我正在使用名为darknet/YOLO的 CNN在具有 NVIDIA 显卡的远程共享集群上进行深度学习。远程集群是带有 PBS 作业计划系统的 linux。
我正在提交在 GPU 上训练神经网络的工作，效果很好。
问题在于训练期间消耗的大量处理器。我通常提交一个有 8 个处理器的工作，像这样
qsub -q gpu select=1:ncpus=8:ngpus=1:mem=15gb:gpu_cap=cuda61
但由于处理器数量过多，它总是被杀死。即使我将数量增加到 20 个，它仍然超过了。
我不知道为什么暗网会在服务器上消耗这么多处理器，即使我可以在我的笔记本电脑上使用英特尔 i5 处理器（速度慢且效率低）运行这项工作。
我试过的：
1）设置cgroups=cpuacct强制作业不使用更多的处理器然后分配，但它根本不起作用。似乎限制在服务器没有其他资源的情况下起作用。在有免费处理器的情况下，限制不起作用（https://drill.apache.org/docs/configuring-cgroups-to-control-cpu-usage/#cpu-limits）
2) 设置place=excelhost在超出分配资源的情况下不会终止作业。另一方面，用这个标志开始工作需要 7 天，而且我每天都必须训练网络。
问题：
我不需要这些处理器，我不明白为什么暗网使用这么多处理器。我如何强制作业不超过给定的处理器数量？或者其他一些想法我怎么能解决这种问题？