NVIDIA Tesla C1060 - GPU beregningsprocessor - Tesla C1060 - 4 GB

Producent: Hewlett-Packard
Produkt nr: 579030-001
EAN: 5711045150715
Varenummer: 915215
billigst-pricerunner
Producent: Hewlett-Packard
Produkt nr: 579030-001
EAN: 5711045150715
Varenummer: 915215

Varen kan pt. ikke skaffes eller er udgået. Kontakt evt. kundeservice for et alternativ


Billigste fragt 0,00 kr.

Gratis fragt

(Gælder op til 20 kg)

Læs mere her
Varen kan pt. ikke skaffes eller er udgået.
Kontakt evt. kundeservice for et alternativ.}
Producent: Hewlett-Packard
Produkt nr: 579030-001
EAN: 5711045150715
Varenummer: 915215

Varen kan pt. ikke skaffes eller er udgået. Kontakt evt. kundeservice for et alternativ


Billigste fragt 0,00 kr.

Gratis fragt

(Gælder op til 20 kg)

Læs mere her
Produktbeskrivelse NVIDIA Tesla C1060 - GPU beregningsprocessor - Tesla C1060 - 4 GB
Enhedstype GPU beregningsprocessor
Bus Type PCI Express 2.0 x16
Grafik engine NVIDIA Tesla C1060
Hukommelse 4 GB GDDR3
Kerne clock 1296 MHz
CUDA kerner 240
API-understøttet OpenCL
Dimensioner (B x D x H) 26.7 cm x 11.1 cm
Designet for Workstation z800

Produktdatablad

Enhedstype GPU beregningsprocessor
Bus Type PCI Express 2.0 x16
Grafik engine NVIDIA Tesla C1060
Kerne clock 1296 MHz
CUDA kerner 240
API-understøttet OpenCL
Egenskaber Nvidia CUDA teknologi
Størrelse 4 GB
Teknologi GDDR3 SDRAM
Båndbredde 102 GBps
OS nødvendig Red Hat Enterprise Linux 4, Red Hat Enterprise Linux 5, SuSE Linux 10.2, SuSE Linux 10.3, Microsoft Windows Vista (32/64 bits), Microsoft Windows XP (32/64 bits)
Yderligere krav Dobbelt-bredde x16 grafisk slot
Dybde 26.7 cm
Højde 11.1 cm
Designet for HP Workstation z800

The NVIDIA Tesla C1060 transforms a workstation into a high-performance computer that outperforms a small cluster. This gives technical professionals a dedicated computing resource at their desk-side that is much faster and more energy-efficient than a shared cluster in the data center. The Tesla C1060 is based on the massively parallel, many-core Tesla processor, which is coupled with the standard CUDA C programming environment to simplify many-core programming.