Komputasi Python dengan Conda Environment (Siap Pakai)

Halaman ini menjelaskan menjalankan komputasi / aplikasi Python dengan conda environment (conda env) yang tersedia atau siap pakai di ALELEON Supercomputer.

Laman ini merupakan bagian laman [Komputasi Python]

0. Spesifikasi

Spesifikasi conda env siap pakai:

• Dibuat oleh tim admin ALELEON Supercomputer.

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

1. Langkah Menjalanlan Komputasi

Subbab	Langkah
[ 2 ]	Lihat conda env tersedia dan detailnya: Cek kelengkapan package dan dukungan komputasi.
[ 3 ]	Apabila dibutuhkan, user dapat menambah instalasi package.
[ 4 ]	Menjalankan komputasi dengan pilihan: [ 4.1 ] sesi interaktif di Login Node [ 4.2 ] batch job [ 4.3 ] sesi Jupyter Notebook / Lab
[ 5 ]	Support apabila menemui masalah.

2. 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 3 ].

- 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) Support CUDA, MPI, Accelerate, Transformers	$CENV/pytorch-2.7.1cuda	Anaconda3/2024.02-1	3.12	V	V	V	V	V
Package terinstal
TensorFlow 2.19 (ver CUDA 12.5) Support CUDA, MPI, Transformers	$CENV/tensorflow-2.19cuda	Anaconda3/2024.02-1	3.11	V	V	V	V	V
Package terinstal
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

3. (Apabila butuh) Melengkapi Conda Env Siap Pakai

Terdapat dua opsi:

1. Melalui bantuan / diskusi dengan tim admin, atau
2. Melakukan instalasi sendiri.

Instalasi package tambahan ini bersifat HOME global:

1. Package terinstal di HOME user.
2. Perhatikan kolom Versi Python di tabel [Daftar Conda Env Tersedia].
3. Contoh user melengkapi package conda env dengan Python 3.11:
   • Package tersebut akan aktif di conda env lain dengan versi Python sama.
   • Ada potensi package tidak cocok dengan conda env bersangkutan atau lainnya.
   • Lakukan instalasi dengan bijak.

Dimana user melakukan instalasi package?

1. User sesi Jupyter dapat melakukan instalasi pada sesi notebook.
2. User yang menjalankan komputasi batch job menginstal package di Login Node:

- Langkah instalasi package 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 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

4. Pilihan Menjalankan Komputasi

Berikut opsi menjalankan komputasi, pilih sesuai kebutuhan:

• [ 4.1 - Berjalan di Login Node ]
  • Hanya untuk kegiatan non-komputasi, contoh pre-processing input.
    • Tidak mengkonsumsi Kredit Core Hour.
    • Login node mempunyai spesifikasi terbatas.
  • Keperluan komputasi gunakan batch job / sesi Jupyter.
    • Tim admin berhak menginterupsi kegiatan user yang memberatkan login node.
• [ 4.2 - Batch Job ]
  • 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.
  • 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.
• [ 4.3 - Sesi Jupyter ]
  • Menjalankan sesi Jupyter Lab atau Notebook di [interactive node].
  • 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.

---

4.1. 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