计算机工程与科学
計算機工程與科學
계산궤공정여과학
COMPUTER ENGINEERING & SCIENCE
2009年
11期
121-123,127
,共4页
GPU%CUDA%二维扩散方程%计算流体力学
GPU%CUDA%二維擴散方程%計算流體力學
GPU%CUDA%이유확산방정%계산류체역학
GPU%CUDA%2D diffusion equation%CFD
近几年来,GPU因拥有比CPU更强大的浮点性能备受瞩目.NVIDIA推出的CUDA架构,使得GPU上的通用计算成为现实.本文将计算流体力学中Benchmark问题的二维扩散方程移植到GPU,并采用了全局存储和纹理存储两种方法.结果显示,当网格达到百万量级的时候,得到了34倍的加速.
近幾年來,GPU因擁有比CPU更彊大的浮點性能備受矚目.NVIDIA推齣的CUDA架構,使得GPU上的通用計算成為現實.本文將計算流體力學中Benchmark問題的二維擴散方程移植到GPU,併採用瞭全跼存儲和紋理存儲兩種方法.結果顯示,噹網格達到百萬量級的時候,得到瞭34倍的加速.
근궤년래,GPU인옹유비CPU경강대적부점성능비수촉목.NVIDIA추출적CUDA가구,사득GPU상적통용계산성위현실.본문장계산류체역학중Benchmark문제적이유확산방정이식도GPU,병채용료전국존저화문리존저량충방법.결과현시,당망격체도백만량급적시후,득도료34배적가속.
In recent years, GPU has been enjoying the reputation of possessing much higher floating-point capacity than CPU. CUDA, which is developed by NVIDIA,realizes GPU-based general purpose computing. In this paper, we implement a CFD benchmark problem call 2D diffusion on GPU with two strategies-global memory and texture memory. A speed-up of 34 is observed when the grid is on the scale of one million.
