英伟达Nvidia Tesla C2050 C2070 C2075 K10 K20 K20X GPU 现货

京-AMD-刘辉

北京思腾创新经销各类型工作站服务器计算卡 图形卡 提供整机解决方案
另外、新到K20/K10，C2075/K5000、
Intel Xeon 5110P 等专业图卡。

Nvidia Tesla C2050	CUDA核心频率：1.15 GHz             CUDA核心数量：448 双精度浮点性能（峰值）：515 Gflops 单精度浮点性能（峰值）：1.03 Tflops 专用存储器总容量：3GB GDDR5 功耗：238W热设计功耗 显示器最大分辨率@ 60Hz：2560x1600
Nvidia Tesla C2070	CUDA核心频率：1.15 GHz               CUDA核心数量：448 双精度浮点性能（峰值）：515 Gflops 单精度浮点性能（峰值）：1.03 Tflops 专用存储器总容量：6GB GDDR5 功耗：238W热设计功耗 显示器最大分辨率@ 60Hz：2560x1600
Nvidia Tesla C2070	CUDA核心频率：1.15 GHz                CUDA核心数量：448 双精度浮点性能（峰值）：515 Gflops 单精度浮点性能（峰值）：1.03 Tflops 专用存储器总容量：6GB GDDR5 功耗：238W热设计功耗 显示器最大分辨率@ 60Hz：2560x1600
Nvidia Tesla C2075	CUDA核心频率：1.15 GHz                CUDA核心数量：448 双精度浮点性能（峰值）：515 Gflops 单精度浮点性能（峰值）：1.03 Tflops 专用存储器总容量：6GB GDDR5 功耗：210W热设计功耗 显示器最大分辨率：1600x1200
Nvidia Tesla M2090	CUDA核心频率：1.15 GHz               CUDA核心数量：448 双精度浮点性能（峰值）：515 Gflops 单精度浮点性能（峰值）：1.33 Tflops 专用存储器总容量：6GB GDDR5 功耗：250W热设计功耗
Nvidia Tesla  K10	GPU 的数量和类型:2 Kepler GK104s              CUDA核心数量：3072(每颗 GPU 1536 个) 双精度浮点性能：190 Gigaflops(每颗 GPU 95 Gflops) 单精度浮点性能：4577 Gigaflops(每颗 GPU 2288 Gflops) 专用存储器总容量：8 GB(每颗 GPU 4GB) 功耗：225W热设计功耗
Nvidia Tesla  K20	GPU 的数量和类型:1 Kepler GK110              CUDA核心数量：2496 双精度浮点性能：1.17 Tflops 单精度浮点性能：3.52 Tflops 专用存储器总容量：5GB 功耗：225W热设计功耗
Nvidia Tesla  K20X	GPU 的数量和类型:1 Kepler GK110              CUDA核心数量：2688 双精度浮点性能：1.31 Tflops 单精度浮点性能：3.95 Tflops 专用存储器总容量：6GB 功耗：235W热设计功耗

盒装

2013-3-15 11:14 上传
[url=]下载附件 (65.88 KB)[/url]

K20标示：

2013-3-15 11:12 上传
[url=]下载附件 (37.92 KB)[/url]



什么是 GPU 计算?GPU 计算就是运用 GPU (图形处理器) 搭配 CPU 来加速通用科学和工程应用程序。GPU 计算于五年前由 NVIDIA® 公司率先提出，之后迅速成为一种行业标准，在全世界范围内拥有数以百万计的用户，几乎所有的计算供应商均采用 GPU 计算。

GPU 计算通过将应用程序中计算量繁重的部分交给 GPU 处理，程序的剩余部分依然在 CPU 上运行，从而可实现前所未有的应用程序性能。 从用户的角度而言，应用程序只是运行速度比从前快了很多。

CPU + GPU 是一个强大的组合，因为 CPU 包含几个专为串行处理而优化的核心，而 GPU 则由数以千计更小、更节能的核心组成，这些核心专为提供强劲的并行性能而设计。 程序的串行部分在 CPU 上运行，而并行部分则在 GPU 上运行。

通过运用我们[url=]目录[/url]中所列的任意 GPU 加速应用程序，大多数客户能够立即享受到 GPU 计算的优势。 该目录重点列举了一百多款行业领先的应用程序。对开发者来说，GPU 计算拥有由各大软件开发商旗下[url=]工具和库所组成的巨大生态系统[/url]。

[url=]更快地运行你的 GPU 加速代码[/url]试用 Tesla K20 GPU 加速器。
[url=]了解更多信息[/url]
[url=][/url]


GPU 计算的历史图形芯片最开始被用作固定函数的图形流水线。经过多年的发展，这些图形芯片的可编程性逐渐增强，从而使第一颗 NVIDIA® GPU 得以问世。 在 1999-2000 年间，计算机科学家和医学成像以及电磁学领域中的研究者开始使用 GPU 来加速一系列的科学应用。这就是所谓的[url=]「GPGPU」[/url]或 GPU 通用计算运动

虽然用户取得了前所未有的性能 (在某些情形中实现了比 CPU 高 100 倍的性能)，然而难题是 GPGPU 需要使用 OpenGL 和 Cg 等图形编程 API 来对 GPU 进行编程。 这样便限制了人们利用 GPU 的强大处理能力来为科学加速。

所有 NVIDIA® GPU GeForce、 NVIDIA® Quadro 以及 NVIDIA® Tesla) 均支持 GPU 计算和 [url=]CUDA® 并行编程[/url]模型。开发者几乎在任意平台上均可运用 NVIDIA® GPU，这些平台包括最新的[url=]苹果 MacBook Pro[/url]。 然而，我们建议使用 NVIDIA® Tesla GPU 来处理那些强调可靠性与整体性能的工作。 如需了解更多细节，敬请参阅「[url=]为什么选择 NVIDIA® Tesla[/url]」。

[url=]NVIDIA® Tesla GPU[/url] 完全专为加速科学技术计算工作而设计。最新的 NVIDIA® Tesla GPU 基于「[url=]Kepler 架构[/url]」中的诸多创新特性，与上一代架构相比，可提供三倍的性能，双精度浮点性能高达 1 Teraflops 以上，同时还大幅提升了可编程性和效率。Kepler 是世界上最快、最节能的高性能计算 (HPC) 架构。

NVIDIA® 意识到了将这种性能提供给更广阔的科学界的潜力，因此投入力量修改 GPU，让开发者能够对 GPU 充分编程，使其能够无缝地运用 [url=]C、C++[/url] 以及 [url=]Fortran[/url] 等熟悉的语言。

GPU 计算的发展势头比以往任何时候都更加迅猛。现在，世界上一些最快的超级计算机仰仗 GPU 来加快科学探索，全球有 600 所大学已开设 NVIDIA® GPU 并行计算课程，积极运用 GPU 的开发者人数已达数十万计。

「GPU 已经发展到成熟阶段，可轻松执行现实生活中的各种应用程序，而且程序运行速度已远远超过使用多核系统时的情形。 未来计算架构将是并行核心 GPU 与多核 CPU 共同运行的混合型系统。」
Jack Dongarra 教授
田纳西大学创新计算实验室主任

正视图：

2013-3-15 11:12 上传
[url=]下载附件 (43.7 KB)[/url]

2013-3-15 11:11 上传
[url=]下载附件 (46.29 KB)[/url]

后视图：

2013-3-15 11:11 上传
[url=]下载附件 (59.24 KB)[/url]

K20 与K5000

2013-3-15 11:11 上传
[url=]下载附件 (50.54 KB)[/url]