WebGPU 支持检查中…
GPU 设备尚未初始化
已完成网格0 / 0
当前运行状态待运行
03 · 求解结果与精确解对照
WebGPUSod 精确解Python/NumPy（导入后）
图表对应选定网格的密度、速度和压力；精确解用于正确性验证。PNG 和完整数值列自动加入导出 ZIP。
04 · WebGPU 批量计算记录
| Nx | 验证方式 | 终止 t | 时间步 | GPU 求解耗时 / ms | 每秒百万单元更新 | 读取 / ms | ρ L1 | u L1 | p L1 | Python / ms | 加速比 | GPU–Python ρ L1 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 尚无计算结果 | ||||||||||||
GPU 求解耗时为各批编码、提交及等待 GPU 完成的总墙钟时间（重复运行取中位数），不是 GPU 硬件时间戳。批次规模根据测量自动调整；仅在结束时回读一次。统计范围不包含 WebGPU 初始化、数据读取、ZIP 生成和绘图。每次重复都从初始条件重新计算。
05 · 跨 GPU 性能对比（导入 JSON 后）
| 显卡标签 | 浏览器报告的 GPU | Nx | 模式 | 步数 | 求解 / ms | MCell/s | 平台 |
|---|---|---|---|---|---|---|---|
| 先在不同显卡运行并导入结果 | |||||||
关于基准测试的可复现性
为了公平比较，Python 脚本使用相同的初始条件、空间离散、固定时间步数和透射边界。WebGPU 使用 f32；Python 默认也使用 NumPy float32。计时不能混合首次 Shader 编译与正式求解，并应在同一设备的相近负载条件下多次重复。不同操作系统、浏览器和驱动会改变性能表现。低维网格的 GPU 调度开销可能高于数值计算收益，因此不保证 WebGPU 总是快于 CPU。