Tesla (NVIDIA)

Tesla est une gamme de cartes accélératrices utilisant des processeurs graphiques faisant office de GPGPU produits par NVIDIA et dont le but est d'assister le processeur central pour les calculs grâce à la bibliothèque logicielle Compute Unified Device Architecture (CUDA). Son nom lui vient de Nikola Tesla, inventeur et ingénieur. Se basant sur les premiers travaux accomplis avec le GeForce 8800 autour de CUDA, l'API logicielle permet d'exploiter via le langage C la puce graphique C870 comme un coprocesseur arithmétique. Selon NVIDIA, la puissance de la solution Tesla la rend tout particulièrement adéquate aux travaux géophysiques, à la biologie moléculaire, à la recherche génétique ou encore à la modélisation financière. En NVIDIA a annoncé vouloir rendre utilisable CUDA avec la totalité de ses produits (GeForce, Quadro, Tesla) utilisant des puces GeForce 8 ou ultérieures. La principale particularité des Teslas par rapport aux GeForces ou Quadro dont elles sont issues est l'absence de sorties vidéo. avec des puces de la famille geforce 8 (2007) Tesla C870 : une GeForce 8800 GTX PCI-Express sans sorties vidéos et destinée exclusivement au calcul avec de mémoire pour une puissance de calcul de 518 Gflops. Tesla D870 : un boitier similaire au boitier Quadro plex avec deux cartes C870, relié à un ordinateur via une connexion PCI-Express. Tesla S870 : un rack 1U qui renferme quatre cartes C870 avec un total de de mémoire vidéo et relié à un ordinateur via une connexion PCI-Express avec puce de la famille geforce 9 avec puce de la famille GeForce 200 (2008) Tesla C1060 : carte PCI-Express 2 similaire à la carte Geforce GTX 280, sans sorties vidéos Tesla S1070 : un rack 1U avec quatre cartes C1060 (4x), relié à un ordinateur via plusieurs connexions PCI-Express 2 avec des puces utilisant Fermi Tesla M2090 Tesla M2075 avec des puces utilisant l'architecture Kepler Tesla K10 : Elle utilise deux GK104 Tesla K20 : La carte Tesla K20 est munie de cœurs d'exécution CUDA, associés à de mémoire GDDR5, pour une bande passante théorique de .

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (10)

Unités associées (1)

Concepts associés (16)

Cours associés (1)

Séances de cours associées (11)

CS-307: Introduction to multiprocessor architecture

Multiprocessors are a core component in all types of computing infrastructure, from phones to datacenters. This course will build on the prerequisites of processor design and concurrency to introduce

Kepler (architecture de carte graphique)

L'architecture Kepler a été développée par NVidia pour ses cartes graphiques. Elle est censée doubler les performances par watt par rapport à Fermi, l'architecture précédente, ce qui permet de l'utiliser dans des cartes graphiques mobiles. La première carte graphique utilisant cette architecture est la GTX 680, utilisant le processeur graphique GK 104.

Pascal (architecture de carte graphique)

L'architecture Pascal est une architecture de processeur graphique développée par NVidia pour ses cartes graphiques, qui a succédé au cours de l'année 2016 à l'architecture Maxwell annoncé en mars 2014. Elle est nommée en l'honneur du mathématicien, physicien et philosophe français du Blaise Pascal. L'architecture Pascal inaugure une nouvelle technique de fabrication appelée FinFET (Fin Field Effect Transistor), afin de passer à une finesse de gravure de 16 nm. Le nombre de transistors par unité de surface sera donc plus élevé.

Tesla (microarchitecture)

Tesla is the codename for a GPU microarchitecture developed by Nvidia, and released in 2006, as the successor to Curie microarchitecture. It was named after the pioneering electrical engineer Nikola Tesla. As Nvidia's first microarchitecture to implement unified shaders, it was used with GeForce 8 Series, GeForce 9 Series, GeForce 100 Series, GeForce 200 Series, and GeForce 300 Series of GPUs collectively manufactured in 90 nm, 80 nm, 65 nm, 55 nm, and 40 nm.

A review of CUDA optimization techniques and tools for structured grid computing

Recent advances in GPUs opened a new opportunity in harnessing their computing power for general purpose computing. CUDA, an extension to C programming, is developed for programming NVIDIA GPUs. However, efficiently programming GPUs using CUDA is very tedi ...

2020

High Performance Computing for gravitational lens modeling: Single vs double precision on GPUs and CPUs

Jean-Paul Richard Kneib, Markus Rexroth

Strong gravitational lensing is a powerful probe of cosmology and the dark matter distribution. Efficient lensing software is already a necessity to fully use its potential and the performance demands will only increase with the upcoming generation of tele ...

ELSEVIER2020

CoreNEURON : An Optimized Compute Engine for the NEURON Simulator

Felix Schürmann, James Gonzalo King, Michael Lee Hines, Pramod Shivaji Kumbhar, Aleksandr Ovcharenko, Jérémy Pierre Benoit Fouriaux

The NEURON simulator has been developed over the past three decades and is widely used by neuroscientists to model the electrical activity of neuronal networks. Large network simulation projects using NEURON have supercomputer allocations that individually ...

2019

Présentation du GPU : Performances et Programmation MATH-454: Parallel and high-performance computing

Explore la motivation et les avantages de l'utilisation des GPU pour le calcul, en se concentrant sur leurs performances et leur programmation via CUDA.

GPU : Architecture et programmation CS-307: Introduction to multiprocessor architecture

Explore l'architecture GPU, le multithreading, les processeurs SIMD et la programmation CUDA pour l'informatique parallèle.

Sciences moléculaires : Solutions logicielles

Explore des solutions logicielles pour les sciences moléculaires, couvrant la signalisation cellulaire, la dynamique macromoléculaire et l'apprentissage automatique.