Nvidia Tesla — бывшее семейство вычислительных систем Nvidia на основе графических процессоров с архитектурой CUDA, которые использовались для научных и технических вычислений общего назначения. Tesla не могла полностью заменить обычный универсальный процессор, но позволяла использовать вычислительный ресурс множества своих ядер для решения определённого круга ресурсоёмких задач (вести параллельную обработку данных). Примерами таких задач могут служить симуляция свёртывания молекул белка, секвенирование ДНК, моделирование погоды, анализ финансового риска и т. п.
Системы Tesla впервые появились на рынке с выходом графического чипа NVIDIA восьмого поколения — G80. Tesla строится на базе обычных графических процессоров, но, в отличие от видеоускорителей, не имеет средств вывода изображения на дисплей. Являясь своего рода сопроцессором, Tesla может использоваться для создания вычислительных систем на базе персональных компьютеров, а также в составе серверов и вычислительных кластеров.
В 2020 году Nvidia прекратила использование бренда Tesla.
История Линейка ускорителей вычислений Tesla была представлена летом 2007 года, вскоре после релиза унифицированной вычислительной архитектуры CUDA, позволяющей на Си-подобном языке программирования писать код для вычислений на графическом процессоре. Первый ускоритель Tesla C870 был основан на графическом процессоре G80, уже представленном в картах GeForce 8-й серии, и основанном на унифицированной шейдерной микроархитектуре, также носящей имя . Также были представлены решения с 2 картами в «настольном суперкомпьютере» и 4 картами в форм-факторе блейд-сервера формата 1U. C870 поддерживала вычисления с одинарной точностью с производительностью 518 гигафлопс. С переходом на новую микроархитектуру графических процессоров компания обновляла линейку ускорителей Tesla, причём в случае Fermi, Pascal, Volta и Turing ускорители Tesla становились первыми продуктами на новой архитектуре, представленными широкой публике. В 2011 году компания представила технологию Maximus, позволяющую комбинировать в рамках одной рабочей станции ускорители Tesla и профессиональные графические карты Quadro для максимально эффективного распределения вычислительных ресурсов. Для этого в рамках технологии Maximus компания представила универсальный драйвер для обеих карт, оптимизированный как для решения более стандартных задач на базе Quadro, так и для специализированных вычислений на базе Tesla.
Наиболее современным на октябрь 2018 года был ускоритель вычислений Tesla T4 на микроархитектуре Turing, новшеством которого стала поддержка более широкого диапазона точности, что кратно увеличило производительность в вычислениях, не предъявляющих высоких требований к точности — например, при применении обученных моделей нейросетей. В результате Nvidia удалось достичь производительности в 8,1 терафлопса в вычислениях с одинарной точностью (FP32), 65 терафлопс в смешанных вычислениях с одинарной и половинной точностью (FP16/FP32), 130 триллионов операций в режиме INT8 и 260 триллионов в режиме INT4.
По итогам 2018 года Tesla были самыми популярными ускорителями в области высокопроизводительных вычислений и использовались в 127 суперкомпьютерах, входящих в Top500 — рейтинг самых мощных устройств этого класса. Для сравнения, в рейтинге 2015 года присутствовало 66 устройств, использовавших ускорители Tesla, 26 устройств с Intel Xeon Phi на базе процессоров общего назначения и 3 суперкомпьютера с AMD FirePro. На ускорителях вычислений Tesla были основаны два самых мощных на 2018 год суперкомпьютера мира — Summit в Национальной лаборатории Окриджа и Sierra в Ливерморской национальной лаборатории Министерства энергетики США. Также вычисления на ускорителях Tesla были внедрены в суперкомпьютере Токийского технологического института (29-е место на конец 2008 года); суперкомпьютере Tiānhé-1A, спроектированном китайским Оборонным научно-техническим университетом НОАК (1-е место на октябрь 2010 года); суперкомпьютере Titan, установленном в Национальной лаборатории Окриджа Министерства энергетики США (1-е место на ноябрь 2012 года); суперкомпьютере Cray CS-Storm (10-е место в 2014 году); суперкомпьютере Piz Daint, размещённом в Швейцарском национальном суперкомпьютерном центре (3-е место на ноябрь 2017 года). Среди российских суперкомпьютеров, использующих вычисления на графических процессорах общего назначения на базе ускорителей Nvidia Tesla — «Ломоносов», установленный в Московском государственном университете, и «Лобачевский», расположенный в Нижегородском государственном университете. Также по ситуации на 2018 год Nvidia Tesla были в основе 22 из 25 наиболее энергоэффективных суперкомпьютеров рейтинга GREEN500.
Спецификации и конфигурации Модели Tesla 2007 года на базе GPU G80 (единственная группа карт без поддержки операций над 64-битными числами с плавающей точкой): Tesla C870 — карта для рабочих станции (1 GPU) Tesla D870 — приставной суперкомпьютер (2 GPU) Tesla S870 — сервер (4 GPU)
Модели Tesla на базе GT200 (2008—2009 год): Tesla C1060 — карта для рабочих станции (1 GPU) Tesla S1070 — сервер (4 GPU) Tesla S1075 — сервер (4 GPU) Quadro Plex 2200 D2 (2 GPU) Quadro Plex 2200 S4 (4 GPU)
Модели Tesla на базе GF100 и GF110 (2011 год): Tesla C2050, M2050 — карта для рабочих станции (1 GPU) Tesla C2070, C2075, M2070 — карта для рабочих станции (1 GPU) Tesla M2090 — карта на основе GF110 Tesla S2050, S2070 — сервер (4 GPU)
На базе архитектуры Kepler предлагаются модели 2012—2014 годов: Tesla K10 (2× GK104) Tesla K20, K20x (1× GK110) Tesla K40 (1× GK110B) Tesla K80 (2× GK210)
В 2015 году были представлены модели на базе микроархитектуры Maxwell: M4 (1× GM206) M6 (1× GM204) M10 (4× GM107) M40 (1× GM200) M60 (2× GM204)
Чипы Pascal служили основой для карт 2016—2017 годов: P4 (1× GP104), PCIe P6 (1× GP104), MXM P40 (1× GP102), PCIe P100 (1× GP100), NVLink P100 (1× GP100, 16 или 12 ГБ ОЗУ), PCIe
В 2017 году появилась модель на базе Volta — Tesla V100, в виде PCIe и NVLink карт.
В 2018 году представлена карта Tesla T4 на базе Turing.
Описание Модель Количество GPU Частота ядра, МГц Шейдерные процессоры Память Теоретическая производительность, гигафлопс Вычислительные способности TDP, Вт Примечания/формфактор Количество Частота, МГц Пропускная способность, ГБ/с Стандарт видеопамяти Шина видеопамяти, бит Объём видеопамяти, МБ Частота (эффективная), МГц Одинарная точность, всего (MUL+ADD+SF) Одинарная точность, MAD (MUL+ADD) Двойная точность, FMA Вычислительный модуль на основе GPUНет официальных данных; предполагается, что основаны на GeForce 8800 GTX. C870 1 600 128 1350 76,8 GDDR3 384 1536 1600 518,4 345,6 0 1,0 170,9 АТХ видеокарта Приставной суперкомпьютер D870 2 600 2×128 (256) 1350 153,6 GDDR3 384 3072 1600 1036,8 691,2 0 1,0 Приставная система или в стойку Вычислительный модуль на основе GPU S870 4 600 4×128 (512) 1350 307,2 GDDR3 384 6144 1600 2073,6 1382,4 0 1,0 1U Rack 2-е поколение Tesla-процессоровНет официальных данных; предполагается, что основаны на GeForce GTX 280. C1060 1 602 240 1300 102,4 GDDR3 512 4096 1600 933,12 622,08 77,76 1,3 187,8 ATX видеокартаIEEE 754-2008 FMA 2-е поколениеВычислительный модуль на основе GPU S1070 4 602 4×240 (960) 1440 409,6 GDDR3 512 16384 1600 4147,2 2764,8 345,6 1,3 Одноюнитовая стойкаIEEE 754—2008 FMA 3-е поколениеTesla-процессорНет официальных данных; предполагается, что основаны на GeForce 400 Series. C2050 1 575 448 1150 144 GDDR5 384 3072С активированным ECC доступная для пользователя память составит 2,625 ГБ на GPU для C2050, S2050 и 5,25 ГБ на GPU для C2070. 3000 1288 1030,4GF100 выполняет новую соединённую инструкцию умножения-сложения FMA(D) (Fused Multiply-Add) для обоих 32-битных чисел одинарной точности с плавающей запятой и 64-битных чисел двойной точности с плавающей запятой (GT200 поддерживает инструкцию FMA только для чисел двойной точности). Разница между инструкциями FMA(D) и MAD (Multiply-Add) при выполнении операции вида A×B+C заключается в том, что FMA(D) не округляет результат произведения перед суммированием, что даёт более точный результат. 515,2 2,0 238 Полноразмерная видеокартаIEEE 754—2008 FMA 3-е поколениеTesla-процессор C2070 1 575 448 1150 144 GDDR5 384 6144 3000 1288 1030,4 515,2 2,0 247 Полноразмерная видеокартаIEEE 754—2008 FMA M2050Вычислительный модуль на основе GPU M2050 1 575 448 1150 148,4 GDDR5 384 3072 3092 1288 1030,4 515,2 2,0 225 Вычислительный модульIEEE 754—2008 FMA M2070/M2070QВычислительный модуль на основе GPU M2070/M2070Q 1 575 448 1150 150,336 GDDR5 384 6144 3132 1288 1030,4 515,2 2,0 225 Вычислительный модульIEEE 754—2008 FMA S2050 1UВычислительная система на основе GPU S2050 4 575 4×448 (1792) 1150 4×148,4 (593,6) GDDR5 384 12288 3092 5152 4121,6 2060,8 2,0 900 1U RackIEEE 754—2008 FMA
См. также CUDA AMD FireStream Folding@Home
Примечания
Ссылки
Tesla Tesla CUDA отчет о результатах исследования ускорения расчётов в ANSYS 12.1 и 13.0 при использовании SSD и NVIDIA Tesla (апрель 2011 г.)
T Категория:Микросхемы видеоконтроллеров Категория:GPGPU