Cotainr

Cotainr er designet til forskere, der arbejder med AI, machine learning (ML), og data science i Python. Værktøjet pakker forskerens Python-miljøer og nødvendige biblioteker i en container, hvilket gør det muligt at køre beregninger direkte på HPC-anlægget uden først at skulle installere software på lokale maskiner.

Det container-baserede setup betyder, at forskere nemt kan overføre deres eksisterende Python-miljøer til LUMI supercomputeren, uanset om de bruger værktøjer som Conda og Pip. Cotainr eliminerer behovet for at have dybdegående viden om Linux eller kommandolinjeværktøjer og forenkler processen ved at lade forskere fokusere på deres forskning frem for tekniske udfordringer.

Første version af Cotainr fokuserer på Python-applikationer inden for AI og ML, hvor det kan bruges til opgaver som deep learning-træning og dataanalyse. Værktøjet gør det muligt for forskere at definere deres miljø i en enkelt fil og derefter nemt oprette og afvikle dette miljø på LUMI's kraftfulde GPU'er.

Cotainr er en del af DeiCs bredere vision om at gøre supercomputing mere tilgængeligt og brugervenligt. Værktøjet er open source og frit tilgængeligt på Github, hvilket gør det muligt for alle at drage fordel af dets funktioner og bidrage til dets videre udvikling. Målet er at udvide Cotainr til flere HPC-anlæg, så forskere kan flytte deres kode og simuleringer mellem forskellige systemer med minimal indsats.

Hvor får jeg hjælp?

Spørgsmål til brugen af Cotainr i forbindelse med LUMI kan rettes til LUMIs user support team LUMI LUST.

Hvis man er interesseret i at vide mere om Cotainr i forhold til andre HPC-anlæg kan man kontakte DeiC servicedesk. 

På Gibhub findes issue tracker, hvor brugere kan rapportere fejl i koden eller forslag til forbedringer.