本文测试了CUDA在ANSYS FLUENT中的加速效果，发现GPU加速对耦合求解器计算效率提升显著，3060ti可达3倍，1080ti约为2倍。然而，对于分离式求解器，加速效果不明显，可能因网格数少，GPU加速优势被CPU-GPU交互时间抵消。FLUENT支持CUDA加速并能提高计算速度，但最佳线程数和GPU选择对效率有影响。
太长不看版本，结论如下：
1. FLUENT中，GPU加速对于耦合求解器计算十分明显，3060ti能够提高计算效率约3倍，1080ti能够提高计算效率约2倍；
2. FLUENT中，GPU加速对于分离式求解器效果不明显，这可能是由于网格数太少，GPU对线性系统加速节约的时间，和CPU与GPU之间信息交互额外耗时差不多相抵消，求解系统越庞大，GPU加速才会明显；
3. 分离式求解器是默认关闭GPU加速，需要通TUI命令开启，同时仅建议只对压力方程求解开启GPU加速；
4. FLUENT中，不同线程数对计算影响较大，对CPU主频反而敏感。
针对科学计算的GPU加速技术在过去十多年里得到巨大发展，其主要依赖于GPU性能的提升。过去，如果要搞深度学习，或者数值计算系统求解的GPU加速，通常只能使用专用计算卡，包括Quadro系列、Tesla系列等。然而，随着皮衣刀客黄仁勋发布30系显卡，旗舰卡3090有着比TITAN更高的性价比，过去“四路泰坦抱回家”的梗总算能改成“3090抱回家”了。GPU加速不在依赖于高端计算卡，即便是30系的甜品卡3060ti也有着4864个cuda核心，昔日卡皇2080ti仅有4352个cuda核心，而上上代老卡皇1080ti只有3584个cuda核心。几年前，仅1080ti显卡就要近一万元，今天，花1/3的价钱就能买一张
最低0.47元/天 解锁文章
8914
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
