如何使用Nvidia显卡对abaqus进行加速

原创 已于 2023-11-18 02:32:56 修改 · 1.9w 阅读 · 67 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循CC 4.0 BY-NC-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #matlab #经验分享

于 2021-11-22 16:17:48 首次发布
本文详细介绍了如何通过Nvidia CUDA工具包将Abaqus计算任务加速，特别是针对Standard计算模式。首先，确认主板与Nvidia RTX A4000显卡兼容并安装，然后安装显卡驱动和CUDA工具，接着设置环境变量以启用CUDA加速。Abaqus的GPU加速主要适用于具有双精度浮点计算能力的专业显卡，如P100、V100和A30、A100等。对于普通消费级的RTX系列，加速效果可能不明显，但在大计算量项目中仍能显著提升速度。文中以A30和A2000为例，展示了GPU加速在非线性摩擦解析问题上的速度提升，并提供了一个使用CUDA加速的命令行示例。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文介绍了如何使用 Nvidia CUDA1的加速功能,使Abaqus计算加速。

原文

GPU加速的功能暂时只支持Standard的计算，Explicit不支持

驱动都设置完成可直接查看查看 环境变量设置

安装显卡

提前查询好主板是否与显卡兼容，在购买显卡。
本次使用的是Nvidia 2021 新推出的 RTX A4000显卡2。

GPU特性RTX A000
GPU显存带纠错码ECC DDR6 16GB
显存带宽448GB/s
图形总线PCI-E X16
CUDA核心数6144
单精度浮点计算19.2 TFLOPS

*具体可参考 A4000规格书

  1. 插入卡槽
  2. 连接显卡电源（6Pin）
  3. 开机测试

安装显卡驱动

在Nvida显卡驱动官网找到合适自己的显卡驱动下载，并重启。

安装CUDA 工具

CUDA工具包安装地址

CUDA的安装需要较长时间，属于正常情况。

环境变量设置

在这里有两种方法可以开启CUDA的加速

直接编辑系统环境变量，如下图

在系统全局变量里加入

环境变量内容
变量名ABA_ACCELERATOR_TYPE
值PLATFORM_CUDA

编辑abaqus_v6.env

在abaqus_v6.env3文件的句末加上

os.environ["ABA_ACCELERATOR_TYPE"]="PLATFORM_CUDA" # Nvidia

的字段使其可以使用CUDA加速工具加速ABAQUS。

是否加速成功

成功加速Abaqus反馈的Log里面会出现如下加速成功的字符。

回答各类显卡是否支持加速

Abaqus的GPU（CUDA）加速，和AI学习的GPU计算稍有不同。Abaqus属于科学计算，对精度要求很高，因此对于有双精度浮点计算能力的P100,V100 以及最新出的 A30, A100是最佳的。
结论：

  • 理论上可以下载并使用cuda-tool工具包的显卡都能进行abaqus gpu加速，只是因为普通的消费者级别的RTX系列双精度能力很低，因此加速效果没太明显，不过对于计算量大的项目，其实速度提升也很多。
  • 理想的情况下是使用拥有双精度浮点计算能力的专业显卡，效果可以提升近一倍多。

提交任务

对于在abaqus CAE的GUI里直接提交任务的情况下，直接在GPGPU上打勾并设置为1（一张显卡的情况下）
和CPU的设置不同，gpu的参数表示显卡的数量，不表示CUDA核心数
在这里插入图片描述

对于命令形式可以参考以下（8核心cpu并行计算，1块显卡加速的情况）：
abaqus job=<job-name> cpus=<8> gpus=1

速度对比

实际使用时根据显卡的双精度算力和显存的大小以及模型的复杂度相关，以下速度对比仅作参考。

CPU: Xeon Silver 4310 12C ×2

边界条件非线性，摩擦解析，同样的模型同样在使用GPU的情况下，用A30只用了8小时算完，而A2000用了21小时，不使用GPU的8核心用了36小时算完。
在这里插入图片描述

下图代表了解析计算倍速，以4核计算为1倍作为基准，高复杂度的解析GPU计算为2倍，A30则对于不用GPU的8核心提高到了4倍。
在这里插入图片描述

模型复杂程度越高使用GPU所带来的收益就约明显

Reference

  1. Nvidia Cuda 适用于类似于RTX or Quardo之类的 计算卡，一般的 Geforce 显卡不不推荐使用CUDA加速。 ↩︎

  2. 官网介绍 ,购入金额15万日元。 ↩︎

  3. abaqus_v6.env的路径一般是在C:\SIMULIA\EstProducts\2020\win_b64\SMA\site这里。 ↩︎

Windows系统下MinerU的CUDA加速配置指南
斯人若彩虹，遇上方知有！
04-30 1026
MinerU是一款高效的文档解析工具，支持通过CUDA加速显著提升处理速度。本指南详细说明如何在Windows系统中配置CUDA环境，并启用MinerU的GPU加速功能，帮助用户充分利用NVIDIA显卡的计算能力，优化复杂文档的解析效率。
ABAQUS6206轴承动力学仿真提取加速度等。
2401_84363228的博客
05-28 1058
点击创建相互作用选项卡，选择表面与表面接触创建接触关系，选择主面、从面完成接触关系创建。分别建立球，保持架与内外圈的接触。8.将外圈限制6个自由度，沿Y轴施加载荷，沿X轴施加转速。在内圈中心建立一个RP-1点，分别和内圈还有保持架耦合。9.网格划分，我才用的是外圈内圈1，球和保持架是0.5。4.场输出和历史输出。
ABAQUS启动GPU加速计算
孙权打的博客
08-08 9097
abaqus启动GPU加速计算
使用GPU加速ABAQUS计算
weixin_69777272的博客
07-02 1万+
补充了一些自己的内容，整体来看，加速效果明显，且相对于机器学习中那些环境的配置，ABAQUS的GPU加速环境还是较为容易的。
ABAQUS显示计算加快计算速度方法总结
naeko的博客
03-09 2万+
abaqus加快计算tips
如何在Linux下运行Abaqus并调用GPGPU进行CUDA加速
kaede0v0的博客
02-03 2185
如题，Linux下运行Abaqus，并调用GPGPU进行CUDA加速。
使用Abaqus CAE（python 脚本） 进行拓扑优化
06-04
在本文中，我们将深入探讨如何使用Abaqus CAE结合Python脚本来进行拓扑优化，这一过程对于结构设计尤其重要，因为它能帮助我们找到最优化的材料分布，以实现最佳性能。Abaqus是一款强大的非线性有限元分析软件，而...
Abaqus-Python开发使用指南,python在abaqus中的应用电子版,Python
09-10
同时，积极参与社区活动，与其他Abaqus用户交流，能够加速学习过程并解决实际问题。 总的来说，Abaqus-Python结合提供了强大的分析能力，让工程师能够高效地解决复杂工程问题。通过系统学习和实践，你可以掌握这一...
ABAQUS在线文档使用.pdf
05-08
法律声明还强调，Dassault Systèmes及其子公司对任何使用ABAQUS软件进行的分析结果或文档中的程序、例子、解释的准确性或有用性不承担责任。如果文档中出现任何错误或遗漏，公司及其子公司亦不承担任何后果。 此外...
Abaqus-Python开发使用指南_pythonabaqus_ABAQUS_abaquspython_Abaqus-Pyth
09-10
这篇“Abaqus-Python开发使用指南”将深入介绍如何利用Python进行Abaqus的开发和应用。 首先，让我们从“Pythonabaqus”这个标签开始。Abaqus的Python接口允许用户编写自定义的脚本来控制模型的创建、求解过程以及...
ABAQUS 2016安装方法
06-01
ABAQUS2016版亲测安装教程，已在Win8、Win7上成功实现安装。
使用 MTEX​​ 从 EBSD 进行 Abaqus网格和晶粒取向_MATLAB
06-03
使用 MTEX​​ 从 EBSD 进行 Abaqus 网格和晶粒取向 MTEX Matlab 包用于将 EBSD 数据转换为 Abaqus 输入文件、 我添加了以下功能：为多晶的每个晶粒添加旋转矩阵作为相应用户材料的常数 用法： 打开 MTEX​​ 并...
加速GPU，加速NVIDIA
05-05 1119
点击上方 “中国云报” 可直接关注 ！ 在不久前结束的专业视听设备与信息系统集成技术展InfoComm China 2017上，NVIDIA为中国市场带来了全新的产品——新一代基于Pascal架构的Quadro
Abaqus CPU并行计算 加速计算信息汇总
优快云博客
06-04 2万+
Abaqus CPU并行计算 加速计算信息汇总
如何修改abaqus并行计算的默认设置
热门推荐
磁悬浮青蛙呱呱呱
04-17 4万+
借这篇阅读量较高的博文揭露一些情况：揭露苏州小叶网络科技有限公司不齿行径https://bbs.kafan.cn/thread-2095728-1-1.html 揭开软件文教毒瘤思杰马克丁虚伪的面纱https://bbs.kafan.cn/thread-2091302-1-1.html ABAQUS并行计算的默认设置是，不使用多个处理器，不使用GPGPU加速。每次在提交作业前都要手工设置cp...
首试GPU并行运算
Geek_朱红的博客
04-10 2597
今天首次尝试了GPU的并行计算，总得感觉上CPU与GPU之间的数据传输速度太慢，所以永远不要低估了GPU与CPU之间的数据传输速率，当需要用到GPU强大的并行计算能力时，一定要衡量好数据传输之间所花费的时间与GPU并行计算之间所省下的时间，看看得是否偿失，频繁的数据传输只会适得其反。 下面就放一个10个矢量之间的计算，GPU并行计算与CPU的串行计算所花的时间对比。 注意：那个时间单位
abaqus提交任务时勾选了GPU加速但运算的时候没反应，需要做其他的操作来提速吗？
最新发布
03-08
<think>嗯，用户提到在Abaqus中提交任务时勾选了GPU加速，但运算时没反应，想要提速。首先，我需要确认Abaqus是否真的支持GPU加速，以及用户的硬件和软件配置是否满足要求。可能用户不知道不同版本的Abaqus对GPU的支持情况不同，比如某些版本可能需要特定的显卡，比如NVIDIA的Quadro系列，或者使用特定的求解器，如显式动力学求解器Explicit可能支持GPU加速，而隐式求解器Standard可能不支持。 接下来，用户可能没有正确配置Abaqus的环境，比如在提交作业时是否在命令行参数中添加了GPU相关的选项，或者是否在环境变量中启用了GPU支持。比如，可能需要设置abaqus_v6.env文件中的参数，或者使用额外的关键词如cuda、gpu等。用户可能忽略了这些配置步骤，导致勾选了GPU但实际并未启用。 另外，硬件兼容性也是一个问题。用户的显卡驱动是否更新到最新版本？CUDA工具包是否安装正确，并且版本与Abaqus兼容？如果驱动或CUDA版本不匹配，GPU加速可能无法生效。用户可能需要检查这些依赖项是否正确安装和配置。 还有可能是模型本身的问题。比如，模型规模较小，或者使用了不支持GPU加速的分析类型，这时候即使启用了GPU，效果也不明显。用户可能需要检查模型是否适合GPU加速，或者尝试更大规模的模型测试。 此外，用户可能在监控GPU使用情况时方法不当，比如任务管理器可能没有正确显示使用情况，或者需要专门的工具如nvidia-smi来查看GPU的活动。如果用户没有正确监控，可能会误以为GPU没有工作。 最后，如果所有配置都正确但GPU仍未启用，可能需要联系Abaqus技术支持，或者考虑其他优化方法，如调整网格、简化接触条件、合理设置并行计算等。用户可能需要综合使用多种优化手段来提升计算速度，而不仅仅依赖GPU加速。</think>在Abaqus中使用GPU加速时若未生效，可按照以下步骤排查和优化： ### 一、确认GPU加速可行性 1. **版本兼容性** - 仅Abaqus 2017及以上版本支持显式求解器（Explicit）的GPU加速 - 隐式求解器（Standard）**不支持**GPU加速（截至2023年） - 检查显卡型号：仅NVIDIA Quadro/Tesla系列（如V100/A100）或消费级RTX 30/40系显卡支持 2. **环境配置验证** ```bash abaqus information=system ``` 查看输出中是否包含`CUDA_DEVICE`信息，确认显卡驱动版本≥470.82且CUDA Toolkit≥11.0 ### 二、强制启用GPU的参数设置 在提交作业时添加关键词： ```bash abaqus job=JobName input=InputFile.inp cpus=4 gpus=1 ``` 或在`.inp`文件中显式声明： ``` *PARALLEL GPU=ON ``` ### 三、关键配置文件修改 编辑`abaqus_v6.env`文件（位于`C:\SIMULIA\CAE\20XX\win_b64\SMA\site`）： ```python import os os.environ['ABAQUS_GPUS'] = "1" # 分配GPU数量 os.environ['CUDA_LIBRARY_PATH'] = "C:/PATH/TO/CUDA/lib/x64" # CUDA库路径 ``` ### 四、性能监控方法 1. Windows系统通过`nvidia-smi -l 1`实时监控GPU利用率 2. Linux系统使用`gpustat`工具： ```bash watch -n 0.1 gpustat --color ``` ### 五、替代优化方案（当GPU不可用时） 1. **CPU并行优化** ```bash abaqus job=JobName input=InputFile.inp cpus=8 mp_mode=threads ``` - 推荐设置`cpus=物理核心数×2`（对超线程CPU有效） 2. **内存分配优化** 在`.inp`文件中添加： ``` *MEMORY, SPILL=YES ``` 3. **接触算法优化** ``` *CONTACT PAIR, TYPE=SLIDE, SMALL SLIDING ``` ### 六、典型错误排查 1. **日志文件检查** - 查看`.log`文件中是否出现`GPU acceleration activated` - 若出现`CUDA_ERROR_NO_DEVICE`，说明驱动未正确安装 2. **案例测试** 运行官方测试案例验证： ```bash abaqus fetch job=ImpactOfBar abaqus job=ImpactOfBar gpus=1 ``` ### 七、硬件性价比建议 | 配置方案 | 相对速度 | 成本（万元） | 适用场景 | |-----------------|----------|--------------|------------------| | 双路EPYC 7763 | 1× | 12-15 | 隐式分析 | | RTX 4090×4 | 3-5× | 8-10 | 显式冲击分析 | | A100 PCIe×2 | 5-8× | 20-25 | 大规模显式分析 | 建议：对冲击/爆炸等显式分析优先配置GPU，对静态/模态分析建议升级CPU和内存带宽。
评论 40
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Cykaede

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值