ${PM}

# Mengaktifkan Conda Environment
source activate ${CONDA_NAME}

# Tuliskan perintah menjalankan komputasi Python user
# contoh -> python3 [nama-file-python]
////

- Template submit script conda environment versi GPU -

Apakah perlu memuat modul CUDA [ Subbab 4 ]?

Apabila butuh, isi nama modul CUDA pada script sebagai berikut:

...
module load ${PM}
module load [Nama-modul-CUDA]
...

- Daftar modul CUDA ALELEON -
Versi CUDA	Nama modul CUDA
11.2	`cuda/11.2-cuDNN8.1.1`
11.6	`cuda/11.6-cuDNN8.3.3`
11.8	`cuda/11.8-cuDNN8.6.0`
12.0	`cuda/12.0-cuDNN8.7.0`
12.1	`cuda/12.1-cuDNN8.8.1`
12.3	`cuda/12.3-cuDNN8.9.6`
12.4	`cuda/12.4-cuDNN9.2.1`
12.5	`cuda/12.5-cuDNN9.2.1`
Permintaan instalasi CUDA versi lain: Hubungi tim admin di support@efisonlt.com
---

#!/bin/bash

# -----------------------------------------------------
# Template SLURM Submit Script
# Python dengan Conda Environment (GPU) | rev.210125
#
# NOTES:
# 1. Isi bagian yang ditandai 4 garing (////).
# 2. Template ini bersifat referensi.
#    User dapat mengubah bagian yang perlu diubah.
# 3. Pastikan user sudah melengkapi conda environment.
# -----------------------------------------------------

# -----------------------------------------------------
# Alokasi komputasi SBATCH dan file input
# -----------------------------------------------------

# Partisi compute node GPU
#SBATCH --partition=ampere

# Alokasi jumlah core thread CPU
#SBATCH --ntasks=////

# Alokasi jumlah GPU
#SBATCH --gpus=////

# Alokasi jumlah memori RAM (satuan GB)
#SBATCH --mem=////GB

# Alokasi limit waktu menjalankan job
# Format HH:MM:SS atau D-HH:MM:SS
#SBATCH --time=////

# Definisi file untuk menampung output terminal program
#SBATCH --output=result-%j.txt

# Definisi file untuk menampung output error log
#SBATCH --error=error-%j.txt

# Input nama modul package manager yang digunakan untuk membuat
# conda env user. Daftar nama:
# Anaconda3/2020.11   || Anaconda3/2021.05   || Anaconda3/2022.05 ||
# Anaconda3/2023.07-2 || Anaconda3/2024.02-1 || Mamba/23.11.0-0   ||
PM="////"

# Nama conda environment yang digunakan
CONDA_NAME="////"

# ----------------------------------------------------
# Script jalannya program
# ----------------------------------------------------

# Memuat modul
module load ${PM} 

# Mengaktifkan Conda Environment
source activate ${CONDA_NAME}

# Tuliskan perintah menjalankan komputasi Python user
# contoh -> python3 [nama-file-python]
////

Detail Submit Script lihat [Submit Script ALELEON Supercomputer]

Untuk SBATCH notifikasi email status jalannya job lihat [Slurm Jojo]

-/ 2B /-

SBATCH komputasi (ntasks, mem, time, dll) punya limit berdasarkan:

Sisa Core Hour user dan [Fair Usage Limit]
Spesifikasi sistem dan software komputasi.

Untuk melihat limit, jalankan perintah berikut:

$ slimit-python

Note untuk saat ini:

Jalankan ketika tidak ada job user yang berjalan atau antri.
Sementara berlaku untuk akun perseorangan saja.

-/ 3 /-

Jalankan job dengan perintah:

$ sbatch [nama-submit-script]

Contoh:
$ sbatch submit.sh

-/ 4 /-

User dapat melihat status jalannya job dengan perintah:

$ squeue -ul $USER

Apabila tidak ada di squeue artinya job bersangkutan telah berakhir.
Job berakhir ketika:
- Komputasi selesai atau ada error sehingga selesai prematur.
- Job menyentuh walltime yang didefinisikan user di SBATCH time.

Kolom ST atau STATE menunjukkan status jalannya job:
STATE	Penjelasan
`R (RUN)`	Job berjalan
`PD (PENDING)`	Job tertahan, lihat [Daftar Job Reason]
`CG (COMPLETING)`	Job selesai dan dalam proses clean-up
`CA (CANCELED)`	Job dibatalkan user
`PR (PREEMPETED)`	Job dibatalkan admin, alasan dikabarkan via email
`S (SUSPENDED)`	Job ditahan admin, alasan dikabarkan via email

-/ 5 /-

User dapat memantau file output dengan perintah Unix seperti:

ls, cat, more, tail, dll

-/ 6 /-

Apabila user ingin menghentikan job yang berjalan, jalankan perintah:

$ scancel [job-ID]

Job ID ada pada squeue diatas.
contoh membatalkan job ID 231:
$ scancel 231

---

- Langkah Batch Job di web EFIRO -

-/ 0 /-

Apakah bisa menjalankan job?

User dengan Kredit Core Hour disarankan cek kuota terlebih dulu:

Buka menu Apps > Aleleon Shell Access
Jalankan:

$ sausage

Detail limit alokasi komputasi job lihat langkah 5B.
Bila butuh tambah kuota, lihat [top up Kredit Core Hour].

-/ 1 /-

[Login ke web EFIRO] ALELEON Supercomputer.

-/ 2 /-

	Klik app `Job Composer` di homepage EFIRO. atau menu `Apps > Job Composer`

Pilih menu New Job > From Template

-/ 3 /-

Buat ruang job untuk menjalankan komputasi:

Pilih template Anaconda Python yang diinginkan:
Nama Template	Penjelasan
Conda Environment Python (CPU)	Menjalankan conda env pada CPU
Conda Environment Python (GPU)	Menjalankan conda env pada GPU

Kemudian Isi Job Name dan klik Create New Job

-/ 4 /-

Lakukan persiapan:

4A - Pastikan package lengkap pada conda env yang akan digunakan:

Package tidak lengkap akan menyebabkan job gagal berjalan.
Akses terminal apabila butuh via menu Open Terminal

4B - Siapkan file komputasi yang dibutuhkan di ruang job:

Pastikan ruang job yang dipilih adalah yang akan digunakan.

Upload / download / edit file via menu Edit Files

Upload / download file tunggal diatas 2GB gunakan [software FTP]

-/ 5A /-

Lengkapi Submit Script melalui tombol Open Editor

Submit script adalah 'formulir' untuk menjalankan job komputasi.
Ikuti petunjuk NOTES dan alur script di dalamnya.
Klik Save setiap kali mengubah script.

Bagi yang memilih template GPU:

Apakah perlu memuat modul CUDA [ Subbab 4 ]?
Apabila butuh, isi nama modul CUDA pada script sebagai berikut:

...
module load ${PM}
module load [Nama-modul-CUDA]
...

- Daftar modul CUDA ALELEON -
Versi CUDA	Nama modul CUDA
11.2	`cuda/11.2-cuDNN8.1.1`
11.6	`cuda/11.6-cuDNN8.3.3`
11.8	`cuda/11.8-cuDNN8.6.0`
12.0	`cuda/12.0-cuDNN8.7.0`
12.1	`cuda/12.1-cuDNN8.8.1`
12.3	`cuda/12.3-cuDNN8.9.6`
12.4	`cuda/12.4-cuDNN9.2.1`
12.5	`cuda/12.5-cuDNN9.2.1`
Permintaan instalasi CUDA versi lain: Hubungi tim admin di support@efisonlt.com
---

Detail Submit Script lihat [Submit Script ALELEON Supercomputer]

Untuk SBATCH notifikasi email status jalannya job lihat [Slurm Jojo]

-/ 5B /-

SBATCH komputasi (ntasks, mem, time, dll) punya limit berdasarkan:

Sisa Core Hour user dan [Fair Usage Limit]
Spesifikasi sistem dan software komputasi.

Untuk melihat limit, jalankan perintah berikut:

$ slimit-python

Note untuk saat ini:

Jalankan ketika tidak ada job user yang berjalan atau antri.
Sementara berlaku untuk akun perseorangan saja.

-/ 6 /-

Jalankan job dengan klik tombol Submit

Job berakhir (Status completed) ketika:
- Komputasi selesai atau ada error sehingga selesai prematur.
- Job menyentuh walltime yang didefinisikan user di SBATCH time.

Kolom Status menunjukkan status jalannya job:
Status	Arti
Not Submitted	Job belum pernah dijalankan.
Running	Job berjalan.
Queue	Job mengantri dan belum berjalan.
Completed	Job selesai berjalan.
Failed	Job berhenti karena error atau di stop user.
Melihat alasan job yang queue:
Buka menu `Apps > Active Jobs` Ubah opsi `All Jobs` ke `Your Jobs`. Klik simbol `>` pada job status pending dan lihat kolom Reason. Arti reason lihat laman [Daftar Job Reason ALELEON]

-/ 7 /-

Lihat output file komputasi pada kolom Folder Contents

Atau dengan membuka menu Edit Files

Kolom Folder Contents

-/ 8 /-

Apabila user ingin menghentikan job yang berjalan, klik Stop

-/ 9 /-

Untuk menghapus ruang job dan datanya:

Pilih ruang job yang akan dihapus.
Perhatikan opsi ini juga menghapus data di ruang job tersebut.
Klik menu Delete

---

5.2. Sesi Jupyter

Menjalankan sesi interaktif Jupyter Lab atau Notebook di [interactive node].

(klik expand / kembangkan)

- Langkah Sesi Jupyter -

-/ 1 /-

[Login ke web EFIRO] ALELEON Supercomputer.

-/ 2 /-

Lakukan persiapan sebelum sesi Jupyter:

Untuk efisiensi sesi terkait batasan waktu dan konsumsi Core Hour:

Lengkapi instalasi package pada conda env yang akan dipakai.
- Pastikan package jupyter dan jupyterlab telah terinstal.
Upload file besar lihat [Upload / Download File HOME]
- Direktori standar sesi Jupyter adalah $HOME user.

-/ 3 /-

	Klik app `Jupyter` di homepage EFIRO. atau menu `Apps > Jupyter`

-/ 4 /-

Isi formulir untuk memulai sesi Jupyter dengan panduan berikut:

Choose Jupyter version

Pilih sesuai preferensi user, Jupyter Lab atau Notebook

Partition

Pilih sesuai kebutuhan:

torti -> interactive node CPU
tilla -> interactive node GPU

Number of CPU thread(s)

Alokasi core CPU, range 2 - 32

Amount of memory/RAM (GB)

Alokasi RAM dalam satuan GB, range 1 - 64

Number of GPUs (apabila pilih partition tilla)

Jumlah GPU, isi angka 1

Number of hours

Waktu maksimal sesi Jupyter, range 1 - 72

Apakah bisa menjalankan sesi Jupyter?

Form CPU, GPU, dan hours punya limit berdasarkan:

Sisa Core Hour user dan [Fair Usage Limit]

Untuk melihat limit:

Buka menu Apps > Aleleon Shell Access
Jalankan perintah:

$ sausage

Ketentuan sesi Jupyter dapat berjalan:

sisa CCH > number of CPU threads X number of hours
sisa GH > number of GPU X number of hours

Choose how to launch Jupyter

Pilih Anaconda/Mamba

Choose Anaconda/Mamba version

Pilih versi yang digunakan untuk membuat conda env user.

Conda/Mamba environment directory

Isi nama conda env user, contoh: skripsi

Software Modules

Memuat modul software diluar conda env user , isi apabila ada.

Bagi user yang memilih partition tilla:

Apakah perlu memuat modul CUDA [ Subbab 4 ]?
Apabila butuh, isi form ini dengan nama modul CUDA.

- Daftar modul CUDA ALELEON -
Versi CUDA	Nama modul CUDA
11.2	`cuda/11.2-cuDNN8.1.1`
11.6	`cuda/11.6-cuDNN8.3.3`
11.8	`cuda/11.8-cuDNN8.6.0`
12.0	`cuda/12.0-cuDNN8.7.0`
12.1	`cuda/12.1-cuDNN8.8.1`
12.3	`cuda/12.3-cuDNN8.9.6`
12.4	`cuda/12.4-cuDNN9.2.1`
12.5	`cuda/12.5-cuDNN9.2.1`
Permintaan instalasi CUDA versi lain: Hubungi tim admin di support@efisonlt.com
---

Environment setup

Memuat environment variable, isi apabila ada.

Additional Jupyter arguments

Memuat argumen tambahan Jupyter, isi apabila ada.

Email address

Notifikasi email untuk status mulai dan selesainya Jupyter.

Isi apabila berkenan.

-/ 5 /-

Klik tombol Launch untuk memulai sesi Jupyter:

User akan diarahkan ke halaman My Interactive Sessions
Tunggu hingga sesi Jupyter siap diakses.

-/ 6 /-

Apabila status Running, klik tombol Connect to Jupyter

Sistem mulai menghitung Core Hour!
Sesi akan terus berjalan selama waktu sesi masih ada.
Untuk menghentikan sesi yang running, klik tombol Cancel

-/ 7 /-

Gunakan kernel Python 3 (ipykernel) untuk sesi Jupyter.

-/ 8 /-

Sesi Jupyter tidak terputus ketika:

Koneksi user terputus saat sesi Jupyter.
User keluar / log out dari sesi Jupyter dan web EFIRO.

User dapat mengunjungi sesi Jupyter yang sedang berjalan pada:

Menu My Interactive Sessions
Kolom Active interactive sessions di homepage EFIRO.

Ketika user keluar saat ada cell berjalan dan kembali masuk:

Bisa jadi cell tersebut tidak menampilkan proses jalannya komputasi.
Lihat cell berikutnya apakah belum / sedang / selesai berjalan.

---

Pelaporan Kendala dan Support

Apabila menjumpai masalah teknis dalam menjalankan komputasi, silahkan lapor dengan klik gambar berikut ini.

Bila terdapat pertanyaan lainnya, silahkan hubungi admin EFISON melalui email:

support@efisonlt.com

Kontributor

EFISON turut mengucapakan terima kasih spesial kepada:

[Sadasa Aacademy] untuk pengujian semua tutorial di laman ini.

@@ Baris 2: / Baris 2: @@
 [[Berkas:Logo Python Anaconda Mamba ALELEON tp.png|400x400px]]
-Halaman ini menjelaskan menjalankan komputasi / aplikasi Python dengan conda environment '''<big>(conda env)</big>''' di ALELEON Supercomputer dimana user '''<big>membuat sendiri</big>''' conda env-nya.
+Halaman ini menjelaskan menjalankan komputasi / aplikasi Python dengan conda environment '''<big>(conda env)</big>''' di ALELEON Supercomputer yang '''<big>dibuat secara mandiri oleh user itu sendiri.</big>'''
 {| class="wikitable"
 !''Laman ini merupakan bagian laman'' [<nowiki/>[[Komputasi Python]]]
@@ Baris 8: / Baris 8: @@
 == '''''0. Standar Kompetensi dan Spesifikasi''''' ==
-Tutorial ini mengasumsikan user berpengalaman dalam instalasi environment dan package Python.
+Tutorial ini mengasumsikan user berpengalaman dalam instalasi environment dan package Python serta memahami konteks instalasi mandiri untuk kebebasan kostumisasi tersendiri.
 === Spesifikasi ===

Article tools

Perkakas pribadi

Navigasi

Perkakas

Komputasi Python dengan Conda Environment (Mandiri): Perbedaan antara revisi

Revisi per 3 Juli 2025 11.29

Daftar isi

0. Standar Kompetensi dan Spesifikasi

Spesifikasi

1. Langkah Menjalankan Komputasi

2. Membuat Conda Environment

3. Manajemen Conda Environment

3.1. Aktivasi Conda Env dan Instalasi Package

3.2. Menghapus Cache Conda dan Package

3.3. Menghapus Conda Environment

3.4. Manajemen Conda Environment Lainnya

4. Instalasi Package Python versi GPU / CUDA?

5. Pilihan Menjalankan Komputasi

5.1. Batch Job

5.2. Sesi Jupyter

Pelaporan Kendala dan Support

Kontributor