diff --git a/jean_zay/env_configs/didn.sh b/jean_zay/env_configs/didn.sh
new file mode 100644
index 00000000..31716570
--- /dev/null
+++ b/jean_zay/env_configs/didn.sh
@@ -0,0 +1,9 @@
+#!/bin/bash
+module purge
+module load pytorch-gpu/py3/1.6.0
+
+export BSD500_DATA_DIR=$SCRATCH/
+export BSD68_DATA_DIR=$SCRATCH/
+export DIV2K_DATA_DIR=$SCRATCH/
+export LOGS_DIR=$SCRATCH/
+export CHECKPOINTS_DIR=$SCRATCH/
diff --git a/jean_zay/raw/understanding-unets/didn_train.slurm b/jean_zay/raw/understanding-unets/didn_train.slurm
new file mode 100644
index 00000000..71b58e51
--- /dev/null
+++ b/jean_zay/raw/understanding-unets/didn_train.slurm
@@ -0,0 +1,24 @@
+#!/bin/bash
+#SBATCH --job-name=learnlets_didn_exact_recon     # nom du job
+#SBATCH --ntasks=1                   # nombre de tâche MPI
+#SBATCH --ntasks-per-node=1          # nombre de tâche MPI par noeud
+#SBATCH --gres=gpu:2                 # nombre de GPU à réserver par oeud
+#SBATCH --cpus-per-task=20           # nombre de coeurs à réserver par tâche
+# /!\ Attention, la ligne suivante est trompeuse mais dans le vocabulaire
+# de Slurm "multithread" fait bien référence à l'hyperthreading.
+#SBATCH --hint=nomultithread         # on réserve des coeurs physiques et non logiques
+#SBATCH --distribution=block:block   # on épingle les tâches sur des coeurs contigus
+#SBATCH --time=20:00:00              # temps d'exécution maximum demande (HH:MM:SS)
+#SBATCH --output=didn_exact_recon%j.out # nom du fichier de sortie
+#SBATCH --error=didn_exact_recon%j.out  # nom du fichier d'erreur (ici commun avec la sortie)
+
+set -x
+cd $WORK/submission-scripts/jean_zay/env_configs/
+
+. didn.sh
+
+cd $WORK
+
+srun --ntasks=1 python ./DIDN-master/gray_train.py --cuda --nEpochs 12 --gpus 0,1 --exact_recon
+
+wait  # wait for all ccc_mprun(s) to complete.