我有一个 GPU 集群，有一个存储节点和几个计算节点，每个节点有 8 个 GPU。我正在配置群集。
任务之一是配置 python，我们需要的是几个版本的 Python 和一些 python 包，对于某些包，我们可能需要它的多个版本，例如不同版本的 tensorflow。
所以问题是如何配置 python 和包，以便方便地使用我想使用的不同版本的包。
我已经在每个计算节点和存储节点中安装了 python2.7 和 python3.6。但我认为，如果一个人有大量的计算节点要配置，这是一个好方法。 解决方案之一是将 python 安装在集群的共享目录中，而不是默认的/usr/local 路径。有人有更好的方法可以做到这一点吗？
我现在使用的是OpenPBS（Torque），我是HPC的新手。
多谢。
您可以将模块软件环境安装在每个节点上可访问的共享目录中。然后很容易加载特定版本的python或TensorFlow：
module load lang/Python/3.6.0
module load lib/Tensorflow/1.1.0
然后，如果对于某些软件包，我们可能需要多个版本，您可以查看允许安装同一软件包的多个版本的Python virtualenv。要在所有节点上共享它，请考虑在共享挂载点上创建 virtualenv。
您可以将每个软件安装在存储节点上的某个目录下，然后将该目录装载到计算节点上。这样，您就不必多次安装每个软件。
此问题的常见解决方案是环境模块。将软件作为模块安装。这意味着软件与模块文件一起安装在某个目录（例如/opt/modules/python/3.6/）中。当你做module load python/3.6时，模块文件设置环境变量，使得Python3.6在PATH、PYTHONPATH等。
这导致软件堆栈的良好分离，并且还使您能够安装较新版本的 tensorflow，而不会弄乱环境。