很多内容不解释了，前提工作同Intel Parallel Studio XE 编译VASP
按照Intel Parallel Studio XE 编译VASP安装编译器
按照Centos 7 安装Cuda10 过程记录安装Cuda
参考
解压修改
tar xzvf vasp.5.4.4.tar.gz
cd vasp.5.4.4
cp arch/makefile.include.linux_intel makefile.include
vi makefile.include
makefile.include 文件修改
MKL和编译器的配置同Intel Parallel Studio XE 编译VASP
cuda配置
针对intel 15 和cuda10
修改CUDA_LIB，指定-lcublas -lcuda的地址，如CUDA_LIB := -L$(CUDA_ROOT)/lib64 -lnvToolsExt -lcudart -lcufft -L/usr/lib64 -lcuda -lcublas
我在安装cuda时自定义了安装目录，因此指定了-L/home/data/software/usr/local/cuda-10.0/lib64 -lcublas
# GPU Stuff
CPP_GPU = -DCUDA_GPU -DRPROMU_CPROJ_OVERLAP -DUSE_PINNED_MEMORY -DCUFFT_MIN=28 -UscaLAPACK
OBJECTS_GPU = fftmpiw.o fftmpi_map.o fft3dlib.o fftw3d_gpu.o fftmpiw_gpu.o
CC = icc
CXX = icpc
CFLAGS = -fPIC -DADD_ -Wall -openmp -DMAGMA_WITH_MKL -DMAGMA_SETAFFINITY -DGPUSHMEM=300 -DHAVE_CUBLAS
CUDA_ROOT ?= /usr/local/cuda/
NVCC := $(CUDA_ROOT)/bin/nvcc -ccbin=icc
CUDA_LIB := -L$(CUDA_ROOT)/lib64 -lnvToolsExt -lcudart -lcuda -lcufft \
-L/home/data/software/usr/local/cuda-10.0/lib64 -lcublas
GENCODE_ARCH := -gencode=arch=compute_30,code=\"sm_30,compute_30\" \
-gencode=arch=compute_35,code=\"sm_35,compute_35\" \
-gencode=arch=compute_60,code=\"sm_60,compute_60\"
MPI_INC = $(I_MPI_ROOT)/include64/
针对intel19还需更改一处，将CFLAGS中的-openmp改为-oqpenmp
CFLAGS = -fPIC -DADD_ -Wall -oqpenmp -DMAGMA_WITH_MKL -DMAGMA_SETAFFINITY -DGPUSHMEM=300 -DHAVE_CUBLAS
编译
make gpu
在bin目录有GPU版本的vasp生成
$ ls bin
vasp_gam vasp_gpu vasp_ncl vasp_std
运行
同非GPU版本一样mpirun -np 核数 vasp_gpu,运行过程
INCAR参数要添加
LREAL = .TRUE. or LREAL = A
NCORE = 1
运行途中，可以查看显卡的占用
Benchmark
在进行大体系计算时，计算速度明显
体系从小到大对比GPU-vasp测试.pdf
本文首发于我的博客@cndaqiang.
本博客所有文章除特别声明外，均采用 CC BY-SA 4.0 协议 ，转载请注明出处！