在超算集群上提交一个 GPU 作业，标准做法是写一长串 jsub 参数：节点组、节点名、核数、卡数、队列、作业名、输出文件…… 参数记错一个，作业就提交失败，报的还是看不懂的英文错误。

这个工具就是为了解决这件事：把参数变成界面，把脚本交给程序生成。

GPU 切换助手界面

它做了什么

  • 选节点 = 自动锁定队列：选中某个节点后，队列名自动带上。这一条尤其关键 —— 平台里 fat01-06 的队列其实是 cpu_x86fat，cu06-13 挂在 cpu_x86thin 下，手写极容易写错
  • 三种提交产物：单行 jsub 指令 / #JSUB 完整脚本 / base64 直接提交版（整段脚本压成一行，粘到集群不会乱码、不会错位）
  • 代码自动识别：在界面里直接写 Python，自动用 heredoc 打包，中文输出也正常
  • 环境模块清单：CUDA 11.8~13.2、PyTorch 2.5.1、MPI、GROMACS / LAMMPS / NAMD / VASP 等二十余个，点选即用
  • 防手滑：核数超过节点上限自动收回，作业名和时限有校验，未确认的队列会黄条提醒

技术上值得说的几点

1. 队列名不是猜的，是实测出来的。 用测试账号在集群上跑 jqueues / jhostgroup 逐个核对，发现两个会导致提交失败的映射错误并修掉，同时把「队列名核对」写进了自测脚本 —— 以后谁改错，--selftest 会直接失败。

2. base64 方案解决的是”复制粘贴”这个真实痛点。 从 Windows 复制多行脚本到集群终端，经常出现缩进丢失、中文乱码、换行被吃。把整段脚本 base64 编码成一行，在集群侧解码执行，本地与远端的 md5 完全一致 —— 实测过 1310 字节的脚本，md5 分毫不差。

3. 自测是打包流程的一部分。 build.bat 的顺序是：跑自测 → 通过才打包 → 复制成品。这样”能编译”不等于”能用”，逻辑坏掉会直接卡在第一步。

实测记录

验证项 结果
GPU 队列提交（gpu15 / gpu_6000ada） 作业成功，显卡为 RTX 6000 Ada
base64 提交版 md5 比对 本地与集群完全一致
界面写 Python → 提交 torch 2.5.1 / CUDA 可用，中文输出正常
故意写错代码 error.<作业号> 有完整 traceback，不会静默失败

怎么用

① 左栏：选节点组 → 选节点 → 核数 / 时限 / 环境 module
② 右栏：写运行内容（命令 / Shell / Python 均可）
③ 点「复制提交版」→ 粘到集群登录节点回车

源码和 exe 都在这里：sakurajh/gpu-switch-helper

这种”把重复劳动变成一键脚本”的活儿，是我最喜欢做的一类 —— 收益不一定立刻看得见，但每天都在省时间。