GPU VS CPU

李东岳

GPU加速计算这个概念已经很久了并且很多人也用在了CFD上，但是主流CFD求解器还是没有完全的支持。

ANSYS Discovery Live这个革命性的产品使用GPU来进行计算，是否会推广GPU的应用？大家对GPU计算有什么经验可以共享么？

一二

@李东岳普通的显卡作为GPU的话算直接的浮点运算效率回高很多，LES的求解器很多时间步长很小，可以直接进行时间推进，这种算起来就快，还有波尔兹曼方法，也是显式的时间推进方法。这种情况下一个GTX1080显卡，计算速度比7700k的cpu跑起来快100倍。看过固体力学也有算这类问题的，他们说能快到200倍。
但是如果用SIMPLE算法这种需要迭代循环的，还有求解压力伯松方程要算方程组问题的，会跑得非常慢。我朋友测试过大概1080就比普通的7700k快个一两倍。集群上的E5 E7这种核心比较多对比的话那么单纯用GPU似乎没有什么优势了，毕竟一个1080也不便宜。
不过苹果最早开发了新的架构，把浮点运算交给GPU把逻辑运算交给CPU，这种计算速度就特别快。现在超算中心好多都配置了这种加速卡。无锡太湖之光的也是用这种思路进行计算的。
但总体来说还是觉得编程上太困难了，我听天河中心的专家说现在CFD计算用加速卡的好像不多。

程迪

感觉GPU只是另一个层次和规模的并行计算，而并行计算的问题本质上还是算法的数据依赖问题，不管是Cache命中率还是显式隐式算法的问题其实都可以归结到数据依赖。

再放长远一些，到exa-scale之后内存效率反而是最重要的，GPU的内存和计算核心间的物理距离一般比CPU到主存要小，今后可以提高的空间会更多。

李东岳

@一二显式时间推进？确认一下，你是说欧拉显性求解NS方程构成的对角阵用GPU求解效率非常大？

@程迪

GPU的内存和计算核心间的物理距离一般比CPU到主存要小

...,
硬件上的距离么..

程迪

@李东岳
嗯，铜导线距离。3GHz时每个时钟周期电场才走了10cm.你看看内存到cpu的距离？

显式的数据依赖太明显了，把要用的往cache一送，搞定，cache离核心特别近。隐式的得回头修改这个自由度那个自由度，好麻烦。

网上好多视频讲未来exa-scale的计算，反正最后内存和容错是最大的限制。总核数上去了，移动数据相对于计算数据来说会特别慢，单个核可靠性不变的话整体可靠性也随着核数增加急剧下降。

LiuSW

GPU的双精度浮点运算能力是要落后与单精度运算的，所以在CFD求解的时候，部分运算可以在GPU上使用单精度运算实现更大的加速比。在LES计算中，哪些部分可以使用这种快速策略，而不影响整体计算结果呢？@一二

Micro

@程迪在 GPU VS CPU 中说：

隐式的得回头修改这个自由度那个自由度

你好，请问您所说的自由度是什么意思，能够稍微解释一二，不胜感激，谢谢！