Ir al contenido

Nvidia Tesla

De Wikipedia, la enciclopedia libre
Nvidia Tesla
Información
Tipo Tarjeta gráfica
Desarrollador Nvidia
Fecha de lanzamiento 2 de mayo de 2007 (17 años)
Descontinuación Mayo de 2020 (4 años)
Datos técnicos
Microarquitectura Tesla
Estandarización
Uso GPGPU

Nvidia Tesla era el nombre de la línea de productos de Nvidia destinados al procesamiento de flujo o unidades de procesamiento de gráficos de uso general (GPGPU), que lleva el nombre del pionero ingeniero eléctrico Nikola Tesla. Sus productos comenzaron a usar GPU de la serie G80 y han seguido acompañando el lanzamiento de nuevos chips. Son programables utilizando las API de CUDA o OpenCL.

La línea de productos Nvidia Tesla compitió con las líneas de tarjetas GPU y de aprendizaje profundo Radeon Instinct e Intel Xeon Phi de AMD.

Nvidia retiró la marca Tesla en mayo de 2020, supuestamente debido a una posible confusión con la marca de automóviles.[1]​ Sus nuevas GPU tienen la marca Nvidia Data Center GPU,[2]​ como en la GPU Ampere A100.[3]

Descripción general

[editar]
NvidiaTesla C2075

Ofreciendo una potencia computacional mucho mayor que los microprocesadores tradicionales, los productos de Tesla apuntaron al mercado de computación de alto rendimiento.[4]​ A 2012 , Nvidia Tesla alimentan algunas de las supercomputadoras más rápidas del mundo, incluida Summit en el Laboratorio Nacional Oak Ridge y Tianhe-1A, en Tianjin, China.

Las tarjetas Tesla tienen un rendimiento de precisión doble cuatro veces superior al de una tarjeta Nvidia GeForce basada en Fermi con un rendimiento de precisión simple similar.  A diferencia de las tarjetas GeForce de consumo de Nvidia y las tarjetas Nvidia Quadro profesionales, las tarjetas Tesla originalmente no podían mostrar imágenes en una pantalla. Sin embargo, los últimos productos de clase C de Tesla incluían un puerto DVI de doble enlace.[5]

Como parte del Proyecto Denver, Nvidia tiene la intención de incorporar núcleos de procesador ARMv8 en sus GPU.[6]​ Este será un seguimiento de 64 bits de los chips Tegra de 32 bits.

El Tesla P100 utiliza el proceso de fabricación de semiconductores FinFET de 16 nanómetros de TSMC, que es más avanzado que el proceso de 28 nanómetros utilizado anteriormente por las GPU de AMD y Nvidia entre 2012 y 2016. El P100 también usa la memoria HBM2 de Samsung.[7]

Aplicaciones

[editar]

Los productos de Tesla se utilizan principalmente en simulaciones y cálculos a gran escala (especialmente cálculos de punto flotante) y para la generación de imágenes de alto nivel para campos profesionales y científicos.[8]

En 2013, la industria de la defensa representó menos de una sexta parte de las ventas de Tesla, pero Sumit Gupta predijo un aumento de las ventas en el mercado de la inteligencia geoespacial.[9]

Especificaciones

[editar]
Modelo Microarquitectura Lanzamiento Chips Reloj del núcleo (MHz) Sombreadores Memoria Poder de procesamiento (GFLOPS)[Notas 1] Capacidad de cómputo CUDA[Notas 2] TDP(vatios) Notas,factor de forma
Núcleos Cuda (total) Reloj base (MHz) Máx. reloj turbo (MHz)[Notas 3] Tipo de bus Ancho del bus (bit) Tamaño (GB) Reloj (MT/s) Ancho de banda (GB/s) Media precisiónTensor Core FP32 Accumulate Simple precisión(MAD o FMA) Doble precisión(FMA)
C870 GPU Computing Module[Notas 4] Tesla 2 de mayo de 2007 1× G80 600 128 1350 N/A GDDR3 384 1.5 1600 76.8 No No 345.6 No No 1.0 170.9 Internal PCIe GPU (full-height, dual-slot)
D870 Deskside Computer[Notas 4] 2 de mayo de 2007 2× G80 600 256 1350 N/A GDDR3 2× 384 2× 1.5 1600 2× 76.8 No No 691.2 No No 1.0 520 Deskside or 3U rack-mount external GPUs
S870 GPU Computing Server[Notas 4] 2 de mayo de 2007 4× G80 600 512 1350 N/A GDDR3 4× 384 4× 1.5 1600 4× 76.8 No No 1382.4 No No 1.0 1U rack-mount external GPUs, connect via 2× PCIe (×16)
C1060 GPU Computing Module[Notas 5] 9 de abril de 2009 1× GT200 602 240 1296[11] N/A GDDR3 512 4 1600 102.4 No No 622.08 77.76 1.3 187.8 Internal PCIe GPU (full-height, dual-slot)
S1070 GPU Computing Server "400 configuration"[Notas 5] 1 de junio de 2008 4× GT200 602 960 1296 N/A GDDR3 4× 512 4× 4 1538.4 4× 98.5 No No 2488.3 311.0 1.3 800 1U rack-mount external GPUs, connect via 2× PCIe (×8 or ×16)
S1070 GPU Computing Server "500 configuration"[Notas 5] 1440 N/A No No 2764.8 345.6
S1075 GPU Computing Server[Notas 5][12] 1 de junio de 2008 4× GT200 602 960 1440 N/A GDDR3 4× 512 4× 4 1538.4 4× 98.5 No No 2764.8 345.6 1.3 1U rack-mount external GPUs, connect via 1× PCIe (×8 or ×16)
Quadro Plex 2200 D2 Visual Computing System[Notas 6] 25 de julio de 2008 2× GT200GL 648 480 1296 N/A GDDR3 2× 512 2× 4 1600 2× 102.4 No No 1244.2 155.5 1.3 Deskside or 3U rack-mount external GPUs with 4 dual-link DVI outputs
Quadro Plex 2200 S4 Visual Computing System[Notas 6] 25 de julio de 2008 4× GT200GL 648 960 1296 N/A GDDR3 4× 512 4× 4 1600 4× 102.4 No No 2488.3 311.0 1.3 1200 1U rack-mount external GPUs, connect via 2× PCIe (×8 or ×16)
C2050 GPU Computing Module[13] Fermi 25 de julio de 2011 1× GF100 575 448 1150 N/A GDDR5 384 3[Notas 7] 3000 144 No No 1030.4 515.2 2.0 247 Internal PCIe GPU (full-height, dual-slot)
M2050 GPU Computing Module[14] 25 de julio de 2011 3092 148.4 No No 225
C2070 GPU Computing Module[13] 25 de julio de 2011 1× GF100 575 448 1150 N/A GDDR5 384 6[Notas 7] 3000 144 No No 1030.4 515.2 2.0 247 Internal PCIe GPU (full-height, dual-slot)
C2075 GPU Computing Module[15] 25 de julio de 2011 3000 144 No No 225
M2070/M2070Q GPU Computing Module[16] 25 de julio de 2011 3132 150.336 No No 225
M2090 GPU Computing Module[17] 25 de julio de 2011 1× GF110 650 512 1300 N/A GDDR5 384 6[Notas 7] 3700 177.6 No No 1331.2 665.6 2.0 225 Internal PCIe GPU (full-height, dual-slot)
S2050 GPU Computing Server 25 de julio de 2011 4× GF100 575 1792 1150 N/A GDDR5 4× 384 4× 3[Notas 7] 3 4× 148.4 No No 4121.6 2060.8 2.0 900 1U rack-mount external GPUs, connect via 2× PCIe (×8 or ×16)
S2070 GPU Computing Server N/A 4× 6[Notas 7]
K10 GPU accelerator[18] Kepler 1 de mayo de 2012 2× GK104 N/A 3072 745 ? GDDR5 2× 256 2× 4 5000 2× 160 No No 4577 190.7 3.0 225 Internal PCIe GPU (full-height, dual-slot)
K20 GPU accelerator[19][20] 12 de noviembre de 2012 1× GK110 N/A 2496 706 758 GDDR5 320 5 5200 208 No No 3524 1175 3.5 225 Internal PCIe GPU (full-height, dual-slot)
K20X GPU accelerator[21] 12 de noviembre de 2012 1× GK110 N/A 2688 732 ? GDDR5 384 6 5200 250 No No 3935 1312 3.5 235 Internal PCIe GPU (full-height, dual-slot)
K40 GPU accelerator[22] 8 de octubre de 2013 1× GK110B N/A 2880 745 875 GDDR5 384 12[Notas 7] 6000 288 No No 4291–5040 1430–1680 3.5 235 Internal PCIe GPU (full-height, dual-slot)
K80 GPU accelerator[23] 17 de noviembre de 2014 2× GK210 N/A 4992 560 875 GDDR5 2× 384 2× 12 5000 2× 240 No No 5591–8736 1864–2912 3.7 300 Internal PCIe GPU (full-height, dual-slot)
M4 GPU accelerator[24][25] Maxwell 10 de noviembre de 2015 1× GM206 N/A 1024 872 1072 GDDR5 128 4 5500 88 No No 1786–2195 55.81–68.61 5.2 50–75 Internal PCIe GPU (half-height, single-slot)
M6 GPU accelerator[26] 30 de agosto de 2015 1× GM204-995-A1 N/A 1536 722 1051 GDDR5 256 8 4600 147.2 No No 2218–3229 69.3–100.9 5.2 75–100 Internal MXM GPU
M10 GPU accelerator[27] 4× GM107 N/A 2560 1033 ? GDDR5 4× 128 4× 8 5188 4× 83 No No 5289 165.3 5.2 225 Internal PCIe GPU (full-height, dual-slot)
M40 GPU accelerator[25][28] 10 de noviembre de 2015 1× GM200 N/A 3072 948 1114 GDDR5 384 12 or 24 6000 288 No No 5825–6844 182.0–213.9 5.2 250 Internal PCIe GPU (full-height, dual-slot)
M60 GPU accelerator[29] 30 de agosto de 2015 2× GM204-895-A1 N/A 4096 899 1178 GDDR5 2× 256 2× 8 5000 2× 160 No No 7365–9650 230.1–301.6 5.2 225–300 Internal PCIe GPU (full-height, dual-slot)
P4 GPU accelerator[30] Pascal 13 de septiembre de 2016 1× GP104 N/A 2560 810 1063 GDDR5 256 8 6000 192.0 No No 4147–5443 129.6–170.1 6.1 50-75 PCIe card
P6 GPU accelerator[31][32] 24 de marzo de 2017 1× GP104-995-A1 N/A 2048 1012 1506 GDDR5 256 16 3003 192.2 No No 6169 192.8 6.1 90 MXM card
P40 GPU accelerator[30] 13 de septiembre de 2016 1× GP102 N/A 3840 1303 1531 GDDR5 384 24 7200 345.6 No No 10007–11758 312.7–367.4 6.1 250 PCIe card
P100 GPU accelerator (mezzanine)[33][34] 5 de abril de 2016 1× GP100-890-A1 N/A 3584 1328 1480 HBM2 4096 16 1430 732 No No 9519–10609 4760–5304 6.0 300 SXM card
P100 GPU accelerator (16 GB card)[35] 20 de junio de 2016 1× GP100 N/A 1126 1303 No No 8071‒9340 4036‒4670 250 PCIe card
P100 GPU accelerator (12 GB card)[35] 20 de junio de 2016 3072 12 549 No No 8071‒9340 4036‒4670
V100 GPU accelerator (mezzanine)[36][37][38] Volta 10 de mayo de 2017 1× GV100-895-A1 N/A 5120 ? 1455 HBM2 4096 16 or 32 1750 900 119192 14899 7450 7.0 300 SXM card
V100 GPU accelerator (PCIe card)[36][37][38] 21 de junio de 2017 1× GV100 N/A Desconocido 1370 112224 14028 7014 250 PCIe card
V100 GPU accelerator (PCIe FHHL card) 27 de marzo de 2018 1× GV100 N/A 937 1290 16 1620 829.44 105680 13210 6605 250 PCIe FHHL card
T4 GPU accelerator (PCIe card)[39][40] Turing 12 de septiembre de 2018 1× TU104-895-A1 N/A 2560 585 1590 GDDR6 256 16 5000 320 64800 8100 ? 7.5 70 PCIe card
A2 GPU accelerator (PCIe card)[41] Ampere 10 de noviembre de 2021 1× GA107 N/A 1280 1440 1770 GDDR6 128 16 6252 200 18124 4531 140 8.6 40-60 PCIe card (half height, single-slot)
A10 GPU accelerator (PCIe card)[42] 12 de abril de 2021 1× GA102-890-A1 N/A 9216 885 1695 GDDR6 384 24 6252 600 124960 31240 976 8.6 150 PCIe card (single-slot)
A16 GPU accelerator (PCIe card)[43] 12 de abril de 2021 4× GA107 N/A 4× 1280 885 1695 GDDR6 4× 128 4× 16 7242 4× 200 4x 18432 4× 4608 1084.8 8.6 250 PCIe card (dual-slot)
A30 GPU accelerator (PCIe card)[44] 12 de abril de 2021 1× GA100 N/A 3584 930 1440 HBM2 3072 24 1215 933.1 165120 10320 5161 8.0 165 PCIe card (dual-slot)
A40 GPU accelerator (PCIe card)[45] 5 de octubre de 2020 1× GA102 N/A 10752 1305 1740 GDDR6 384 48 7248 695.8 149680 37420 1168 8.6 300 PCIe card (dual-slot)
A100 GPU accelerator (PCIe card)[46][47] 14 de mayo de 2020[48] 1× GA100-883AA-A1 N/A 6912 765 1410 HBM2 5120 40 or 80 1215 1555 312000 19500 9700 8.0 250 PCIe card (dual-slot)
H100 GPU accelerator (PCIe card)[49] Hopper 22 de marzo de 2022[50] 1× GH100[51] N/A 14592 1065 1755 CUDA 1620 TC HBM2e 5120 80 1000 2039 756449 51200 25600 9.0 350 PCIe card (dual-slot)
H100 GPU accelerator (SXM card) N/A 16896 1065 1980 CUDA 1830 TC HBM3 5120 80 1500 3352 989430 66900 33500 9.0 700 SXM card
L40 GPU accelerator[52] Ada Lovelace 13 de octubre de 2022 1× AD102[53] N/A 18176 735 2490 GDDR6 384 48 2250 864 362066 90516 1414 8.9 300 PCIe card (dual-slot)
L4 GPU accelerator[54] 21 de marzo de 2023[55] 1x AD104[56] N/A 7680 795 2040 GDDR6 192 24 1563 300 125338 31334 490 8.9 72 HHHL single slot PCIe card
Modelo Microarquitectura Lanzamiento Chips Reloj del núcleo (MHz) Núcleos Cuda (total) Reloj base (MHz) Máx. reloj turbo (MHz)[Notas 3] Tipo de bus Ancho del bus (bit) Tamaño (GB) Reloj (MT/s) Ancho de banda (GB/s) Media precisiónTensor Core FP32 Accumulate Simple precisión(MAD o FMA) Doble precisión(FMA) Capacidad de cómputo CUDA[Notas 8] TDP(vatios) Notas,factor de forma
Sombreadores Memoria Poder de procesamiento (GFLOPS)[Notas 1]

Notas

[editar]
  1. a b Para calcular la potencia de procesamiento, consulte Tesla (microarquitectura)#Rendimiento, Fermi (microarquitectura)#Rendimiento, Kepler (microarquitectura)#Rendimiento, Maxwell (microarquitectura)#Rendimiento, o Pascal (microarquitectura)#Rendimiento. Un rango de números especifica la potencia de procesamiento mínima y máxima en, respectivamente, el reloj base y el reloj de impulso máximo.
  2. Versión de arquitectura core según la guía de programación CUDA.
  3. a b GPU Boost es una función predeterminada que aumenta la velocidad del reloj del núcleo mientras permanece por debajo del presupuesto de energía predeterminado de la tarjeta. Hay varios relojes de impulso disponibles, pero esta tabla enumera el reloj más alto admitido por cada tarjeta.[10]
  4. a b c Se supone que las especificaciones no especificadas por Nvidia se basan en la GeForce 8800 GTX
  5. a b c d Se supone que las especificaciones no especificadas por Nvidia se basan en la GeForce GTX 280
  6. a b Se supone que las especificaciones no especificadas por Nvidia se basan en Quadro FX 5800
  7. a b c d e f Con ECC activado, una parte de la memoria dedicada se utiliza para bits ECC, por lo que la memoria de usuario disponible se reduce en un 12,5 %. (por ejemplo, 4 GB de memoria total producen 3,5 GB de memoria disponible para el usuario).
  8. Versión de arquitectura core según la guía de programación CUDA.

Véase también

[editar]

Referencias

[editar]
  1. Casas, Alex (19 de mayo de 2020). «NVIDIA Drops Tesla Brand To Avoid Confusion With Tesla». Wccftech (en inglés estadounidense). Consultado el 8 de julio de 2020. 
  2. «NVIDIA Supercomputing Solutions». 
  3. «NVIDIA A100 GPUs Power the Modern Data Center». NVIDIA (en inglés estadounidense). Consultado el 8 de julio de 2020. 
  4. «High Performance Computing - Supercomputing with Tesla GPUs». 
  5. «Professional Workstation Solutions». 
  6. «Nvidia to Integrate ARM Processors in Tesla.». 1 de noviembre de 2012. 
  7. Walton, Mark (6 de abril de 2016). «Nvidia unveils first Pascal graphics card, the monstrous Tesla P100». Ars Technica (en inglés estadounidense). Consultado el 19 de junio de 2019. 
  8. «NVIDIA® Tesla™ GPU Computing Technical Brief». 24 de mayo de 2007. 
  9. «Nvidia chases defense, intelligence ISVs with GPUs». www.theregister.com (en inglés). Consultado el 8 de julio de 2020. 
  10. «Nvidia GPU Boost For Tesla». Enero de 2014. Consultado el 7 de diciembre de 2015. 
  11. «Tesla C1060 Computing Processor Board» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  12. «Difference between Tesla S1070 and S1075». 31 de octubre de 2008. Consultado el 29 de enero de 2017. «S1075 has one interface card». 
  13. a b «Tesla C2050 and Tesla C2070 Computing Processor» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  14. «Tesla M2050 and Tesla M2070/M2070Q Dual-Slot Computing Processor Modules» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  15. «Tesla C2075 Computing Processor Board» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  16. Hand, Randall (23 de agosto de 2010). «NVidia Tesla M2050 & M2070/M2070Q Specs OnlineVizWorld.com». VizWorld.com. Consultado el 11 de diciembre de 2015. 
  17. «Tesla M2090 Dual-Slot Computing Processor Module» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  18. «Tesla K10 GPU accelerator» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  19. «Tesla K20 GPU active accelerator» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  20. «Tesla K20 GPU accelerator» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  21. «Tesla K20X GPU accelerator» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  22. «Tesla K40 GPU accelerator» (PDF). Nvidia.com. Consultado el 11 de diciembre de 2015. 
  23. «Tesla K80 GPU accelerator» (PDF). Images.nvidia.com. Archivado desde el original el 12 de julio de 2018. Consultado el 11 de diciembre de 2015. 
  24. «Nvidia Announces Tesla M40 & M4 Server Cards - Data Center Machine Learning». Anandtech.com. Consultado el 11 de diciembre de 2015. 
  25. a b «Accelerating Hyperscale Datacenter Applications with Tesla GPUs | Parallel Forall». Devblogs.nvidia.com. 10 de noviembre de 2015. Consultado el 11 de diciembre de 2015. 
  26. «Tesla M6» (PDF). Images.nvidia.com. Consultado el 28 de mayo de 2016. 
  27. «Tesla M10» (PDF). Images.nvidia.com. Consultado el 29 de octubre de 2016. 
  28. «Tesla M40» (PDF). Images.nvidia.com. Archivado desde el original el 21 de octubre de 2016. Consultado el 11 de diciembre de 2015. 
  29. «Tesla M60» (PDF). Images.nvidia.com. Consultado el 27 de mayo de 2016. 
  30. a b Smith, Ryan (13 de septiembre de 2016). «Nvidia Announces Tesla P40 & Tesla P4 - Network Inference, Big & Small». Anandtech. Consultado el 13 de septiembre de 2016. 
  31. «Tesla P6» (PDF). www.nvidia.com. Consultado el 7 de marzo de 2019. 
  32. «Tesla P6 Specs». www.techpowerup.com. Consultado el 7 de marzo de 2019. 
  33. Smith, Ryan (5 de abril de 2016). «Nvidia Announces Tesla P100 Accelerator - Pascal GP100 for HPC». Anandtech.com. Anandtech.com. Consultado el 5 de abril de 2016. 
  34. Harris, Mark. «Inside Pascal: Nvidia’s Newest Computing Platform». Consultado el 13 de septiembre de 2016. 
  35. a b Smith, Ryan (20 de junio de 2016). «NVidia Announces PCI Express Tesla P100». Anandtech.com. Consultado el 21 de junio de 2016. 
  36. a b Smith, Ryan (10 de mayo de 2017). «The Nvidia GPU Technology Conference 2017 Keynote Live Blog». Anandtech. Consultado el 10 de mayo de 2017. 
  37. a b Smith, Ryan (10 de mayo de 2017). «NVIDIA Volta Unveiled: GV100 GPU and Tesla V100 Accelerator Announced». Anandtech. Consultado el 10 de mayo de 2017. 
  38. a b Oh, Nate (20 de junio de 2017). «NVIDIA Formally Announces V100: Available later this Year». Anandtech.com. Consultado el 20 de junio de 2017. 
  39. «NVIDIA TESLA T4 TENSOR CORE GPU». NVIDIA. Consultado el 17 de octubre de 2018. 
  40. «NVIDIA Tesla T4 Tensor Core Product Brief» (PDF). www.nvidia.com. Consultado el 10 de julio de 2019. 
  41. «NVIDIA TESLA A2 TENSOR CORE GPU». 
  42. «NVIDIA TESLA A10 TENSOR CORE GPU». 
  43. «NVIDIA TESLA A16 TENSOR CORE GPU». 
  44. «NVIDIA TESLA A30 TENSOR CORE GPU». 
  45. «NVIDIA TESLA A40 TENSOR CORE GPU». 
  46. «NVIDIA TESLA A100 TENSOR CORE GPU». NVIDIA. Consultado el 14 de enero de 2021. 
  47. «NVIDIA Tesla A100 Tensor Core Product Brief» (PDF). www.nvidia.com. Consultado el 22 de septiembre de 2020. 
  48. Smith, Ryan (14 de mayo de 2020). «NVIDIA Ampere Unleashed: NVIDIA Announces New GPU Architecture, A100 GPU, and Accelerator». AnandTech. 
  49. https://www.nvidia.com/en-us/data-center/h100/
  50. https://wccftech.com/nvidia-hopper-gh100-gpu-official-5nm-process-worlds-fastest-hpc-chip-80-billion-transistors-hbm3-memory/
  51. https://www.techpowerup.com/gpu-specs/h100-pcie.c3899
  52. https://www.nvidia.com/en-us/data-center/l40/
  53. https://www.techpowerup.com/gpu-specs/l40.c3959
  54. https://www.nvidia.com/en-us/data-center/l4/
  55. https://investor.nvidia.com/news/press-release-details/2023/NVIDIA-and-Google-Cloud-Deliver-Powerful-New-Generative-AI-Platform-Built-on-the-New-L4-GPU-and-Vertex-AI/default.aspx
  56. https://www.techpowerup.com/gpu-specs/l4.c409

Enlaces externos

[editar]