DOCUMENTATION

Vous trouverez plusieurs version de Python installées au méso-centre. La version la plus récente est disponible en chargeant le module suivant :

module load python/3.12.8

Le Centre de Calcul utilise le module venv afin de gérer des simplement ses différents paquets.

ENVIRONNEMENTS PAR DEFAUT

Vous pouvez utiliser un des environnements virtuels déjà mis en place par le Centre de Calcul.

L'environnement par défaut, qui contient des packages de base nécessaire au calcul scientifique, comme numpy, matplotlib, pandas, etc... Cliquez ici pour la liste complète (n'hésitez pas à nous dire si vous pensez que certains packages importants sont absents).

Vous pouvez installer vos propres packages Python avec pip :

pip3 install --user Package

L'option --user sert à installer un package seulement pour vous, sans avoir besoin de droits administrateur.

ENVIRONNEMENTS PERSONNELS

Vous pouvez également créer vos propres environnements :

python3 -m venv chemin/vers/le/nouvelenv --upgrade-deps --system-site-packages

L'option --system-site-packages permet d'utiliser des paquets extérieurs à l'environnement virtuel (pas obligatoire si vous voulez contraindre l'environnement).

Pour charger ce nouvel envrionnement :

source chemin/vers/le/nouvelenv/bin/activate #si vous utiliser un shell csh : source chemin/vers/le/nouvelenv/bin/activate.csh

Vous pourrez installer vos propres packages Python avec pip :

pip3 install Package

Spécificité concernant le package mpi4py. Ce package dépend d'une bibliothèque MPI. Il est impératif d'utiliser un module OpenMPI du Centre de Calcul pour s'assurer une bonne prise en charge de SLURM. Voici la procédure pour installer mpi4py :

module load openmpi/openmpi-xxx # Seulement si vous ne voulez pas utiliser le module openmpi chargé automatiquement par le module Python
export MPICC=$(which mpicc)
pip3 install mpi4py

Pour sortir de cet environnement :

deactivate

[DEPRECATED] AUTRES ENVIRONNEMENTS

D'autres environnements sont disponibles, mais ils sont maintenant accessibles sous forme de modules distincts. Leur accès avec la méthode décrite ci-dessous est maintenu pour la rétrocompatibilité.

Pour charger l'envrionnement deep-learning :

activate deep-learning

Pour charger l'environnement ase :

activate ase

Pour sortir d'un environnement :

deactivate

[OBSOLÈTE] PYTHON AVEC ANACONDA

Python via Anaconda est disponible en chargeant le module suivant :

module load python/Miniconda3

Miniconda permet de gérer simplement Python et ses différents paquets (entre autres choses). Vous pouvez également utiliser différents environnements virtuels qui contiendront des packages spécifiques correspondant à vos besoin. Vous pouvez lister les environnements disponibles sur le Centre de Calcul à l'aide de la commande suivante :

conda env list

Par défaut, vous utiliserez l'environnement base qui contient des bibliothèques assez souvent utilisées pour le calcul scientifique.

Pour changer d'environnement, il faut utiliser la commande suivante :

source activate <env>

Le Centre de Calcul met à disposition 2 environnements. Celui par défaut, nommé base, qui contient des packages de base nécessaire au calcul scientifique, comme numpy, matplotlib, pandas, etc... (n'hésitez pas à nous dire si vous pensez que certains packages importants sont absents). Le deuxième, nommé deep-learning-gpu, est un environnement plutôt dédié au deep-learning sur GPU, avec des packages comme tensorflow, keras ou pytorch (idem, n'hésitez pas à nous dire s'il y a des packages importants qu'il faudrait ajouter).

Vous pouvez également créer vos propres environnements. Cela vous permettra d'installer vous-même les packages dont vous avez besoin. Le mieux est de cloner l'un des environnements déjà existant :

conda create --name <monclone> --clone <env_à_cloner>

Ensuite, vous pourrez installer vous-même vos packages avec conda ou pip :

conda install <package>

pip install <package>

Plus d'informations sur les environnements conda ici : https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html

Plus d'info sur la gestions des paquets avec conda ici : https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-pkgs.html

VERSIONS ET SCRIPTS D'INSTALLATION

TAGS