熟悉深度学习的人都知道，深度学习是需要训练的，所谓的训练就是在成千上万个变量中寻找*佳值的计算。这需要通过不断的尝试实现收敛，而*终获得的数值并非是人工确定的数字，而是一种常态的公式。通过这种像素级的学习，不断总结规律，计算机就可以实现像像人一样思考。如今，几乎所有的深度学习(机器学习)研究者都在使用GPU进行相关的研究。当然，我说的是“几乎”。除了GPU之外，包括MIC和FPGA也提供了不同的解决方案。NVIDIA如何看待不同的硬件架构对深度学习的影响，又是如何评价这些技术的呢?
K40的显存频率也从之前的5.2GHz提高到了6GHz，显存位宽依然是384bit。带宽从之前的250GB/s提高到了288GB/s，不过TDP继续维持K20X的235W水准，整体控制的很不错。
*大的变化要属显存容量了，之前K20X标配的是6GB，此次K40搭配的是12GB显存，不过显存颗粒的数量并没有增加，因为NVIDIA这次使用的是4Gb显存，此前包括桌面及Tesla、Quadro产品线上使用的显存颗粒都是2Gb容量，因此在维持24片显存的情况下Tesla K40的总容量提升到了12GB（24x4Gb），而K20X只有6GB（24x2Gb）。
还有一个值得注意的变化，那就是Tesla K40终于实现PCI-E 3.0支持了，虽然之前的Tesla K20X设计上也是支持PCI-E 3.0的，但是实际启用的还是PCI-E 2.0速度，此前NVIDIA在IVB-E发布时就有过类似的兼容性问题，现在已经不存在这样的问题了，支持PCI-E 3.0将使得K40与CPU之间的带宽从8GB/s提高到15.75GB/s。 |
|
|
手机站
您当前位置是：商业机会 >> 电脑、数码 >> 服务器、工作站 >> 供应GPU服务器 工作站
联系信息