任务提交
使用 gbatch 提交任务（类似 Slurm 的 sbatch）。你可以直接提交命令，也可以提交脚本。
TIP
单步命令适合直接提交；如果需要环境准备、多条 shell 语句或更稳定的复用方式，优先使用脚本。
快速开始
bash
gbatch python train.py
gbatch --gpus 1 --time 2:00:00 --name train-resnet python train.py
gbatch --project ml-research python train.py
gbatch --max-retries 2 python train.py
gbatch --notify-email alice@example.com --notify-on job_failed,job_timeout python train.py提交命令
bash
gbatch python train.py --epochs 100 --lr 0.01如果命令包含复杂的 shell 逻辑，建议改用脚本文件。
提交脚本
bash
cat > train.sh << 'EOF'
#!/bin/bash
# GFLOW --gpus=1
# GFLOW --time=2:00:00
python train.py
EOF
chmod +x train.sh
gbatch train.sh支持的脚本指令
脚本里只会解析少量选项：
# GFLOW --gpus=<N># GFLOW --shared# GFLOW --time=<TIME># GFLOW --memory=<LIMIT># GFLOW --gpu-memory=<LIMIT># GFLOW --priority=<N># GFLOW --conda-env=<ENV># GFLOW --depends-on=<job_id|@|@~N>（仅单依赖）# GFLOW --project=<CODE># GFLOW --notify-email=<EMAIL># GFLOW --notify-on=<EVENT1,EVENT2,...>
INFO
命令行参数优先于脚本指令。
内存语义
--memory（--max-mem/--max-memory）限制主机内存（RAM）。--gpu-memory（--max-gpu-mem/--max-gpu-memory）限制每张 GPU 的显存（VRAM）。- 共享模式任务必须同时设置
--shared和--gpu-memory。
WARNING
使用 GPU 共享模式时，--shared 和 --gpu-memory 缺一不可。
常用选项
bash
# GPU
gbatch --gpus 1 python train.py
# 时间限制
gbatch --time 30 python quick.py
# GPU 共享模式（必须配合 --gpu-memory）
gbatch --gpus 1 --shared --gpu-memory 20G python train.py
# 优先级
gbatch --priority 50 python urgent.py
# Conda 环境
gbatch --conda-env myenv python script.py
# 项目编码
gbatch --project ml-research python train.py
# 执行失败后自动重试
gbatch --max-retries 2 python train.py
# 单任务邮件通知
gbatch --notify-email alice@example.com python train.py
gbatch --notify-email alice@example.com --notify-email oncall@example.com --notify-on job_failed,job_timeout python train.py
# 依赖
gbatch --depends-on <job_id|@|@~N> python next.py
gbatch --depends-on-all 1,2,3 python merge.py
gbatch --depends-on-any 4,5 python process_first_success.py
# 语法糖：
# - @ = 最近一次提交的任务
# - @~N = 倒数第 N+1 次提交的任务（例如 @~1 是上一次提交）
# 禁用依赖失败自动取消
gbatch --depends-on <job_id> --no-auto-cancel python next.py
# 预览但不提交
gbatch --dry-run --gpus 1 python train.py依赖简写
@表示最近一次提交的任务。@~N表示倒数第 N+1 次提交的任务。例如@~1表示上一次提交。
INFO
项目值在提交后不可修改。
INFO
Per-job 通知会复用通知里配置的 SMTP 发送通道。如果设置了 --notify-email 但没有设置 --notify-on，gflow 默认在终态事件时发送：job_completed、job_failed、job_timeout、job_cancelled。
自动重试
- 使用
--max-retries <N>，允许任务在执行失败后最多自动重提N次。 - 当前行为有意保持收敛：只有任务处于
Running且以非零退出时才会自动重试。 - 超时和显式 fail 目前仍是终态；需要人工重提时使用
gjob redo。 - 如果失败任务还有排队中的下游依赖，gflow 会自动把它们改挂到最新一次重试任务上。
任务数组
bash
gbatch --array 1-10 python process.py --task '$GFLOW_ARRAY_TASK_ID'监控与日志
bash
# 任务与分配
gqueue -f JOBID,NAME,ST,NODES,NODELIST(REASON)
# 单个任务详情（包含 GPUIDs）
gjob show <job_id>
# 日志
tail -f ~/.local/share/gflow/logs/<job_id>.log调整或重提
- 修改排队/暂停任务：
gjob update <job_id> ... - 重新提交任务：
gjob redo <job_id>（用--cascade级联重做依赖任务）