القائمة
运行 docker-v20260727 GPU 加速验证管线 — OPE 从头计算，所有中间结果/日志/图表保存，使用 CUDA/CuPy
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/ZhangXin8069/20250814-20260815 --skill run-pipeline-gpuيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | run-pipeline-gpu |
| description | 运行 docker-v20260727 GPU 加速验证管线 — OPE 从头计算，所有中间结果/日志/图表保存，使用 CUDA/CuPy |
在当前环境直接运行完整的 disconnected 胶子 PDF 验证管线，使用 GPU 加速 (CUDA/CuPy)。
核心特征：
系综: beta6.20_mu-0.2770_ms-0.2400_L24x72 (L24x72)
格点: 72×24³, a=0.1053 fm, β=6.20
Nev: 100 (eigvec cfg_48000 复用)
组态: 6250, 6450, 6650 (Nconf=3)
动量: P=(0, 0, -2), mom_smear=-2
算符: _Cg5g4 (Cγ₅γ₄)
GPU: CUDA/CuPy, 自动检测设备
| 数据 | 路径 |
|---|---|
| Eigenvectors | /public/group/lqcd/sunpeng/eigen_vector/beta6.20_mu-0.2770_ms-0.2400_L24x72_cfg_48000.eigenvector.npy |
| Eigenvalues | /public/group/lqcd/sunpeng/eigen_vector/beta6.20_mu-0.2770_ms-0.2400_L24x72_cfg_48000.eigenvalue.npy |
| Perambulators | /public/group/lqcd/sunpeng/mom_smear_perambulators/beta6.20_mu-0.2770_ms-0.2400_L24x72/output_dir_data/mz2_my0_mx0/{conf_id}/ |
| Gauge configs | /public/group/lqcd/configurations/CLOVER/beta6.20_mu-0.2770_ms-0.2400_L24x72/beta6.20_mu-0.2770_ms-0.2400_L24x72_cfg_{conf_id}.lime |
| OPE | 从头计算：gauge config → Clover plaquette → F_{μν} → Wilson 线 → 非定域 OPE → .npz |
| 步骤 | 描述 | GPU 加速 | 保存内容 |
|---|---|---|---|
| 0 | 环境检查 | GPU 设备检测 | Python 模块、CUDA/CuPy、数据路径 |
| 1 | 质子 2pt 蒸馏 | VVV 重子块 GPU, Wick 收缩 GPU | VVV 块、原始 Wick 收缩、宇称投影、有效质量 |
| 2 | OPE 从头计算 | F_{μν} GPU, Wilson 线 GPU, OPE GPU | F_{μν} 场强张量、Gauge 验证诊断、OPE 算符 |
| 3 | huangcl 比率分析 | Jackknife GPU 加速 | 比率 R(z)、诊断图、有效质量图、场强诊断图 |
| 4 | 最终报告 | — | Markdown 综合报告 |
| 数据 | 大小 | 策略 |
|---|---|---|
| Eigenvectors | 4.5 GB | CPU 驻留，按时间片传输到 GPU |
| Gauge configs | 72 MB | 整体加载到 GPU |
| VVV 输出 | 1.1 GB | GPU 计算后立即保存到 CPU |
| F_{μν} 张量 | ~72 MB | GPU 计算，保存到 CPU |
| Wick 收缩 | ~40 MB | GPU 计算，结果传回 CPU |
output_YYYYMMDD_HHMMSS/
├── run.log # 主日志 (全部 stdout/stderr, 含详细耗时)
├── run_config.json # 运行时配置快照
├── run_config_snapshot.json # 配置快照
├── gpu_info.json # GPU 设备信息快照
├── final_report.md # Markdown 报告
├── timing.jsonl # 每步耗时与内存记录 (含 GPU 内存)
├── data/
│ ├── eigenvalues_Nev100.npy # 特征值 (中间结果)
│ ├── conf_{id}/
│ │ ├── gauge_validation_conf{id}.json # Gauge 验证诊断
│ │ ├── Fmunu_mu{n}_nu{n}.npz # 场强张量 (GPU 计算, 中间结果)
│ │ ├── ops_mu{n}_nu{n}_dz{delta_z}_conf{id}.npz # OPE 算符
│ │ ├── VVV_Nev1{n}_Px{n}Py{n}Pz{n}_conf{id}.npy # VVV 重子块 (GPU 计算)
│ │ ├── twopt_slice_pp_*_contract_*.npy # 原始 Wick 收缩
│ │ ├── twopt_slice_pp_*_nopol_ss_*.npy # 质子 2pt (PP)
│ │ ├── twopt_slice_pm_*_nopol_ss_*.npy # 质子 2pt (PM)
│ │ ├── meff_Pz{n}_conf{id}.npz # 有效质量
│ │ ├── compute_2pt_summary.json # 2pt 计算摘要
│ │ └── compute_ope_summary_conf{id}.json # OPE 计算摘要
│ ├── ...
└── plots/
├── ratio.png # R(z) 比率
├── ratio_diagnostics.png # 多 z 值 Re/Im 诊断
├── effective_mass.png # 有效质量 + 平台拟合
├── field_strength_diagnostics.png # OPE 场强质量诊断
├── ratio_results.npz # 数值结果
├── ope_combined.npz # 组合 OPE
├── correlators_rel_time.npz # 相对时间关联函数
└── analysis_summary.json # 分析摘要
run-pipeline-gpu run — 运行完整 GPU 加速管线cd /root/lattice-pdf/agent/docker-v20260727
# 完整运行 (3 组态, GPU 加速)
python run_pipeline.py
# 单组态快速测试
python run_pipeline.py --conf-id 6250
# 跳过某些步骤
python run_pipeline.py --skip-2pt --skip-ope
# 仅计算不分析
python run_pipeline.py --skip-analysis --skip-report
# 自定义输出目录
python run_pipeline.py --output-dir /path/to/output
# 详细调试模式
python run_pipeline.py --verbose
run-pipeline-gpu status — 查看最新运行状态latest=$(ls -dt /root/lattice-pdf/agent/docker-v20260727/output_*/ 2>/dev/null | head -1)
[ -n "$latest" ] && echo "=== $latest ===" && tail -50 "$latest/run.log"
run-pipeline-gpu check — GPU 环境检查cd /root/lattice-pdf/agent/docker-v20260727 && python3 -c "
import sys, os, cupy as cp
print(f'Python: {sys.version}')
print(f'CuPy: {cp.__version__}')
print(f'CUDA: {cp.cuda.runtime.runtimeGetVersion()}')
d = cp.cuda.Device()
print(f'Device: {d}')
mem = d.mem_info
print(f'GPU Memory: {mem[0]/1024**3:.1f} GB free / {mem[1]/1024**3:.1f} GB total')
for mod in ['numpy', 'scipy', 'matplotlib', 'opt_einsum']:
try:
m = __import__(mod)
print(f' ✓ {mod}: {getattr(m, \"__version__\", \"?\")}')
except ImportError:
print(f' ✗ {mod}: MISSING')
"
run-pipeline-gpu module <module> — 单独运行某模块cd /root/lattice-pdf/agent/docker-v20260727
# 仅计算 2pt (GPU)
python compute_2pt_gpu.py --run-dir ./output_test
# 仅计算 OPE (GPU)
python compute_ope_gpu.py --run-dir ./output_test --conf-id 6250
# 仅运行分析
python analyze_ratio.py --run-dir ./output_test --data-dir ./output_test/data --output-dir ./output_test/plots
| 变更 | v20260726 | v20260727 |
|---|---|---|
| VVV 计算 | NumPy einsum (CPU) | CuPy 2-step einsum (GPU) |
| Wick 收缩 | NumPy einsum (CPU) | CuPy step-by-step einsum (GPU) |
| F_{μν} 场强 | snsc plaquette_clover (CPU/CuPy) | 独立 GPU 实现 |
| Wilson 线 | NumPy 逐点循环 (CPU) | GPU 累积输运子 (批量einsum) |
| OPE 缩并 | NumPy einsum (CPU) | CuPy einsum (GPU) |
| Gamma 矩阵 | NumPy | CuPy |
| 精度 | complex128 (双) | complex64 (单, 默认), 可选 complex128 |
| GPU 内存追踪 | 无 | GPU 空闲/峰值内存 |
| 步骤 | 时间 (Nconf=1) | 时间 (Nconf=3) | 备注 |
|---|---|---|---|
| 环境检查 | <1s | <1s | |
| 2pt: VVV | 26s | 26s (缓存复用) | 0.37s/时间片, GPU |
| 2pt: Wick | 109s | 330s | 49ms/pair, GPU |
| OPE: Gauge读取 | 38s | 114s | ILDG .lime 头部扫描 |
| OPE: F_{μν} | 0.3s/分量 | 0.3s/分量 | Clover plaquette, GPU |
| OPE: Wilson累积 | 0.02s/分量 | 0.02s/分量 | 批量累积输运子, GPU |
| OPE: 缩并 | 2s/分量 | 2s/分量 | 24个z值, GPU |
| 分析 | 3s | 3s | Jackknife + 4张图 |
| 总计 | 198s (3.3min) | 508s (8.5min) |
einsum("x,ax,bx,cx->abc") → einsum("x,ax,bx->abx")·einsum("abx,cx->abc")，中间张量从4.6GB降至46MB，40x加速