为什么 GPU 能够极大地提高仿真速度?
2023/5/22 18:22:05
本文主要是介绍为什么 GPU 能够极大地提高仿真速度?,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
这里的提速主要是针对时域电磁算法的。因为时域算法的蛙跳推进模式仅对大量存放在固定 位置的数据进行完全相同的且是简单的操作(移位相加),这正是 GPU 这类众核 SIMD 架构所进行的运算,即 ALU 与内存的存取速度(又称带宽)直接决定了整个运算速度。
下表给出了 GPU 与高速 CPU 数据总线的带宽比较,显然 GPU 的内存带宽远比 CPU 要高。这就是 GPU 在时域仿真中能够极大地提速的根源。
GPU 和内存
|
Tesla K10
|
Tesla K20X
|
Tesla K40m/c
|
Quadro K6000
|
DDR3-1333MHz 内存
|
GPU 内存
|
4GB
|
6GB
|
12GB
|
12GB
|
—
|
GPU 核数
|
1536
|
2688
|
2880
|
2880
|
—
|
内存带宽
|
160GB/s
|
250GB/s
|
288GB/s
|
288GB/s
|
32GB/s
|
双精度速度
|
0.19TFlops
|
1.31TFlops
|
1.43TFlops
|
1.43TFlops
|
—
|
这篇关于为什么 GPU 能够极大地提高仿真速度?的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-01-24手把手教你使用MDK仿真调试
- 2024-01-10基于“小数据”的机器学习
- 2024-01-08扩展卡尔曼滤波:提高机器学习性能的利器
- 2023-12-26各种二端口滤波器网络仿真遇到的问题
- 2023-12-14机器学习-搜索技术:从技术发展到应用实战的全面指南
- 2023-12-12机器学习 - 决策树:技术全解与案例实战
- 2023-12-05机器学习-学习率:从理论到实战,探索学习率的调整策略
- 2023-12-04解锁机器学习-梯度下降:从技术到实战的全面指南
- 2023-11-30回归算法全解析!一文读懂机器学习中的回归模型
- 2023-11-30机器学习 - 似然函数:概念、应用与代码实例