Hva er nvidia tesla?
GPU -akselerasjon
GPU -akselerasjon er bruken av GPU som en tilleggskomponent i CPU for å behandle store datamengder. CPU er hjernen til et hvilket som helst system, og den kan håndtere multitasking og databehandling ved å bruke en eller flere kjerner som håndterer datautførelse. CPU er kraftig nok til å håndtere komplekse operasjoner, men den sliter med prosessering med høyt volum; Dermed kom GPU. GPU er også sammensatt av kjerner for utførelse av data, men den inneholder et enormt antall kjerner, selv om kjernene er mer enkle og ikke så kraftige som CPU -kjernene. I motsetning til CPU, som er avhengig av sin datakraft, er GPUer avhengige av antall kjerner for å behandle data. Mens CPUer utfører seriell prosessering av data, brukes GPUer for parallell prosessering, noe som gjør dem gode for enkle og repeterende beregninger.
GPUer med høy ytelse er utnyttet på spill- og bildegjengivelse, som krever rask beregning av et lite sett med ligninger. To viktige konsepter som brukes i GPU -akselerasjon er CPU -overklokking og maskinvareakselerasjon. CPU er ikke kraftig nok til å håndtere svært beregningsoppgaver, og den må laste av høy volumberegning til GPU. Det er her maskinvareakselerasjon kommer inn, der applikasjoner er konfigurert for avlastningsoppgaver til GPU. På den annen side er overklokking praksis med å skyve CPUs klokkesyklus utover produsentens anbefaling for å forbedre ytelsen.
GPU-akselererte systemer finnes vanligvis i datasentre der store datamengder behandles. Disse systemene krever GPUer som er spesielt designet for å håndtere beregningsintensive applikasjoner. Som hovedprodusenten av GPUer, utvidet Nvidia armene til datasentersystemer med Nvidia Tesla.
Nvidia Tesla
Vitenskap, forskning, ingeniørfag og mange andre felt krever ofte høy databehandling for store datamengder, men disse var umulige i de tidligere tilgjengelige tilnærmingene. Nvidia banet vei for forskere og ingeniører å utføre høyytelsesdata i arbeidsstasjonene sine med kraften til Tesla GPUer.
Nvidia utviklet en parallell arkitektur for Tesla GPUer og designet Tesla -produkter for å oppfylle HPC -kravene. Nvidia Tesla har trådutførelsesansvarlig og parallelle data cache. Førstnevnte håndterer utførelsen av tusenvis av databehandlingstråder mens sistnevnte tillater raskere deling av data og levering av resultater. Nvidia Tesla GPUer optimaliserer produktiviteten til datasentre som er sterkt avhengig av høy gjennomstrømning.
Å bruke NVIDIA Tesla GPUer forbedrer ikke bare systemets ytelse, men bidrar også til å redusere driftskostnadene for infrastruktur ved å redusere antall servernoder som følgelig resulterer i en reduksjon av budsjett for programvare og tjenester. Driftskostnadene er også betydelig lavere med Tesla -produkter som er utplassert siden færre utstyr må installeres og reduseres kraftig strømforbruk.
NVIDIA TESLA GPUS
NVIDIA retter seg mot det høye ytelsesdatamarkedet med Tesla-produkters linje. Den første generasjonen av Nvidia Tesla GPUer ble utgitt i mai 2007. Disse GPU -ene var basert på G80 -brikken og selskapets Tesla -mikroarkitektur og brukte GDDR3 -minne. Den nedre end C870 var en intern PCIE -modul med en G80 -brikke og 76.8 GB/s båndbredde. Midt-tier D870 hadde to G80-brikker og to ganger båndbredden til C870 og ble designet for Deskside Computers. Den høyere end S870 ble designet for databehandlingsservere med fire G80-brikker og fire ganger båndbredden til C870.
Etterfølgende generasjoner benyttet Nvidias nåværende mikroarkitektur på tidspunktet for utgivelsen og hadde høyere båndbredde enn forrige generasjon. Den siste generasjonen før merkevaren ble pensjonist var Tesla V100 og T4 GPU -akselerator, som ble utgitt i 2018.
Tesla V100 er basert på Volta -mikroarkitekturen og bruker GV100 -brikken, som parer Cuda -kjerner med tensorkjerner. V100 er utstyrt med 5120 CUDA -kjerner og 640 tensorkjerner og leverer 125 teraflops av dyp læringsprestasjoner. V100 kan erstatte hundrevis av CPU-servere og overstiger kravene til HPC og dyp læring. Det er tilgjengelig i 32 GB- og 16 GB -konfigurasjoner.
T4 GPU-akselerator er den eneste Turing-baserte Tesla GPU og var den siste som ble utgitt under Tesla-merkevaren. Tesla G4 GPU kombinerer strålesporende kjerner og NVIDIA RTX-teknologi for forbedret bildegjengivelse. Den er sammensatt av 2560 CUDA -kjerner og 320 tensorkjerner og støtter opptil 16 GB GDDR6 -minne. T4 GPU er også strømpeffektiv, og bruker bare 70 watt.
Merkevarepensjon og ommarkering
Tesla er ikke et uvanlig navn. Ikke bare er det kjent på grunn av Nikola Tesla, men også på grunn av det populære bilmerket. For å unngå forvirring med bilmerket, bestemte Nvidia seg for å trekke Tesla -merkevaren for sine GPU -akseleratorer i 2019 i 2019. Fra og med 2021 -utgivelsene har NVIDIA Tesla blitt omdirigert som NVIDIA Data Center GPUS.
Tesla har fått stor suksess i datasenterindustrien, noe som gjør det umulige mulig med sin overlegne ytelse og kostnadseffektiv teknologi. Til tross for ommarkeringen, gir Nvidia Teslas egenskaper i sine GPU -akseleratorer. De nye generasjonene er samtidig med Nvidias mikroarkitektur og bruker den nyeste brikken og minnet for bedre ytelse og høyere båndbredde, samtidig som du holder strømforbruket lavt. Tesla har skåret Nvidias navn i datasentersystemer, noe som gjør Nvidia ikke bare til et pålitelig merke i spill, men også i HPC -markedet.