gpu-container-setup-flagos

GPU コンテナーセットアップスキル

このスキルは、PyTorch ワークロード向けの複数ベンダー対応 GPU コンテナーセットアップを自動化します。

対応 GPU ベンダー

ベンダー	PyTorch バックエンド	検出方法
NVIDIA	CUDA	nvidia-smi
AMD	ROCm (HIP)	rocm-smi、/opt/rocm
Ascend	torch_npu	npu-smi、/usr/local/Ascend
Metax	torch_musa	mx-smi、/opt/metax
Iluvatar	torch_corex	ixsmi、/opt/iluvatar

実行フロー

呼び出されたら、次の手順に従います。

手順 1：引数を解析する

ユーザーが次の引数を指定しているか確認します。

• --vendor <name> - 特定のベンダーを指定します（検出をスキップ）
• --image <image> - 特定のコンテナーイメージを指定します
• --data <path> - 特定のデータマウントパスを指定します
• --name <name> - コンテナー名（デフォルト：pytorch-gpu）

手順 2：GPU ベンダーを検出する

検出スクリプトを実行します。

python3 .claude/skills/gpu-container-setup/scripts/detect_gpu.py

想定される出力：

{"vendor": "ascend", "devices": ["Ascend 910B"], "count": 8}

検出に失敗し、--vendor フラグも指定されていない場合は、使用するベンダーをユーザーに尋ねます。

手順 3：データディスクを探す

データディスク検出を実行します。

python3 .claude/skills/gpu-container-setup/scripts/find_data_disk.py

想定される出力：

{"data_disk": "/mnt/data", "found": true, "size": "2.0T", "available": "1.5T"}

適切なディスクが見つからない場合は、データマウントパスをユーザーに尋ねます。

手順 4：コンテナーイメージを探す

厳密な優先順位に従います（現在の方法に失敗した場合のみ次に進みます）。

1. Primary Vendor Hub (hardcoded) → 2. BAAI Harbor → 3. Web Search → 4. Local Images → 5. Ask User

手順 4.1：主要ベンダーハブ（ハードコードされた URL）

ベンダー	レジストリ	API／クエリ
NVIDIA	nvcr.io	https://api.ngc.nvidia.com/v2/repos/nvidia/pytorch/tags
Ascend	ascendhub.huawei.com	ポータル：https://ascendhub.huawei.com
Metax	registry.metax-tech.com	https://registry.metax-tech.com/v2/pytorch/metax-pytorch/tags/list
Iluvatar	hub.iluvatar.com	https://hub.iluvatar.com/v2/pytorch/iluvatar-pytorch/tags/list
AMD	docker.io (rocm/pytorch)	https://hub.docker.com/v2/repositories/rocm/pytorch/tags

# Example: Query NGC for latest NVIDIA PyTorch
TAG=$(curl -s "https://api.ngc.nvidia.com/v2/repos/nvidia/pytorch/tags" | jq -r '.tags[].name' | grep -E '^[0-9]{2}\.[0-9]{2}-py3$' | sort -rV | head -1)
IMAGE="nvcr.io/nvidia/pytorch:${TAG}"

手順 4.2：BAAI Harbor（フォールバック）

手順 4.1 に失敗した場合（接続できない、イメージがない、プルに失敗する場合）のみ使用します。

# Query BAAI Harbor
curl -s "https://harbor.baai.ac.cn/api/v2.0/projects/flagrelease-public/repositories?page_size=100" | jq -r '.[].name' | grep "flagrelease-<vendor>"

手順 4.3：ウェブ検索（フォールバック）

手順 4.1 と 4.2 の両方に失敗した場合のみ、"<vendor> pytorch docker official" を検索します。

手順 4.4：ローカルイメージ（フォールバック）

手順 4.1～4.3 に失敗した場合のみ、docker images | grep pytorch を確認します。

使用前のテスト

docker pull "${IMAGE}" && docker run --rm "${IMAGE}" python -c "import torch; print(torch.__version__)"

テストに失敗した場合は、次のソースを試します。すべて失敗した場合は、イメージをユーザーに尋ねます。

手順 4.5：スキルを更新する（自己改善）

重要：ウェブ検索（手順 4.3）で見つかったイメージがすべてのテストに合格した場合は、新たに見つかったベンダーハブを主要ソースとして追加するため、references/image-sources.md を更新します。これにより、今後の検索が速くなります。

# After successful web search discovery:
# 1. Verify image works (pull + pytorch test + GPU test)
# 2. Extract registry URL pattern
# 3. Update references/image-sources.md Step 1 section with new vendor hub

手順 5：Docker コマンドを作成する

ベンダー固有の要件については、references/mount-requirements.md を参照してください。

NVIDIA：

docker run -d --gpus all \
  --name pytorch-gpu \
  --shm-size=16g \
  -v <data_disk>:/data \
  <image> sleep infinity

AMD／ROCm：

docker run -d \
  --device=/dev/kfd --device=/dev/dri \
  --group-add video --group-add render \
  --name pytorch-gpu \
  --shm-size=16g \
  -v <data_disk>:/data \
  <image> sleep infinity

Ascend：

docker run -d \
  --device=/dev/davinci0 --device=/dev/davinci1 ... \
  --device=/dev/davinci_manager \
  --device=/dev/devmm_svm \
  --device=/dev/hisi_hdc \
  -v /usr/local/Ascend:/usr/local/Ascend:ro \
  -v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi:ro \
  --name pytorch-gpu \
  --shm-size=16g \
  -v <data_disk>:/data \
  <image> sleep infinity

Metax：

docker run -d \
  --device=/dev/mx0 --device=/dev/mx1 ... \
  -v /opt/metax:/opt/metax:ro \
  --name pytorch-gpu \
  --shm-size=16g \
  -v <data_disk>:/data \
  <image> sleep infinity

Iluvatar：

docker run -d \
  --device=/dev/bi0 --device=/dev/bi1 ... \
  -v /opt/iluvatar:/opt/iluvatar:ro \
  --name pytorch-gpu \
  --shm-size=16g \
  -v <data_disk>:/data \
  <image> sleep infinity

手順 6：コンテナーを起動する

docker run コマンドを実行します。同じ名前のコンテナーが存在する場合：

1. 起動中か確認し、既存のコンテナーを使うか置き換えるかをユーザーに提示します
2. 停止中の場合は、再起動するか置き換えるかをユーザーに提示します

手順 7：PyTorch GPU を検証する

検証スクリプトをコンテナー内にコピーして実行します。

docker cp .claude/skills/gpu-container-setup/scripts/validate_pytorch.py pytorch-gpu:/tmp/
docker exec pytorch-gpu python3 /tmp/validate_pytorch.py

想定される出力：

{
  "status": "PASS",
  "backend": "npu",
  "device_count": 8,
  "device_names": ["Ascend 910B", ...],
  "tests": {
    "device_detection": true,
    "tensor_creation": true,
    "matrix_multiply": true,
    "gpu_to_cpu_transfer": true
  }
}

手順 8：結果を報告する

次の内容をユーザーにまとめて報告します。

• 検出された GPU ベンダーとデバイス
• 使用したコンテナー名とイメージ
• データマウントパス
• 検証結果
• アクセス方法：docker exec -it pytorch-gpu bash

エラー処理

エラー	対応
GPU が検出されない	ベンダーをユーザーに尋ねるか、ドライバーを確認します
イメージのプルに失敗する	別のレジストリまたはウェブ検索を試します
コンテナーの起動に失敗する	デバイスのアクセス権を確認し、エラーを表示します
検証に失敗する	詳細なエラーを表示し、修正方法を提案します

参照ファイル

• references/gpu-detection.md - ベンダー別の検出方法
• references/image-sources.md - イメージ検出ガイド（レジストリ API、優先順位、選択基準）
• references/mount-requirements.md - ベンダー別のマウント仕様

使用例

User: /gpu-container-setup
User: setup a pytorch container
User: start container with ascend GPU
User: /gpu-container-setup --image nvcr.io/nvidia/pytorch:24.01-py3
User: /gpu-container-setup --image harbor.baai.ac.cn/flagrelease-public/ngctorch:2601