Produktbeskrivelse
|
NVIDIA GRID K2 - grafikkort - 2 GPU'er - GRID K2 - 8 GB
|
Enhedstype
|
Grafikkort
|
Bus Type
|
PCI Express 3.0 x16
|
Grafik engine
|
2 GPU'er - NVIDIA GRID K2
|
Hukommelse
|
8 GB GDDR5
|
CUDA kerner
|
3072
|
Designet for
|
ProLiant SL250s Gen8, WS460c Gen8
|
Produktdatablad |
|
Enhedstype |
Grafikkort |
Bus Type |
PCI Express 3.0 x16 |
Grafik engine |
2 GPU'er - NVIDIA GRID K2 |
CUDA kerner |
3072 |
Egenskaber |
Nvidia CUDA teknologi, Error Correcting Codes (ECC) Memory, Kepler GPU Architecture, Multi-stream hardware H.264-koder |
Størrelse |
8 GB |
Teknologi |
GDDR5 SDRAM |
Båndbredde |
200 GBps |
OS nødvendig |
Microsoft Windows Server 2008 x64 Edition, Red Hat Enterprise Linux 5 x64 Edition, Red Hat Enterprise Linux 6 x64 Edition, SuSE Linux Enterprise Server 11 x64 Edition |
Strømforbrug ved drift |
235 Watt |
Overensstemmelsesstandarder |
WEEE |
Designet for |
HPE ProLiant SL250s Gen8 2U Left Half Width Tray, SL250s Gen8 2U PCIe Gen3 Left Tray, SL250s Gen8 2U PCIe Gen3 Right Tray, SL250s Gen8 2U Right Half Width Tray, SL250s Gen8 Base 2U Left Half Width Tray, SL250s Gen8 Base 2U Left Tray Server, SL250s Gen8 Base 2U Right Half Width Tray, SL250s Gen8 Base 2U Right Tray Server, WS460c Gen8 |
NVIDIA Tesla Computing-moduler giver mulighed for nem integration af GPU computing med HP ProLiant-servere til scale-out installationer. Tesla GPU'erne har en kapacitet på op til 6 GB GDDR5 hukommelse med ECC og en spidsydelse på 655 double-precision Gflops eller over 1,3 single-precision Tflop. Tesla M2070Q kombinerer Teslas high performance computation med NVIDIA Quadro 's professionelle visualisering i samme GPU. HP GPU Ecosystem inkluderer CUDA-programmeringsgrænsefladen og CUDA-udviklingsværktøjer fra tredjeparter samt HP-supporteret GPU-aware clustersoftware som HP Cluster Management Utility (CMU). CMU overvåger og viser GPU-status, f.eks. temperatur, og installerer endvidere GPU-drivere og CUDA-softwaren. Herudover inkluderer HP HPC Linux Value Pack en GPU-version af Platform LSF med mulighed for at planlægge job baseret på GPU-krav.