nvidia tesla k10 及 k20 技术规格详解

《nvidia tesla k10 及 k20 技术规格详解》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、NVIDIATeslaK10及K20技术规格详解在GTC2012大会上，NVIDIA老总黄仁勋公布了新一代Tesla加速卡的详情，不过此次发布的Tesla显卡算是双胞胎，一款是基于双芯GK104架构的TeslaK10，另外一款则使用了真正的新架构，基于GK110核心的TeslaK20。K10和K20的特性有所不同，重点也不一样首先来看K10，它的物理外观与GTX690显卡没什么区别，但是NVIDIA公布的几项参数耐人寻味，单精度浮点能力为4.58TFLOPS，带宽为320GB/s，作为对比的是GTX680单精度运算能力3.09TFLO

2、PS，192GB/s带宽，而GTX690也有5.62TFLOPS，384GB/s带宽，上一代Fermi核心浮点运算能力为1.58TFLOPS，带宽192GB/s。从参数上看，K10达到了NVIDIA所说的三倍于Fermi家族的单精度浮点能力，但是比GTX680只提高了50%，带宽也只高了了67%左右，明显不如GTX690显卡。由于是同样的架构，TeslaK10很明显在核心和显存频率上做了妥协，由于GK104架构的能效比很高，而HPC领域对功耗、发热也不甚敏感，不知NVIDIA为何将K10的规格定的比GTX690还低。现场的图片没有公布

3、K10的显存容量和TDP信息，但是GeForceGRID页面出现的K520显卡规格与K10一致，而显存容量是8GB，TDP是250W，二者其实都是双芯GK104显卡，因此TeslaK10也是8GB显存，250WTDP。（这个功耗低于GTX690的300W，或许是规格降低唯一可能的解释了）TeslaK10现在就可以出货，但是它并不是重点，个人觉得它只是个过渡产品，扮演救火队员的角色，因为GK104先天孱弱的双精度运算能力注定了它不可能在HPC市场有多高的成就，NVIDIA之所以推GTX690上阵是因为GK110架构来的比预期的还要晚。G

4、K110是NVIDIA针对高性能GPU计算市场开发的架构，之前一直传闻到今年8月份就会发布，但是NVIDIA给出的日期是今年第四季度，不论是28nm产能还是芯片自身的问题，这大半年的空白期总需要有人先顶上，这就是K10的使命了。TeslaK20与GK110架构NVIDIA对K20的描述是“3倍双精度浮点性能”，并有Hyper-Q、DynamicParallelism等多种并行计算技术加持，这些是现有的GK104架构不具备的。NVIDIA的PDF资料中介绍了GK110的SMX架构，也是192个CUDA核心必须要承认，以前泄露的有关GK1

5、10架构的消息是错误的，GK110的SMX架构其实跟GK104还是一样的，都是192个CUDA核心，32组SFU单元以及32个LD/ST单元。GK110架构图除去其他的功能单元之外，GK110核心总共有15组SMX单元，2880个CUDA核心，但是Heise声称并非所有单元都是启用的，实际上可能只有13-14组SMX单元，实际CUDA核心是2496或者2688个。显存位宽是384bit，已为黄仁勋和NVIDIACTO确认。由于CUDA核心数已经低于之前的报导，显存位宽降到384bit也是很自然的事，如果保持GK104的6Gbps显存速

6、率，那么GK110的带宽将达到288GB/s，终于超过AMDGCN架构的260GB/s了。NVIDIA给出的3倍双精度浮点性能不知是跟GF110显卡还是跟GF110核心的Tesla加速卡做的比较，GF110的单精度浮点能力为1.58TFLOPS，显卡中的双精度为单精度的1/4，也就是0.4TFLOPS，但是GF110核心的Tesla卡双精度能力可达单精度1/2，大约是0.8TFLOPS。如此一来，如果以显卡为基础，GK110的双精度浮点性能大约是1.2TFLOPS以上，如果是Tesla卡的3倍，那就是2.4TFLOPS以上，鉴于后者已

7、经超出之前传闻的2TFLOPS的能力，GK110的双精度浮点能力应该是1.2TFLOPS或更高。TeslaK20配置了6pin+8pin供电接口核心面积和TDP未知，不过K20配备的是6pin和8pin供电接口，最大TDP不会超过300W。晶体管数量也是一个70亿，准确点说是71亿。◆GK110并行计算技术介绍显卡规格方面的信息基本就是这么多了，再来看一下NVIDIA为GK110所增加的新技术吧。DynamicParallelism（动态并行）GK110架构的首要目标之一就是使程序员更方便地调用GPU强大的并行计算能力。传统的模式下，

8、GPU每次操作都需要CPU的参与，而DynamicParalleliom的存在使得GPU接收数据时会动态刷新线程而无需CPU参与。由于内核有了独立加载工作负载的能力，动态并行技术允许程序直接在GPU上运行。这项技术的好处