$ loading_
用自然语言在 WashU Compute2 集群提交并管理 Slurm 作业
复制安装指令,让 AI 自动完成配置 · 推荐新手
"RISBridge MCP" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请在 WashU RIS Compute2 上提交一个 Slurm 作业,使用 1 个 GPU、8 个 CPU、32GB 内存,运行 /home/user/train.py,最长运行时间 12 小时,并把日志保存到 logs/train.out。
生成并提交对应的 Slurm 作业配置,返回作业编号及关键参数摘要。
帮我在 Compute2 上为 data/samples 目录下的所有 CSV 文件创建数组作业,每个任务运行 analysis.R,申请 4 个 CPU、16GB 内存,输出结果到 results/。
创建适合批处理的数组作业并提交,说明输入映射、资源配置和输出位置。
查看我最近提交到 Compute2 的 Slurm 作业状态,如果有处于挂起且原因是资源不足的任务,告诉我原因,并取消作业 123456。
返回作业状态说明、挂起原因分析,并执行指定作业的取消操作。
将 RisalDash 设备桥接到 MCP,让智能体可读取传感器并控制继电器等部件。