GPU并行計算的案例
abaqus6.14-1設置GPU并行計算的方法
微博有朋友問，如何配置GPU并行計算，我之前并沒有弄過，網上搜帖子，配置成功，特意把詳細細節記錄在下方便大家參考。僅為參考，每個人的電腦配置情況并不一樣，要解決問題請分析具體情況。電腦配置：CPU i5-4590
(家里電腦是i7-6900k)
內存RAM 8G系統： win10
64位系統
顯卡低端GPU一個GTX650（公司的電腦，我家里配置的是GTX960)需要設置一下安裝路徑下的abaqus_v6.env的參數，沒設置之前的參數如下，即使不成功，也方便返回原來設置。
修改后的參數如下：
好了，記得保存一下就行。然后接下來驗證我們的參數設置的是否正確，隨便打開一個cae文件,切換到job模塊。新建一個job,可以在job參數設置界面edit job面板上的parallelization 看到如下參數設置，表示成功了。那么這樣算是大功告成了嗎？為謹慎起見，有必要再找個算利來驗證下計算效率是否有提高。經過測試發現，對于簡單的小模型，并行計算的優勢并不明顯，感覺上還略慢，具體沒用大模型測試效果。
展開 Simcenter STAR-CCM+ 并行計算性能
針對CFD求解計算量大、計算效率低下的問題，提出了從實現方法上和理論上兩種加速方案。從實現方法上講，采用基于C語言的GPU并行計算方法代替傳統的CPU串行計算方法。GPU并行計算方法相比于傳統的CPU串行方法有著一定倍數的加速比，可以提高效率縮短計算時間。將GPU并行計算方法和基于系統識別的ROM方法相結合，可以得到更可觀的加速效果。
高精度混合網格并行計算軟件在采用千萬網格點規模的復雜流場計算時，不僅計算結果與實驗結果符合較好，且512至2048核并行計算時仍具有很好的并行可擴展性，計算效率不低于80%。
展開 精通 GPU 并行編程（CUDA）：硬件與軟件 ￥20
精通 GPU 并行編程（CUDA）：硬件與軟件
- 最近更新時間：2025 年
- 語言：英語 + 字幕
- 課時：50講，共 20小時
- 文件大小：15GB
2. 課程目標
- 全面理解 GPU 與 CPU 架構差異
- 學習 GPU 的發展歷史，從早期到最新產品
- 理解 GPU 的內部結構
- 理解不同類型的內存及其對性能的影響
- 了解 GPU 內部組件的最新技術
- 掌握 CUDA 編程基礎
- 在 Windows 與 Linux 平臺上使用 CUDA 進行 GPU 編程
- 學習高效并行化方法
- 性能分析與調優（Profiling and Performance Tuning）
- 利用共享內存（Shared Memory）提升性能
3. 課程前置要求（Requirements）
- C 與 C++ 基礎
- Linux 與 Windows 基礎操作
- 計算機體系結構基礎
4. 課程描述（Description）
本課程采用實踐教學，指導學習者使用 CUDA 釋放現代 GPU 的強大并行計算能力。課程從 GPU 硬件基礎開始，梳理主流架構的演進（Fermi → Pascal → Volta → Ampere → Hopper），并通過代碼實驗逐步學習如何編寫、分析與優化高性能內核。
說明：這是一個獨立的培訓資源，不隸屬于 NVIDIA 公司。
展開 通用計算軟件Mathematica7支持CUDA性能提升百倍
在美國德克薩斯州舉行的超級計算大會(SC08)上，Wolfram Research宣布新版通用計算軟件Mathematica 7將支持NVIDIA CUDA GPU并行計算技術。
據稱，融入CUDA技術的Mathematica 7可以在數學運算、建模、模擬和視覺計算等方面獲得10倍甚至100倍的性能提升，而且不需要用戶另外學習或者編寫C語言代碼。
配合NVIDIA同時發布的Tesla個人超級計算機，Mathematica 7可以在桌面上執行復雜的數據計算任務，免除了編寫原生C程序或等待公共集群的麻煩，為研究人員節省大量的工作時間。
支持CUDA加速的新版Mathematica 7將在2009年第一季度提供，而剛剛發布的普通版Mathematica 7已經面世，在12個應用領域增加了500多個新功能，包括圖像處理、并行高性能計算、矢量場視覺化、布爾數學體系運算、統計模式分析等等。
Mathematica可以說是世界上最強大的通用計算系統，自1988年首次發布以來已經擁有數百萬用戶，對如何在科技和其它領運用計算機有著深刻的影響，并成為許多機構的標準工具，比如財富50強的所有公司、美國政府15個主要機構、全球最大的50所大學等等。
Mathematica 7支持Windows 2000/XP/Vista、Mac OS X、Linux x86、Solaris、UltraSPARC/x86等平臺，建議零售價2495美元(北美)或3120美元(亞洲)，還提供1095/1315美元的教育版和140美元的學生版。
10臺頂級8核服務器速度-Tesla個人超級計算機
并行計算王者－Tesla個人超級計算機硬件配置
展開 
雙Xeon3代+多GPU卡+并行存儲--圖靈工作站GX650M新品2021v2
圖靈計算工作站GX650M是一款配置雙Xeon第3代可擴展處理器、支持PCIe4.0總線的最高6塊RTX第2代GPU超算卡（全部16x 4.0）、支持海量并行存儲于一體、基于辦公靜音環境、具有強大CPU+GPU混合計算模式的超級異構計算系統
和市面上常規工作站硬件架構相比，顯著特點：
支持2顆最新Xeon 第三代Schalable(可擴展處理器)，最大80核，支持AVX512指令集
提供超級強大的計算能力，最大6個RTX二代GPU卡（全速PCIe 4.0 16X），
配備基于PCIe總線的海量高速并行存儲（最大容量300TB），延遲低，支持最大15個并行讀，硬盤io性能大幅提升，性能和管理遠超傳統的DAS/NAS存儲系統
辦公環境（靜音級）、不在被噪音所困擾
不需要專門的機房，不占過多空間，維護成本極低
不需要作業調度系統，管理難度大幅降低
產品配置規格
No
類別
技術規格
1
CPU
2顆Intel Xeon三代可擴展處理器
可選型號：Xeon 金5300/金6300/白金8300
最大80核
2
芯片組
Intel C621A+PCH（雙QPI）
3
內存
16根 DDR4 3200 REG ECC
16通道,最大容量2TB
4
GPU卡
可選: RTX 3070、RTX 3080、RTX 3090
RTX A4000、RTX A5000、RTX
展開 技術干貨丨如何選用顯卡 (GPU) 開展EDEM的計算？
<p>由于離散單元法的特性，EDEM軟件計算量大，對計算設備要求較高。一個計算能力強的計算設備可在更短的時間完成計算任務，加速業務進程，提高業務效率。</p><p><br></p><p>過去以來，中央處理器 (CPU) 一直被用作計算設備。然而，隨著計算機圖形處理器 (俗稱顯示卡或者顯卡，GPU) 的技術更新，GPU也可用于計算，且在特定的計算場景中發揮出 (遠) 優于CPU的計算性能。這包括EDEM離散單元法計算場景。</p><p><br></p><p><strong>本文將簡單討論GPU計算在EDEM中的應用，以及用于EDEM計算的GPU選取。</strong></p><p><br></p><p><strong>用于EDEM計算的GPU選取</strong></p><p><br></p><p><strong>為什么要用GPU開展EDEM計算？</strong></p><p><br></p><p>GPU與CPU的顯著區別在于，前者可同時并行計算的核心數高 (多達數千)，但單個核心時鐘頻率 (與計算速度正相關) 較低；后者核心數少 (幾十個)，但單個核心始終頻率高。一個比喻是，GPU仿佛是一個小學數千名小學生，而CPU是這所小學的數十名老師。對于單一流程的任務而言，一個老師的處理速度勝過一個小學生；但對于諸如完成1000000道口算題這類<strong>可分割的計算任務</strong>而言，數千小學生并行開動，將勝過數十名老師。</p><p><br></p><p>離散單元法就是<strong>可分割的計算任務</strong>，每一時間步對1000000個顆粒單元的處理，就好比完成1000000道口算題。此時GPU相比CPU將具有顯著優勢。鑒于上述原因，自EDEM 2019開始，支持GPU運算。
展開 Ansys Speos | 新型計算方法：使用 GPU 提升計算速率
前言
Speos 在2022R2版本中正式推出 GPU 計算功能，相比于 CPU 計算，相同HPC32配置，高性能顯卡在仿真計算中將會更顯計算優勢，在仿真數據量大、材料屬性復雜、光源種類多的條件下，Speos 視覺模擬會消耗更多仿真計算時間。當模擬參數設置偏差，或者視野選擇不準確，重新模擬耗費的時間會很長，GPU 同樣提供實時預覽 preview 功能，快速檢查視覺模擬對參數設置和視野選擇的準確性，通過 GPU 持續渲染，得到從低精度到高精度的實時模擬效果，一旦發現模擬出現問題可以隨時停止，修改參數后再重新模擬，提高了模擬效率，新版本發布中，GPU preview 同樣可以保存實時渲染結果為XMP。
GPU計算能力
1 - 打開任意仿真，建立視覺模擬模型，與常規的亮度模擬相同，在 speos 中建立光源（包括環境光），探測器，零件材料，逆向模擬。
2 - 在file-speos option中，勾選顯卡選項，會顯示32HPC運算。顯卡性能越高在計算中越能體現計算速度。
3 - 點擊inverse/direct simulation，在tools中選擇GPU計算。
4 - GPU計算性能說明，同樣對于108光線數，相同光線數GPU A6000的計算速度相當于CPU 600核左右，而仿真結果相同。
5 - GPU計算同樣支持Speos core的計算。
展開 AMD EPYC 128核心256線程 CPU計算服務器/GPU服務器仿真計算、HPC計算、大數據分析、
這對于需要處理海量并行任務的應用來說是巨大的優勢。
性能定位： EPYC 9554屬于第四代EPYC（代號“Genoa”）處理器，采用先進的Zen 4架構和5nm制程，能效比極高。3.1GHz的基礎頻率和3.75GHz的最大加速頻率，保證了單核和多核性能都非常強勁。
適用場景： 完美契合您所列的“數值計算、大數據分析、人工智能、仿真”等高度并行化的計算任務。
3.
處理器參數： 共 128 核心 256 線程，3.1GHz~3.75GHz;
4.
芯片組： System on Chip
5.
系統內存：768GB DDR5-4800 R.ECC
容量分析： 768GB是相當大的內存容量，足以容納超大型數據集，滿足絕大多數科學計算、虛擬機集群和內存數據庫的需求。
技術優勢： 采用最新的DDR5內存，帶寬高達4800MT/s，遠超上一代DDR4，能充分發揮EPYC處理器的多核計算潛力，避免“內存墻”瓶頸。RECC（帶寄存器的錯誤校正碼）確保了長時間穩定運行和數據完整性。
6. 系統盤： 1TB NVMe SSD
6.
存儲盤： 3*16T HDD企業級
7.
陣列卡： LSI 3108-8I 1G支持RAID0.1.5.10
系統盤： 1TB NVMe SSD。速度快，能確保操作系統和應用軟件快速啟動和響應。
數據盤： 3 x 16TB SATA HDD。提供了48TB的巨大存儲空間，適合存放海量計算結果、模型數據、視頻素材等。
展開 處理器和GPU的計算能力如何計算的？
（二） GPU的浮點性能計算公式
GPU能做的CPU都能做，CPU能做的GPU卻不一定能夠做到，GPU一般一個時鐘周期可以操作64bit的數據，1個核心實現1個FMA。
這個GPU的計算能力的單元是：64bit*1FMA*2M/A/64bit=2FLOPs/Cycle
GPU的計算能力也是一樣和核心個數，核心頻率，核心單時鐘周期能力三個因素有關。
但是架不住GPU的核心的數量多呀
例如：對現在nvidia 的pascal架構超算卡--- Tesla P100，是1792核@1.328GHz,其理論的雙精度浮點性能是：1792Core*1.328GHZ*2FLOPs/Cycle=4759.552GFLOPs=4.7TFLOPs
例如：對現在nvidia 的Volta架構的超算卡---Tesla V100，是2560核@1.245GHz，其理論的雙精度浮點性能是：2560Core*1.245GHZ*2FLOPs/Cycle=6374.4GFLOPs=6.3TFLOPs
現在ML繁榮的時代，對64bit長度的浮點運算需求不是那么的大，反而是32bit或者16bit、8bit INT、4bit INT的運算需求比較大。
因此nvidia 最新的tesla一直在強調單精度甚至半精度，turing就是這樣的。
intel為了加速這些計算，也在其處理器中實現了一些加速低精度運算的指令。
展開 高級培訓報名 | Particle Works 電機油冷仿真
主要包含軟件基本使用、Particleworks的管內兩相流、管外兩相流等基本案例介紹、輕量化電機模型的噴淋、甩油仿真計算方式介紹。
軟件簡介與特色
【軟件簡介】
Particleworks 是一款模擬流體運動的領先軟件。其先進的基于粒子算法的求解器，可以輕松地對各類工業流體問題進行建模與分析——汽車行業中油箱的晃動及冷卻、制藥業和塑料行業物料的混合與攪拌等等。憑借直觀的界面、極快的求解器和強大的可視化工具，Particleworks將提供所有用戶所需的運動分析工具，來幫助工程師在設計過程中優化產品。
【軟件特色】
■ 無網格求解：Particleworks 可以直接導入CAD幾何進行計算，相比傳統的CFD軟件，可以避免繁雜、耗時的網格生成過程；
■ 飛濺、自由液面流動：Particleworks 通過將流體分解成一系列的離散單元或者粒子來分析其運動，這些粒子可以自由運動。這種方法可以允許用戶模擬流體的大變形、聚合、分裂以及快速變化流動等；
■ 支持當下最新的GPU硬件進行GPU并行計算，能夠獲得前所未有的高性能并行計算能力。
展開 用GPU加速Fluent計算
用Fluent開啟GPU進行計算，過程其實很簡單，不過現在只找到采用N卡進行計算的方法。首先在開始界面需要設置并行計算的核數與你要用來計算的GPU數量，一般電腦都只有一塊顯卡，所以設置為1就可以了。
打開之后就需要用命令行去打打開顯卡計算并進行設置，命令行/solve/set/amg-options/amg-gpgpu-options/，后面還需要跟上你想并行計算的模型比如我這里的壓力耦合計算，后面是一些精度和求解方法的設置，其中精度和迭代次數比較重要，搞得不好反倒會發散，比如這里設置為0.1，如果過大那時間就會比較長。
設置好了之后運行就可以了，也沒什么需要注意的，但是有的模型本身就有限制用不了并行加速方法，具體的可以參考這里的內容https://www.nvidia.cn/data-center/gpu-accelerated-applications/ansys-fluent/
我這里模型比較小，計算時間就2分鐘效果提升不明顯，大的模型會明顯一些，但顯卡確實用起來了。
如果是自己編寫的程序想并行求解的會麻煩很多，但也不是沒有辦法。
后續更新如何用代碼主要是基于matlab進行三維模型計算，包括讀取網格（基于Openfoam格式的網格），處理拓撲，離散求解一系列流程。
展開 
GPU加速計算的狼來了？
而格子玻爾茲曼方法基于笛卡爾網格的顯式線性的計算特點，使得其天然適合于GPU的流處理框架。比如在GPU上計算D2Q9格式的LBM方程，我們可以將具有相同速度向量的數據包分配到一個數組中，并保持原始格子布局，求解過程便是對這些數組的更新。
當然，GPU在進行LBM計算的時候，不會改變其物理計算的本質，仍然是通過速度分布函數、宏觀物理量和平衡態分布之間的迭代來實現的。因此，如果代碼調試沒有問題的話，GPU計算的結果和CPU應該是一致的。
當然，要想GPU算法能夠實現更好的加速效果，也需要對參數存儲、傳遞和計算進行優化。目前，許多LBM方法在配合GPU計算已產生恐怖的加速性能，比如已有商業軟件可將單塊顯卡的計算加速能力提高到等價于數千個CPU核的量級。相信隨著GPU性能和軟件本身的不斷進化，GPU一定會讓LBM徹底飛起來。
來源于：LBM與流體力學 作者： 盧比與鋼蛋
展開 在 COMSOL Multiphysics 中設置 GPU 加速計算
COMSOL Multiphysics 支持加速計算。本指南提供了安裝和配置使用此功能所需的軟件的快速設置說明。?
在 COMSOL Multiphysics 中，GPU 加速可以顯著提高使用間斷伽遼金 （dG） 方法的瞬態仿真的性能，例如使用壓力聲學，時域顯式 接口的仿真，以及用于訓練深度神經網絡 （DNN） 代理模型的性能。此功能適用于 Windows 和 Linux作系統，需要兼容的 NVIDIA 顯卡，并安裝 CUDA 工具包。?????
注： 此功能適用于 COMSOL Multiphysics 6.3 版本。?
兼容性和要求
的作系統和硬件要求CUDA 工具包?組件包括以下內容：
一個 NVIDIA 顯卡，計算能力為 6.0–9.0?
請注意，COMSOL Multiphysics 系統要求中列出的所有 NVIDIA 顯卡都滿足此要求。?對于其他顯卡，請檢查 NVIDIA 維護的列表中的 Compute Capability。
支持的作系統 （OS），包括 Windows 或 Linux??CUDA 工具包 12.4?
CUDA 工具包的設置過程?
安裝 CUDA 工具包，然后在 COMSOL Multiphysics 安裝中啟用 GPU 加速計算的過程包括以下步驟：?
安裝 NVIDIA CUDA 工具包??安裝支持 GPU 計算的 COMSOL Multiphysics?在 COMSOL Multiphysics 中驗證 CUDA 工具包的安裝?
下面將更詳細地概述每個步驟。
展開 《CST Studio Suite 2024 GPU加速計算指南》
NVIDIA使用指南
- ECC功能：可檢測和糾正GPU內存問題，但會降低舊GPU硬件性能，可通過NVIDIA控制面板或命令行工具nvidia - smi管理。
- TCC模式（Windows only）：某些GPU計算需要啟用，可通過命令行工具nvidia - smi啟用或禁用。
- 其他：還介紹了獨占計算模式、顯示鏈接、組合MPI計算和GPU計算、服務用戶、GPU計算使用Windows遠程桌面、運行多個模擬、視頻卡驅動、操作條件、最新CST服務包、GPU監控/利用率、選擇可用GPU卡子集等內容。
6. 故障排除：針對NVIDIA驅動安裝、多GPU設置、GPU模式、硬件識別、CUDA錯誤、TCC模式等問題給出了相應的解決方法。
《CST Studio Suite 2024 GPU加速計算指南》.pdf
展開 1月26日 | Particle works齒輪箱潤滑仿真培訓
【軟件特色】
無網格求解：Particleworks 可以直接導入CAD幾何進行計算，相比傳統的CFD軟件，可以避免繁雜、耗時的網格生成過程；
飛濺、自由液面流動：Particleworks 通過將流體分解成一系列的離散單元或者粒子來分析其運動，這些粒子可以自由運動。這種方法可以允許用戶模擬流體的大變形、聚合、分裂等，以及快速變化流動；
高性能并行計算能力：支持當下最新的GPU硬件進行GPU并行計算。
【課程優勢】
本培訓從使用Particleworks對齒輪箱所遇到的基本仿真問題進行介紹，并結合基本案例進行仿真演示。
主要內容包含：軟件基本使用，Particleworks的管內兩相流，管外兩相流等基本案例介紹，輕量化變速箱模型以仿真計算方式介紹。
展開 