π的计算是经典的数值计算算例之一，此算例利用的是Monte-Carlo算法进行计算。

　　测试结果：

测试结果

 

Test 1（s）

Test 2（s）

Test 3（s） Test 4（s） Test 5（s） Test 6（s） Test 7（s）

1U服务器run time(s)

0.00897 0.006549 0.01171 0.012276 0.010167 0.006554 0.009371

倚天run time(s)

0.000373 0.000373 0.000375 0.000375 0.000381 0.000379 0.000376

Speedup(CPU time/GPU time)

14.9062 14.8338 14.7387 16.136 14.21 14.7757 24.9229

　　在上面的表格中，列出了π的计算算例分别在1U服务器上和“倚天”上的计算时间，可以看出，利用“倚天”进行π的计算相对1U服务器的计算性能提升了约25倍 。因此“倚天”不仅在与图形相关的应用上性能优越，同样在数值计算方面也要比主流配置的X86架构服务器更胜一筹。

6.fft_example （傅里叶变换）

　　测试结果：如图5左侧所示为1U服务器进行傅里叶变换的结果曲线，表示随矩阵规模的增大，计算时间也随之增加，在矩阵规模为1000时的计算时间约为15毫秒。

图5 傅里叶变换测试比较

　　如图5右侧所示为在“倚天”上进行傅里叶变换的结果曲线，其中红线为基于“倚天”CPU的运行时间曲线，绿线为基于“倚天”GPU的运行时间曲线，蓝线即为相应的矩阵规模下“倚天”GPU相对于“倚天”CPU的加速比曲线。从结果显示，在矩阵规模为1000阶时，“倚天”GPU的运行时间仅为1毫秒，相比1U服务器性能提高了15倍之多。

　　并且我们很容易发现，随着矩阵规模的增大，“倚天”GPU计算的优势变得更加明显，相对于CPU的加速比一直处于增加的趋势。