Komputasi Python dengan Conda Environment (Siap Pakai)

Halaman ini menjelaskan menjalankan komputasi / aplikasi Python dengan conda environment (conda env) di ALELEON Supercomputer yang:

Tersedia atau siap pakai.
Untuk opsi user membuat conda env sendiri, lihat [Komputasi Python dengan Conda Environment (Mandiri)]

Laman ini merupakan bagian dari:
1	[Komputasi Python]

1. Spesifikasi

Spesifikasi conda env siap pakai:

Dibuat oleh tim admin ALELEON Supercomputer.

Setiap conda env spesifik menjalankan 1 package utama (contoh: TensorFlow).

2. Langkah Menjalanlan Komputasi

Subbab	Langkah
[ 3 ]	Lihat ketersediaan conda env tersedia: Cek kelengkapan package dan dukungan komputasi.
[ 4 ]	Apabila butuh, user dapat melengkapi instalasi package.
[ 5 ]	Menjalankan komputasi dengan pilihan: [ 5.1 ] sesi interaktif di Login Node [ 5.2 ] batch job di [Compute Node] [ 5.3 ] sesi Jupyter di [Interactive Node]

3. Daftar Conda Env Tersedia

Berikut adalah daftar conda env siap pakai.

Cek kelengkapan package dengan expand / kembangkan tabel Package terinstal.
Bila ada kekurangan package, lihat subbab [ 4 ].

- Daftar Conda Env Tersedia -

Permintaan pembuatan conda env ke tim admin hubungi support@efisonlt.com.

Package Utama

dan terinstal

Nama Conda Env

Py Package Manager

Versi

Python

Dukungan Komputasi

CPU

GPU

MPI

Batch

Job

Sesi

Jupyter

PyTorch 2.7.1 (ver CUDA 12.6)

feat. CUDA, MPI, Accelerate, Transformers

$CENV/pytorch-2.7.1cuda

Anaconda3/2024.02-1

3.12

V

Package terinstal

_libgcc_mutex 0.1
_openmp_mutex 5.1
absl-py 2.3.1
accelerate 1.8.1
anyio 4.9.0
argon2-cffi 25.1.0
argon2-cffi-bindings 21.2.0
arrow 1.3.0
asttokens 3.0.0
async-lru 2.0.5
attrs 25.3.0
babel 2.17.0
beautifulsoup4 4.13.4
bleach 6.2.0
bzip2 1.0.8
ca-certificates 2025.2.25
certifi 2025.6.15
cffi 1.17.1
charset-normalizer 3.4.2
comm 0.2.2
contourpy 1.3.2
cycler 0.12.1
debugpy 1.8.14
decorator 5.2.1
defusedxml 0.7.1
executing 2.2.0
expat 2.7.1
fastjsonschema 2.21.1
filelock 3.18.0
fonttools 4.58.4
fqdn 1.5.1
fsspec 2025.5.1
h11 0.16.0
h5py 3.14.0
hf-xet 1.1.5
httpcore 1.0.9
httpx 0.28.1
huggingface-hub 0.33.2
idna 3.10
ipykernel 6.29.5
ipython 9.4.0
ipython-pygments-lexers 1.1.1
ipywidgets 8.1.7
isoduration 20.11.0
jedi 0.19.2
jinja2 3.1.6
joblib 1.5.1
json5 0.12.0
jsonpointer 3.0.0
jsonschema 4.24.0
jsonschema-specifications 2025.4.1
jupyter 1.1.1
jupyter-client 8.6.3
jupyter-console 6.6.3
jupyter-core 5.8.1
jupyter-events 0.12.0
jupyter-lsp 2.2.5
jupyter-server 2.16.0
jupyter-server-terminals 0.5.3
jupyterlab 4.4.4
jupyterlab-pygments 0.3.0
jupyterlab-server 2.27.3
jupyterlab-widgets 3.0.15
keras 3.10.0
kiwisolver 1.4.8
ld_impl_linux-64 2.40
libffi 3.4.4
libgcc-ng 11.2.0
libgomp 11.2.0
libstdcxx-ng 11.2.0
libuuid 1.41.5
libxcb 1.17.0
markdown-it-py 3.0.0
markupsafe 3.0.2
matplotlib 3.10.3
matplotlib-inline 0.1.7
mdurl 0.1.2
mistune 3.1.3
ml-dtypes 0.5.1
mpi4py 4.1.0
mpmath 1.3.0
namex 0.1.0
nbclient 0.10.2
nbconvert 7.16.6
nbformat 5.10.4
ncurses 6.4
nest-asyncio 1.6.0
networkx 3.5
notebook 7.4.4
notebook-shim 0.2.4
numpy 2.3.1
nvidia-cublas-cu12 12.6.4.1
nvidia-cuda-cupti-cu12 12.6.80
nvidia-cuda-nvrtc-cu12 12.6.77
nvidia-cuda-runtime-cu12 12.6.77
nvidia-cudnn-cu12 9.5.1.17
nvidia-cufft-cu12 11.3.0.4
nvidia-cufile-cu12 1.11.1.6
nvidia-curand-cu12 10.3.7.77
nvidia-cusolver-cu12 11.7.1.2
nvidia-cusparse-cu12 12.5.4.2
nvidia-cusparselt-cu12 0.6.3
nvidia-nccl-cu12 2.26.2
nvidia-nvjitlink-cu12 12.6.85
nvidia-nvtx-cu12 12.6.77
openmpi 5.0.8
openssl 3.0.16
optree 0.16.0
overrides 7.7.0
packaging 25.0
pandas 2.3.0
pandocfilters 1.5.1
parso 0.8.4
pexpect 4.9.0
pillow 11.3.0
pip 25.1
platformdirs 4.3.8
prometheus-client 0.22.1
prompt-toolkit 3.0.51
psutil 7.0.0
pthread-stubs 0.3
ptyprocess 0.7.0
pure-eval 0.2.3
pycparser 2.22
pygments 2.19.2
pyparsing 3.2.3
python 3.12.11
python-dateutil 2.9.0.post0
python-json-logger 3.3.0
pytz 2025.2
pyyaml 6.0.2
pyzmq 27.0.0
readline 8.2
referencing 0.36.2
regex 2024.11.6
requests 2.32.4
rfc3339-validator 0.1.4
rfc3986-validator 0.1.1
rich 14.0.0
rpds-py 0.26.0
safetensors 0.5.3
scikit-learn 1.7.0
scipy 1.16.0
send2trash 1.8.3
setuptools 78.1.1
six 1.17.0
sniffio 1.3.1
soupsieve 2.7
sqlite 3.45.3
stack-data 0.6.3
sympy 1.14.0
terminado 0.18.1
threadpoolctl 3.6.0
tinycss2 1.4.0
tk 8.6.14
tokenizers 0.21.2
torch 2.7.1
torchaudio 2.7.1
torchvision 0.22.1
tornado 6.5.1
tqdm 4.67.1
traitlets 5.14.3
transformers 4.53.1
triton 3.3.1
types-python-dateutil 2.9.0.20250516
typing-extensions 4.14.0
tzdata 2025.2
uri-template 1.3.0
urllib3 2.5.0
wcwidth 0.2.13
webcolors 24.11.1
webencodings 0.5.1
websocket-client 1.8.0
wheel 0.45.1
widgetsnbextension 4.0.14
xorg-libx11 1.8.12
xorg-libxau 1.0.12
xorg-libxdmcp 1.1.5
xorg-xorgproto 2024.1
xz 5.6.4
zlib 1.2.13

TensorFlow 2.19 (ver CUDA 12.5)

feat. CUDA, MPI, Transformers

$CENV/tensorflow-2.19cuda

Anaconda3/2024.02-1

3.11

V

Package terinstal

_libgcc_mutex 0.1
_openmp_mutex 5.1
absl-py 2.3.1
anyio 4.9.0
argon2-cffi 25.1.0
argon2-cffi-bindings 21.2.0
arrow 1.3.0
asttokens 3.0.0
astunparse 1.6.3
async-lru 2.0.5
attrs 25.3.0
babel 2.17.0
beautifulsoup4 4.13.4
bleach 6.2.0
bzip2 1.0.8
ca-certificates 2025.2.25
certifi 2025.6.15
cffi 1.17.1
charset-normalizer 3.4.2
comm 0.2.2
contourpy 1.3.2
cycler 0.12.1
debugpy 1.8.14
decorator 5.2.1
defusedxml 0.7.1
executing 2.2.0
expat 2.7.1
fastjsonschema 2.21.1
filelock 3.18.0
flatbuffers 25.2.10
fonttools 4.58.5
fqdn 1.5.1
fsspec 2025.5.1
gast 0.6.0
google-pasta 0.2.0
grpcio 1.73.1
h11 0.16.0
h5py 3.14.0
hf-xet 1.1.5
httpcore 1.0.9
httpx 0.28.1
huggingface-hub 0.33.2
idna 3.10
ipykernel 6.29.5
ipython 9.4.0
ipython-pygments-lexers 1.1.1
ipywidgets 8.1.7
isoduration 20.11.0
jedi 0.19.2
jinja2 3.1.6
joblib 1.5.1
json5 0.12.0
jsonpointer 3.0.0
jsonschema 4.24.0
jsonschema-specifications 2025.4.1
jupyter 1.1.1
jupyter-client 8.6.3
jupyter-console 6.6.3
jupyter-core 5.8.1
jupyter-events 0.12.0
jupyter-lsp 2.2.5
jupyter-server 2.16.0
jupyter-server-terminals 0.5.3
jupyterlab 4.4.4
jupyterlab-pygments 0.3.0
jupyterlab-server 2.27.3
jupyterlab-widgets 3.0.15
keras 3.10.0
kiwisolver 1.4.8
ld_impl_linux-64 2.40
libclang 18.1.1
libffi 3.4.4
libgcc-ng 11.2.0
libgomp 11.2.0
libstdcxx-ng 11.2.0
libuuid 1.41.5
libxcb 1.17.0
markdown 3.8.2
markdown-it-py 3.0.0
markupsafe 3.0.2
matplotlib 3.10.3
matplotlib-inline 0.1.7
mdurl 0.1.2
mistune 3.1.3
ml-dtypes 0.5.1
mpi4py 4.1.0
namex 0.1.0
nbclient 0.10.2
nbconvert 7.16.6
nbformat 5.10.4
ncurses 6.4
nest-asyncio 1.6.0
notebook 7.4.4
notebook-shim 0.2.4
numpy 2.1.3
nvidia-cublas-cu12 12.5.3.2
nvidia-cuda-cupti-cu12 12.5.82
nvidia-cuda-nvcc-cu12 12.5.82
nvidia-cuda-nvrtc-cu12 12.5.82
nvidia-cuda-runtime-cu12 12.5.82
nvidia-cudnn-cu12 9.3.0.75
nvidia-cufft-cu12 11.2.3.61
nvidia-curand-cu12 10.3.6.82
nvidia-cusolver-cu12 11.6.3.83
nvidia-cusparse-cu12 12.5.1.3
nvidia-nccl-cu12 2.23.4
nvidia-nvjitlink-cu12 12.5.82
openmpi 5.0.8
openssl 3.0.16
opt-einsum 3.4.0
optree 0.16.0
overrides 7.7.0
packaging 25.0
pandas 2.3.0
pandocfilters 1.5.1
parso 0.8.4
pexpect 4.9.0
pillow 11.3.0
pip 25.1
platformdirs 4.3.8
prometheus-client 0.22.1
prompt-toolkit 3.0.51
protobuf 5.29.5
psutil 7.0.0
pthread-stubs 0.3
ptyprocess 0.7.0
pure-eval 0.2.3
pycparser 2.22
pygments 2.19.2
pyparsing 3.2.3
python 3.11.13
python-dateutil 2.9.0.post0
python-json-logger 3.3.0
pytz 2025.2
pyyaml 6.0.2
pyzmq 27.0.0
readline 8.2
referencing 0.36.2
regex 2024.11.6
requests 2.32.4
rfc3339-validator 0.1.4
rfc3986-validator 0.1.1
rich 14.0.0
rpds-py 0.26.0
safetensors 0.5.3
scikit-learn 1.7.0
scipy 1.16.0
send2trash 1.8.3
setuptools 78.1.1
six 1.17.0
sniffio 1.3.1
soupsieve 2.7
sqlite 3.45.3
stack-data 0.6.3
tensorboard 2.19.0
tensorboard-data-server 0.7.2
tensorflow 2.19.0
tensorflow-io-gcs-filesystem 0.37.1
termcolor 3.1.0
terminado 0.18.1
threadpoolctl 3.6.0
tinycss2 1.4.0
tk 8.6.14
tokenizers 0.21.2
tornado 6.5.1
tqdm 4.67.1
traitlets 5.14.3
transformers 4.53.1
types-python-dateutil 2.9.0.20250516
typing-extensions 4.14.1
tzdata 2025.2
uri-template 1.3.0
urllib3 2.5.0
wcwidth 0.2.13
webcolors 24.11.1
webencodings 0.5.1
websocket-client 1.8.0
werkzeug 3.1.3
wheel 0.45.1
widgetsnbextension 4.0.14
wrapt 1.17.2
xorg-libx11 1.8.12
xorg-libxau 1.0.12
xorg-libxdmcp 1.1.5
xorg-xorgproto 2024.1
xz 5.6.4
zlib 1.2.13

Jax 0.6.2 (ver CUDA 12.9)

feat. Flax, mpi4jax, Transformers

$CENV/jax-0.6.2cuda

Anaconda3/2024.02-1

3.12

V

Package terinstal

_libgcc_mutex 0.1
_openmp_mutex 5.1
absl-py 2.3.1
anyio 4.9.0
argon2-cffi 25.1.0
argon2-cffi-bindings 21.2.0
arrow 1.3.0
asttokens 3.0.0
async-lru 2.0.5
attrs 25.3.0
babel 2.17.0
beautifulsoup4 4.13.4
bleach 6.2.0
bzip2 1.0.8
ca-certificates 2025.2.25
certifi 2025.6.15
cffi 1.17.1
charset-normalizer 3.4.2
chex 0.1.89
comm 0.2.2
contourpy 1.3.2
cycler 0.12.1
debugpy 1.8.14
decorator 5.2.1
defusedxml 0.7.1
etils 1.12.2
executing 2.2.0
expat 2.7.1
fastjsonschema 2.21.1
filelock 3.18.0
flax 0.10.7
fonttools 4.58.5
fqdn 1.5.1
fsspec 2025.5.1
h11 0.16.0
h5py 3.14.0
hf-xet 1.1.5
httpcore 1.0.9
httpx 0.28.1
huggingface-hub 0.33.2
humanize 4.12.3
idna 3.10
importlib-resources 6.5.2
ipykernel 6.29.5
ipython 9.4.0
ipython-pygments-lexers 1.1.1
ipywidgets 8.1.7
isoduration 20.11.0
jax 0.6.2
jax-cuda12-pjrt 0.6.2
jax-cuda12-plugin 0.6.2
jaxlib 0.6.2
jedi 0.19.2
jinja2 3.1.6
joblib 1.5.1
json5 0.12.0
jsonpointer 3.0.0
jsonschema 4.24.0
jsonschema-specifications 2025.4.1
jupyter 1.1.1
jupyter-client 8.6.3
jupyter-console 6.6.3
jupyter-core 5.8.1
jupyter-events 0.12.0
jupyter-lsp 2.2.5
jupyter-server 2.16.0
jupyter-server-terminals 0.5.3
jupyterlab 4.4.4
jupyterlab-pygments 0.3.0
jupyterlab-server 2.27.3
jupyterlab-widgets 3.0.15
keras 3.10.0
kiwisolver 1.4.8
ld_impl_linux-64 2.40
libffi 3.4.4
libgcc-ng 11.2.0
libgomp 11.2.0
libstdcxx-ng 11.2.0
libuuid 1.41.5
libxcb 1.17.0
markdown-it-py 3.0.0
markupsafe 3.0.2
matplotlib 3.10.3
matplotlib-inline 0.1.7
mdurl 0.1.2
mistune 3.1.3
ml-dtypes 0.5.1
mpi4jax 0.7.2
mpi4py 4.1.0
msgpack 1.1.1
namex 0.1.0
nbclient 0.10.2
nbconvert 7.16.6
nbformat 5.10.4
ncurses 6.4
nest-asyncio 1.6.0
notebook 7.4.4
notebook-shim 0.2.4
numpy 2.3.1
nvidia-cublas-cu12 12.9.1.4
nvidia-cuda-cupti-cu12 12.9.79
nvidia-cuda-nvcc-cu12 12.9.86
nvidia-cuda-nvrtc-cu12 12.9.86
nvidia-cuda-runtime-cu12 12.9.79
nvidia-cudnn-cu12 9.10.2.21
nvidia-cufft-cu12 11.4.1.4
nvidia-cusolver-cu12 11.7.5.82
nvidia-cusparse-cu12 12.5.10.65
nvidia-nccl-cu12 2.27.5
nvidia-nvjitlink-cu12 12.9.86
nvidia-nvshmem-cu12 3.3.9
openmpi 5.0.8
openssl 3.0.16
opt-einsum 3.4.0
optax 0.2.5
optree 0.16.0
orbax-checkpoint 0.11.18
overrides 7.7.0
packaging 25.0
pandas 2.3.0
pandocfilters 1.5.1
parso 0.8.4
pexpect 4.9.0
pillow 11.3.0
pip 25.1
platformdirs 4.3.8
prometheus-client 0.22.1
prompt-toolkit 3.0.51
protobuf 6.31.1
psutil 7.0.0
pthread-stubs 0.3
ptyprocess 0.7.0
pure-eval 0.2.3
pycparser 2.22
pygments 2.19.2
pyparsing 3.2.3
python 3.12.11
python-dateutil 2.9.0.post0
python-json-logger 3.3.0
pytz 2025.2
pyyaml 6.0.2
pyzmq 27.0.0
readline 8.2
referencing 0.36.2
regex 2024.11.6
requests 2.32.4
rfc3339-validator 0.1.4
rfc3986-validator 0.1.1
rich 14.0.0
rpds-py 0.26.0
safetensors 0.5.3
scikit-learn 1.7.0
scipy 1.16.0
send2trash 1.8.3
setuptools 78.1.1
simplejson 3.20.1
six 1.17.0
sniffio 1.3.1
soupsieve 2.7
sqlite 3.45.3
stack-data 0.6.3
tensorstore 0.1.76
terminado 0.18.1
threadpoolctl 3.6.0
tinycss2 1.4.0
tk 8.6.14
tokenizers 0.21.2
toolz 1.0.0
tornado 6.5.1
tqdm 4.67.1
traitlets 5.14.3
transformers 4.53.1
treescope 0.1.9
types-python-dateutil 2.9.0.20250516
typing-extensions 4.14.1
tzdata 2025.2
uri-template 1.3.0
urllib3 2.5.0
wcwidth 0.2.13
webcolors 24.11.1
webencodings 0.5.1
websocket-client 1.8.0
wheel 0.45.1
widgetsnbextension 4.0.14
xorg-libx11 1.8.12
xorg-libxau 1.0.12
xorg-libxdmcp 1.1.5
xorg-xorgproto 2024.1
xz 5.6.4
zipp 3.23.0
zlib 1.2.13

BoltzTrap2 25.3.1 $CENV/boltztrap2-25.3.1 Anaconda3/2024.02-1 3.11 V - - V V

Package terinstal

_libgcc_mutex 0.1
_openmp_mutex 5.1
anyio 4.9.0
argon2-cffi 25.1.0
argon2-cffi-bindings 21.2.0
arrow 1.3.0
ase 3.25.0
asttokens 3.0.0
async-lru 2.0.5
attrs 25.3.0
babel 2.17.0
beautifulsoup4 4.13.4
bleach 6.2.0
boltztrap2 25.3.1
bzip2 1.0.8
ca-certificates 2025.2.25
certifi 2025.6.15
cffi 1.17.1
cftime 1.6.4.post1
charset-normalizer 3.4.2
comm 0.2.2
contourpy 1.3.2
cycler 0.12.1
cython 3.1.2
debugpy 1.8.14
decorator 5.2.1
defusedxml 0.7.1
executing 2.2.0
expat 2.7.1
fastjsonschema 2.21.1
fonttools 4.58.4
fqdn 1.5.1
h11 0.16.0
httpcore 1.0.9
httpx 0.28.1
idna 3.10
ipykernel 6.29.5
ipython 9.3.0
ipython-pygments-lexers 1.1.1
ipywidgets 8.1.7
isoduration 20.11.0
jedi 0.19.2
jinja2 3.1.6
json5 0.12.0
jsonpointer 3.0.0
jsonschema 4.24.0
jsonschema-specifications 2025.4.1
jupyter 1.1.1
jupyter-client 8.6.3
jupyter-console 6.6.3
jupyter-core 5.8.1
jupyter-events 0.12.0
jupyter-lsp 2.2.5
jupyter-server 2.16.0
jupyter-server-terminals 0.5.3
jupyterlab 4.4.3
jupyterlab-pygments 0.3.0
jupyterlab-server 2.27.3
jupyterlab-widgets 3.0.15
kiwisolver 1.4.8
ld_impl_linux-64 2.40
libffi 3.4.4
libgcc-ng 11.2.0
libgomp 11.2.0
libstdcxx-ng 11.2.0
libuuid 1.41.5
libxcb 1.17.0
markupsafe 3.0.2
matplotlib 3.10.3
matplotlib-inline 0.1.7
mistune 3.1.3
nbclient 0.10.2
nbconvert 7.16.6
nbformat 5.10.4
ncurses 6.4
nest-asyncio 1.6.0
netcdf4 1.7.2
notebook 7.4.3
notebook-shim 0.2.4
numpy 2.3.1
openssl 3.0.16
overrides 7.7.0
packaging 25.0
pandocfilters 1.5.1
parso 0.8.4
pexpect 4.9.0
pillow 11.2.1
pip 25.1
platformdirs 4.3.8
prometheus-client 0.22.1
prompt-toolkit 3.0.51
psutil 7.0.0
pthread-stubs 0.3
ptyprocess 0.7.0
pure-eval 0.2.3
pycparser 2.22
pygments 2.19.2
pyparsing 3.2.3
python 3.11.13
python-dateutil 2.9.0.post0
python-json-logger 3.3.0
pyyaml 6.0.2
pyzmq 27.0.0
readline 8.2
referencing 0.36.2
requests 2.32.4
rfc3339-validator 0.1.4
rfc3986-validator 0.1.1
rpds-py 0.25.1
scipy 1.16.0
send2trash 1.8.3
setuptools 78.1.1
six 1.17.0
sniffio 1.3.1
soupsieve 2.7
spglib 2.6.0
sqlite 3.45.3
stack-data 0.6.3
terminado 0.18.1
tinycss2 1.4.0
tk 8.6.14
tornado 6.5.1
traitlets 5.14.3
types-python-dateutil 2.9.0.20250516
typing-extensions 4.14.0
tzdata 2025b
uri-template 1.3.0
urllib3 2.5.0
wcwidth 0.2.13
webcolors 24.11.1
webencodings 0.5.1
websocket-client 1.8.0
wheel 0.45.1
widgetsnbextension 4.0.14
xorg-libx11 1.8.12
xorg-libxau 1.0.12
xorg-libxdmcp 1.1.5
xorg-xorgproto 2024.1
xz 5.6.4
zlib 1.2.13

4. (Apabila butuh) Melengkapi Conda Env Siap Pakai

Aturan terkait instalasi dan menghapus package tambahan:

Instalasi package tambahan bersifat HOME global:
- Package terinstal di HOME user.
- Perhatikan versi Python conda env di [Daftar Conda Env Tersedia].
- Contoh instalasi package pada conda env yang memakai Python 3.11:
  - Package tsb akan aktif di conda env lain dengan versi Python sama.
Lakukan instalasi dengan bijak.
- Ada potensi package tidak cocok pada conda env bersangkutan.
- ... atau pada conda env lainnya.
- User dapat diskusi / meminta bantuan admin via support@efisonlt.com
User hanya bisa menghapus (uninstall) package yang diinstal sendiri.
- User tidak dapat menghapus package bawaan conda env.

4.1. Langkah Melengkapi Conda Env

Langkah membedakan user yang menjalankan komputasi pada sesi Jupyter dan batch job ( subbab [ 5 ] ).

(klik expand / kembangkan)

- Opsi Langkah Instalasi Package -
4.1.1 - User Sesi Jupyter
`-/ 1 /-`
User dapat melakukan instalasi pada sesi notebook. Lihat [Instalasi Package Umum dengan pip / conda]
---
4.1.2 - Batch Job
Menggunakan terminal! User EFIRO klik app `Aleleon Shell Access` atau menu `Apps > Aleleon Shell Access`
`-/ 1 /-`
Pilih dan aktifkan conda env tersedia: Lihat [Daftar Conda Env Tersedia]. $ ml [Py Package Manager] $ source activate [Nama Conda Env] - Contoh mengaktifkan conda env PyTorch 2.7.1: $ ml Anaconda3/2024.02-1 $ source activate $CENV/pytorch-2.7.1cuda
`-/ 2 /-`
Lakukan instalasi package Python yang dibutuhkan: Lihat [Instalasi Package Umum dengan pip / conda]
`-/ 3 /-`
Jika sudah selesai, praktik baik menonaktifkan conda env: $ conda deactivate $ ml unload Anaconda3
---

5. Pilihan Menjalankan Komputasi

Berikut opsi menjalankan komputasi, pilih sesuai kebutuhan:

[ 5.1 ] - Berjalan di Login Node
- Hanya untuk kegiatan non-komputasi, contoh pre-processing input.
  - Tidak mengkonsumsi Core Hour
  - Login node mempunyai spesifikasi terbatas.
  - Tim admin berhak interupsi kegiatan user yang memberatkan login node.
[ 5.2 ] - Batch Job di Compute Node
- Menjalankan script Python siap jalan di [Compute Node].
  - Perhatikan file .ipynb harus dikonversi ke file .py.
  - Job dijalankan oleh manajemen Slurm, user menunggu hingga selesai.
[ 5.3 ] - Sesi Jupyter di Interactive Node
- Menjalankan sesi Jupyter Lab atau Notebook di [Interactive Node].

- Detail batch job dan sesi Jupyter lebih lanjut -
Batch Job Batch job berhenti ketika: Program komputasi selesai berjalan. Job menyentuh limit waktu yang ditentukan user. Job terkena 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.
Sesi Jupyter Sesi Jupyter berhenti ketika: Waktu sesi habis. User menghentikan sesi. Sesi terkena error sehingga selesai prematur. Koneksi user tidak mempengaruhi jalannya sesi Jupyter: 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 aktivitas cell. Lihat status cell / output lainnya.

(klik expand / kembangkan)

5.1. Berjalan di Login Node

- Langkah Menjalankan Conda Env di login node -
Menggunakan terminal! User EFIRO klik app `Aleleon Shell Access` atau menu `Apps > Aleleon Shell Access`
`-/ 1 /-`
Pilih dan aktifkan conda env tersedia: Lihat tabel [Daftar Conda Env Tersedia]. $ ml [Py Package Manager] $ source activate [Nama Conda Env] - Contoh mengaktifkan conda env PyTorch 2.7.1: $ ml Anaconda3/2024.02-1 $ source activate $CENV/pytorch-2.7.1cuda
`-/ 2 /-`
Lakukan kegiatan user dengan conda env ini.
`-/ 3 /-`
Jika sudah selesai, praktik baik menonaktifkan conda env: $ conda deactivate $ ml unload Anaconda3

5.2. Batch Job di Compute Node

Tersedia pilihan tampilan yang dapat dipilih sesuai preferensi user:

- 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

-/ 1 /-

Lakukan persiapan:

1A - Cek kelengkapan package conda env yang akan digunakan:

Package tidak lengkap akan membuat job gagal berjalan.

1B - Siapkan file yang dibutuhkan:

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

1C - Nonaktifkan conda env dan Py Package Manager:

Supaya job memuat conda env dengan benar.

1 - Apabila conda env aktif:
(env)$ conda deactivate
 
2 - Nonaktifkan modul PPM:
$ ml unload Anaconda3 Mamba

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

-/ 2 /-

Buat Submit Script yaitu 'formulir' menjalankan batch job:

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.

Info SBATCH notifikasi email status job lihat [Slurm Jojo] Info lebih lanjut lihat [Submit Script ALELEON]

Klik expand / kembangkan

- Template submit script conda environment versi CPU -

#!/bin/bash

# -----------------------------------------------------
# Template Slurm Submit Script
# Python - Conda Env Siap Pakai (CPU) | rev.040725
#
# 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, ex: 10 jam -> 10:00:00
#SBATCH --time=////

# File (sesuai job ID) untuk output terminal job
#SBATCH --output=result-%j.txt

# File (sesuai job ID) untuk log status dan error job 
#SBATCH --error=error-%j.txt

# Pilih conda env siap pakai
# Lihat tabel "Daftar Conda Env Siap Pakai" di subbab 3

# Input nama conda env
Nama_Conda_Env="////"
# Input nama Py Package Manager
Py_Package_Manager="////"

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

# Memuat modul dan mengaktifkan conda env
ml ${Py_Package_Manager}
source activate ${Nama_Conda_Env}

# Input perintah komputasi Python user
////

- Template submit script conda environment versi GPU -

#!/bin/bash

# -----------------------------------------------------
# Template Slurm Submit Script
# Python - Conda Env Siap Pakai (GPU) | rev.040725
#
# 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
# -----------------------------------------------------

# Menggunakan partisi 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, ex: 10 jam -> 10:00:00
#SBATCH --time=////

# File (sesuai job ID) untuk output terminal job
#SBATCH --output=result-%j.txt

# File (sesuai job ID) untuk log status dan error job 
#SBATCH --error=error-%j.txt

# Pilih conda env siap pakai
# Lihat tabel "Daftar Conda Env Siap Pakai" di subbab 3

# Input nama conda env
Nama_Conda_Env="////"
# Input nama Py Package Manager
Py_Package_Manager="////"

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

# Memuat modul dan mengaktifkan conda env
ml ${Py_Package_Manager}
source activate ${Nama_Conda_Env}

# Input perintah komputasi Python user
////

-/ 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 tsb. telah selesai.
Job berakhir ketika:
- Komputasi selesai atau terkena error.
- Job berjalan melebihi SBATCH time submit script user.

- Daftar status job (ST / STATE) -
STATE	Penjelasan
`R (RUN)`	Job berjalan
`PD (PENDING)`	Job tertahan
`CG (COMPLETING)`	Job selesai dan dalam proses clean-up
`CA (CANCELED)`	Job dibatalkan user
`PR (PREEMPETED)`	Job dibatalkan admin, alasan dikirim via email
`S (SUSPENDED)`	Job ditahan admin, alasan dikirim via email
---

Apabila user merasa job gagal berjalan:

Job tertahan (state PENDING) dalam waktu lama.
Komputasi error atau berjalan tidak semestinya.

Lihat laman [ Troubleshooting dan Support ]

-/ 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 -

-/ 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 yang diinginkan:

Nama Template	Penjelasan
Python / Conda Env Siap Pakai (CPU)	Run conda env di CN CPU
Python / Conda Env Siap Pakai (GPU)	Run conda env di CN GPU
*CN = Compute Node

Kemudian Isi Job Name dan klik Create New Job

-/ 4 /-

Lakukan persiapan:

4A - Cek kelengkapan package conda env yang akan digunakan:

Package tidak lengkap akan membuat job gagal berjalan.
Bila butuh akses terminal buka Open Terminal

4B - Siapkan file 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 >2GB gunakan [software FTP]

-/ 5 /-

Lengkapi Submit Script melalui tombol Open Editor

Submit script adalah 'formulir' menjalankan batch job.
Ikuti petunjuk NOTES dan alur script.

Klik Save setiap kali mengubah script.

Info SBATCH notifikasi email status job lihat [Slurm Jojo] Info lebih lanjut lihat [Submit Script ALELEON]

-/ 6 /-

Jalankan job dengan klik tombol Submit

dan sebaliknya untuk menghentikan job klik Stop

Job berakhir (Status completed) ketika:
- Komputasi selesai atau ada error.
- Job berjalan melebihi SBATCH time submit script user.

- Daftar kolom Status 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.
---

Apabila user merasa job gagal berjalan:

Job tertahan (status Queue) dalam waktu lama.
Komputasi error atau berjalan tidak semestinya.

Lihat laman [ Troubleshooting dan Support ]

-/ 7 /-

Lihat output job pada kolom Folder Contents

Atau dengan membuka menu Edit Files

Kolom Folder Contents

-/ 8 /-

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

---

5.3. Sesi Jupyter di Interactive Node

- Langkah Sesi Jupyter -

-/ 1 /-

[Login ke web EFIRO] ALELEON Supercomputer.

-/ 2 /-

Lakukan persiapan sebelum sesi Jupyter:

1A -

Pastikan conda env user terinstal package Jupyter.

1B - Untuk efisiensi sesi Jupyter:

Lengkapi instalasi package di conda env yang akan dipakai.
Siapkan file komputasi yang dibutuhkan:
- Upload / download file lihat [Upload / Download File HOME]
- Direktori default Jupyter adalah $HOME

-/ 3 /-

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

-/ 4 /-

Isi formulir 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 - 55`

- Number of GPUs -
(apabila pilih partition tilla) - Jumlah GPU, isi angka `1`

- Number of hours -
Waktu maksimal sesi Jupyter, range `1 - 72`

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`
- Pilih conda env siap pakai di [Daftar Conda Env Tersedia] -
Choose Anaconda/Mamba version -> Py Package Manager Conda/Mamba environment directory -> Nama Conda Env

- Software Modules -
Secara umum dikosongkan kecuali user ada kebutuhan khusus, contoh OpenMPI.

- 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.
---