PETSc ist eine Open-Source-Suite von Datenstrukturen und -routinen für die skalierbare (parallele) Lösung wissenschaftlicher Anwendungen, die durch partielle Differentialgleichungen modelliert werden.
Ich bin neu im PETSc-Paket. Ich habe eine ~ 4000x4000 Matrix A im Matrix-Market-Format und möchte PETSc dazu bringen, dies mit mehreren Prozessoren zu lösen. Ich weiß, wie man das System auf einem einzelnen Prozessor löst, aber ich weiß nicht, wie man die Matrix und die Vektoren auf verschiedene Prozessoren …
Ich bin sehr neu in der GPGPU-Programmierung. Bitte verzeihen Sie mir, wenn die Frage nicht besonders geeignet ist. Soweit ich weiß, ist die GPU-Programmierung im Vergleich zur üblichen CPU-Programmierung eine sehr komplizierte technische Arbeit. Man muss sehr vorsichtig sein, wenn es um Divergenzprobleme, Kacheln, festgelegte Speicherzuweisung und Überlappung zwischen Kommunikation …
Beeinträchtigt das Kompilieren von PETSc mit einer externen BLAS / LAPACK-Bibliothek die Leistung auf dünn besetzten Matrizen erheblich oder werden diese Bibliotheken nur für die Mathematik mit dichter Matrix verwendet?
Grundsätzlich scheint FEM ein Problem zu sein, das so ziemlich "gelöst" ist. Es gibt zahlreiche leistungsstarke Frameworks wie Trilinos, PETSc, FEniCS, Libmesh oder MOOSE. Eines haben sie gemeinsam: Sie sind extrem "schwer". Erstens ist die Installation normalerweise sehr schmerzhaft. Zweitens ist ihre Schnittstelle / API dick und schwer - Sie …
Ich muss Ax = b lösen, aber mir ist klar, dass das Speichern der Matrixkoeffizienten meines Problems zu viel Speicher benötigt, selbst wenn es spärlich ist. Jetzt überlege ich mir, eine matrixfreie Methode zu verwenden, da die gleichen Koeffizienten viel Zeit in der Matrix erscheinen, sodass ich mein eigenes privates …
Ich tauche in die faszinierende Welt der Finite-Elemente-Analyse ein und möchte ein großes thermomechanisches Problem lösen (nur thermische Pfeilmechanik, kein Feedback).→→\rightarrow Für das mechanische Problem habe ich bereits aus Geoffs Antwort verstanden , dass ich aufgrund der Größe meines Netzes einen iterativen Löser verwenden muss. In Matts Antwort habe ich …
Ich habe ein verallgemeinertes Matrixproblem: aus einer Spektralmethode für ein Problem der linearen Stabilitätsanalyse. Meine Matrix B ist diagonal und positiv semidefinit. A ist nicht hermitisch und komplex.Ax=λBxAx=λBxA x = \lambda B x Mein Problem ist im Wesentlichen, dass bei Verwendung des verallgemeinerten SLEPc-Eigenwertlösers der Fehler "Null-Pivot bei der LU-Faktorisierung" …
Was ist der effizienteste Weg, um eine komplexe Matrix mit geringer Dichte von meinem Fortran-Code auf PETSc zu übertragen? Ich verstehe, dass dies problemabhängig ist, deshalb habe ich versucht, so viele relevante Details wie möglich unten anzugeben. Ich habe mit dem FEAST-Eigenwertlöser [1] für Probleme vom Typ , die Dimension …
Ich habe einen Navier Stokes implementiert, der auf FEM-Diskretisierung und PETSc basiert, um das lineare Gleichungssystem zu lösen. Um ein effizientes Lösungsverfahren zu erstellen, folge ich dem Artikel "Effiziente Vorkonditionierung der linearisierten Navier-Stokes-Gleichungen für inkompressiblen Fluss" (Silvester et al.), Der einen Schur-Komplement-Ansatz vorschlägt. Es funktioniert ganz gut in dem Sinne, …
So ziemlich die Frage. Wie wichtig ist bei einer allgemein spärlichen, nicht symmetrischen (sowohl numerisch als auch strukturell) Matrix das Sparsity-Muster (dh die Zeilen- / Spaltenpermutation von Matrix / Vektor) für iterative Löser? Ich kann sehen, dass es für Direktlöser (LU) oder Vorkonditionierer (ILU) wichtig wird, indem es die Anzahl …
Ich stelle die Leistung der linearen Löser von PETSc vor. So wie ich es verstehe, speedup=Sequential TimeParallel Time.speedup=Sequential TimeParallel Time.\text{speedup}=\frac{\text{Sequential Time}}{\text{Parallel Time}}. Ich weiß, dass das Ausführen des parallelen Codes auf einem Prozessor als Proxy für die sequentielle Leistung verwendet werden kann. Ich denke jedoch nicht, dass dies aufgrund des …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.