中文 | English
FlowLine 是一个用于 GPU资源管理 和 并发指令流调度 的自动化系统，支持 命令行界面（CLI） 和 Web 图形界面（GUI） 两种交互方式，适用于多任务实验、深度学习训练或高并发计算环境。
本系统的设计初衷在于替代传统的手动 GPU 监控与命令执行流程，从而提升实验效率。在传统方式下，用户需持续关注 GPU 的显存占用与利用率，并可能因 CUDA 内存不足（CUDA Out of Memory）而中断任务，需要手动启动或终止 Python 脚本。这种操作在多任务实验场景中尤为繁琐。本项目通过自动化管理机制，提升了实验效率与资源利用率。
- 实时 GPU 状态监控：自动检测可用 GPU 数量、显存占用、进程信息等、并根据自定义优先函数排序；
- 报错自动处理：错误中断后自动重新入队而解决 CUDA Out of Memory 等非程序BUG；
- 命令调度与资源控制：支持配置每条命令所需 GPU 数量、显存下限、最大并行数等条件；
- 动态调控机制：可手动终止或重启进程，实现任务队列灵活管理；
- 多任务并发执行：支持任务优先级队列、失败重试等策略，适用于批量实验运行；
- 双重交互入口：命令行接口适合在 Linux 服务器上进行脚本化控制与批量部署，Web 界面适合进行任务的可视化查看、状态监控与实时干预。
- 2025.09.09: 新增用户自定义 GPU 优先级排序功能，通过
user_cmp参数传入自定义排序函数，详见 example1_cli.py 示例。
更精炼的， example.sh 给出了所有示例。
你可以将 flowline 文件夹拷贝到项目的根目录下直接引用，也可以通过以下方式将其安装到你的 Python 环境中：
- 从pip安装
pip install fline- 或者从源代码安装
pip install -e <flowline库路径>注：请确保你已安装
pandas、psutil、openpyxl等requirements.txt内的基本依赖。如果只用 CLI 方式可以不用安装 flash 相关包。
系统通过一个列表文件（.xlsx、 .csv 或 .json 格式）来定义任务参数，这是所有任务的唯一输入方式。文件中的每一行代表一个独立任务，每一列对应一个参数项，将自动映射为命令行中的 --key value 格式。
示例和说明
示例文件：test/example1_todo.xlsx、test/example1_todo.csv、test/example1_todo.json， 可以通过运行test/task_builder.py示例构造程序构造。
| name | lr | batch_size | run_num | need_run_num | cmd |
|---|---|---|---|---|---|
| baseline1 | 0.01 | 64 | 0 | 1 | train_main |
| baseline2 | 0.001 | 128 | 0 | 2 | train_alt |
字段说明：
run_num：当前任务已执行次数，由系统自动维护（默认值为0）。need_run_num：期望执行的总次数，系统将根据此值自动控制重复运行（默认值为1）。name：任务名称，用于标识任务记录。若未指定，将自动生成为Task:{行号}。cmd：保留字段，当前版本可预留为空或指定主命令（如train_main），可结合func自定义逻辑使用。- 其余字段可自由定义，系统会将这些字段作为参数传入自定义命令构造函数中。
注意：如果缺失上述保留字段，系统会在加载文件时自动补全，确保表结构合法。
任务表结构灵活，可覆盖从参数微调到复杂网格搜索的自动并发调度。
你需要自定义一个函数，用于根据 Excel 中的每一行任务参数 dict 以及分配的 GPU 编号 gpu_id 构造出最终的命令行字符串。
示例和说明
详见 example1_cli.py 示例。主要部分如下：
from flowline.api import run_cli
def func(dict, gpu_id, sorted_gpu_ids):
return "CUDA_VISIBLE_DEVICES="+str(gpu_id)+" python -u test/test.py "+ " ".join([f"--{k} {v}" for k, v in dict.items()])
if __name__ == "__main__":
run_cli(func, "test/example1_todo.xlsx") 对于直接执行完整命令的需求，见 example2_cli.py。
dict是由 Excel 中当前任务行构造出的字典，键为列名，值为单元格内容；gpu_id是系统动态分配的 GPU 编号，保证任务不冲突，其此刻一定满足显存空间最小限制；sorted_gpu_ids（可选）是经过优先级排序后的可用 GP U序列，为可能的多 GPU 任务适配；- 拼接后的命令字符串将作为子进程执行，等效于直接在命令行中执行该命令。你可以根据实际情况替换为 shell 脚本、conda 环境、主命令变体等。
user_cmp 可用参数表
info1、info2其实是 gpu.py 的 GPU_info 对象的实例，类中每个参数都可用于比较函数内，分别如下：
| 参数名 | 类型 | 含义说明 |
|---|---|---|
free_memory |
int/float | GPU 当前可用显存大小（通常单位为 MB 或 GB） |
total_memory |
int/float | GPU 总显存容量 |
utilization |
int/float | GPU 当前使用率（百分比，0~100） |
user_process_num |
int | 当前用户进程数量（默认初始化为 0，可统计特定用户的 GPU 进程） |
all_process_num |
int | GPU 上运行的所有进程数量 |
time |
float | 记录信息更新时间的时间戳（UNIX 时间戳格式） |
name |
str | GPU 名称，如 "NVIDIA GeForce RTX 3090" |
temperature |
int/float | GPU 当前温度（单位通常为摄氏度 °C） |
power |
float | GPU 当前功耗（单位通常为瓦特 W） |
max_power |
float | GPU 最大设计功耗（单位瓦特 W） |
关于输出和python -u
在命令中加入 -u 参数（即 python -u ...）表示以 非缓冲模式（unbuffered mode） 启动 Python：
- 标准输出（
stdout）和标准错误（stderr）会立即刷新； - 有助于实时查看运行日志，特别是在日志输出被重定向的场景；
- FlowLine 会将每个子任务的输出保存到
log/目录下的文件中，文件名格式如下：
log/
├── 0.out # 第 0 个任务的标准输出
├── 0.err # 第 0 个任务的标准错误
├── 1.out
├── 1.err
...
因此，为确保日志能够实时写入这些文件，建议始终在命令中加入 -u 参数。
运行 example1_cli.py 启动程序：
python test/example1_cli.pyFlowLine CLI 命令参考表
| 语法 | 参数 | 功能说明 |
|---|---|---|
run |
无 | 切换任务处理循环的运行状态（启动/停止） |
gpu <id> |
<id>: GPU编号 |
切换指定GPU的可用状态（可用/不可用） |
killgpu <id> |
<id>: GPU编号 |
终止指定GPU上的所有进程 |
kill <id> |
<id>: 进程ID |
终止指定进程ID的进程 |
ls |
无 | 列出所有正在运行的进程，显示进程ID、PID、任务ID、GPU ID、状态和命令 |
gpus |
无 | 显示所有GPU的状态信息，包括利用率、内存使用、温度、功耗等 |
min <num> |
<num>: 内存大小(MB) |
设置进程所需的最小内存限制 |
max <num> |
<num>: 进程数量 |
设置最大并发进程数 |
task |
无 | 列出待处理任务队列，显示任务ID、名称、运行次数等信息 |
exit |
无 | 退出程序（等效Ctrl+D） |
help 或 ? |
无 | 显示帮助信息 |
命令使用示例
# 启动任务处理循环
> run
# 查看GPU状态
> gpus
# 查看运行中的进程
> ls
# 设置最大进程数为4
> max 4
# 设置最小内存要求为2048MB
> min 2048
# 禁用GPU 1
> gpu 1
# 终止GPU 0上的所有进程
> killgpu 0
# 查看待处理任务
> task
# 退出程序
> exit无需额外配置，FlowLine 默认支持在 SSH 环境下运行
除了命令行调用，你还可以使用 Web 前端界面对任务进行实时监控与动态干预。
后端为 Flask 应用，运行 example_server.py 启动服务：
python test/example_server.py注：Web 界面使用
from flowline.api.routes import get_app导入路由。
使用 Python 自带 HTTP 服务器提供静态前端页面：
cd web
python -m http.server 8000这将在 http://localhost:8000 启动前端服务，前端可通过 RESTful API 访问后端任务状态与控制接口。
本项目有着为显卡资源紧张环境（如实验室）中的用户提供自动化检测与占用空闲 GPU 的能力，便于快速启动任务、避免人工轮询等待。
- 本项目提供的工具不会以暴力方式强制杀掉他人任务，也不会绕过权限限制或系统调度机制。
- 本脚本默认只在用户拥有访问权限的设备上运行，请确保遵守所在实验室或计算平台的使用规则。
- 请勿用于占用公共资源或干扰他人科研工作，违者后果自负。
使用本脚本可能带来的风险包括但不限于：
- 与他人并发调度产生冲突，影响公平使用；
- 若滥用，可能违反实验室/平台管理规定；
开发者对因使用本脚本而导致的资源冲突、账号受限、数据丢失或任何直接间接损失概不负责。
欢迎大家为本模板贡献代码、修正bug或完善文档！
- 如有建议或问题，请提交Issue。
- 欢迎提交Pull Request。
Tip
若对您有帮助，请给这个项目点上 Star!
感谢所有贡献者！