Память
Тип памяти графического адаптера |
GDDR5 |
Ширина полосы частот памяти (макс) |
208 GB/s |
Шина памяти |
320 bit |
Объём памяти дискретного графического адаптера |
5 GB |
Характеристики
Версия DirectX |
11 |
Версия OpenGL |
4.3 |
Версия шейдера |
5.0 |
PhysX |
N |
Встроенный TV-тюнер |
N |
Системные требования
Поддерживаемые операционные системы Linux |
Y |
Поддерживаемые операционные системы Windows |
Y |
Процессор
Graphics processor family |
NVIDIA |
CUDA |
Y |
Энергопитание
Потребляемая мощность (в обычном режиме) |
225 W |
Порты и интерфейсы
Тип интерфейса |
PCI Express 2.0 |
Вес и размеры
Глубина |
110 mm |
Ширина |
265 mm |
Дополнительно
Графический процессор |
Tesla K20 |
Dual Link DVI |
N |
NVIDIA Tesla K20 5GB Computational Accelerator
Необходима более высокая производительность вычислений и более яркая графика? На сегодняшний день сложные вычислительные модели становятся все привычном делом, и поэтому компании сталкиваются с растущими требованиями в области вычислений и графики. Зачастую с этими потребностями невозможно справиться с помощью традиционных процессорных технологий. Акселераторы NVIDIA для серверов HP без труда интегрируют вычисления графических процессоров в некоторые сервера серии HP ProLiant для развертывания масштабируемых вычислительных и графических систем. Разработанные с нуля для энергосберегающих, высокопроизводительных вычислений на суперкомпьютере они обеспечивают существенно более высокую скорость приложений, чем при использовании только графических процессоров для применения в научной и коммерческой деятельности. Тысячи ядер CUDA® в каждом акселераторе NVIDIA позволяют разделить большой объем вычислений и графических задач на тысячи меньших задач, которые могут выполняться одновременно. Благодаря этому стало возможным быстрее моделировать и улучшать точность графического воспроизведения трехмерных моделей с самыми высокими требованиями.
Высокая производительность для решения проблем в считанные минуты, а не часы
• Устройства семейства NVIDIA Tesla повышают вычислительные мощности, благодаря чему можно значительно сократить время вычислительных операций для параллельно запущенных приложений, обеспечив более быстрое нахождение решения.