? ? ? ? 利用 NVIDIA??Tesla??GPU 更快速地處理要求最嚴格的高性能計算和超大規模數據中心工作負載。現在，數據科學家和研究人員可以在能源勘探和深度學習等應用場合中解析 PB 級的數據，速度比使用傳統 CPU 快幾個數量級。此外，Tesla 加速器提供了比以往更快速地運行大型模擬所需的能力。Tesla 加速器是為任何地方的任何用戶加快虛擬桌面運行速度的理想之選。
要提高數據科學家的工作效率和更快地提供人工智能服務，關鍵在于更快地訓練日益復雜的模型。搭載 NVIDIA? Tesla ?P100 的服務器使用性能強大的 NVIDIA Pascal 架構將深度學習訓練時間從幾個月縮短到幾個小時。
推理是經過訓練的神經網絡真正發揮作用的領域。隨著圖像、語音、視覺和視頻搜索等新型數據服務的推出，推理作為很多人工智能服務的核心起著提供答案和建議的作用。與僅使用單插槽 CPU 的服務器相比，搭載一個 Tesla GPU 的服務器可以提供 27 倍的推理吞吐量，因此可以大幅節省成本。
高性能計算數據中心需要滿足科研人員不斷增長的計算需求，同時不能超出緊縮的預算。過去，部署大量通用計算節點實際上大幅增加了成本，同時也沒有相應地提高數據中心的性能。
PCIe 接口的 NVIDIA?Tesla?P100 可讓處理混合型工作負載的高性能計算數據中心使用一個加速節點替代多達半個機架的通用 CPU 節點，并能在各種高性能計算應用程序中提供相同的吞吐量。通過使?550?多種高性能計算應用程序（包括全部 10 大高性能計算應用程序）加速運行，所有高性能計算客戶現在都能獲得大幅提升的吞吐量，可輕松處理工作負載，而且節省了成本。
?
?
?
| 工作內容 | ?熱門應用 | ?主要應用在GPU上的應用程序 | 混合工作負載HPC | 超大規模HPC | ||
|---|---|---|---|---|---|---|
| 使用者 | AI/深度學習 | 超大規模＆HPC數據中心，可運行擴展到多個GPU的應用程序 | 超算，高校，政府，研究所 | ?石油和天然氣 | ?人工智能 / 深度學習 | |
| 優化于 | GPU?加速運算 | 最高絕對性能 | ?加快驗證時間 | ?成像精度 | ?訓練時間 | ?就業/愛好/研究 |
| 工作特性 | Volta Architecture, Tensor Core, Next Gen NVLink | 超大規模＆HPC數據中心，可運行擴展到多個GPU的應用程序 | ?混合工作需求 | 特定的應用程序，如RTM | 深度學習框架，如Caffe和TensorFlow | 混合推理工作負載，如圖像，視頻或數據處理 |
| 關鍵要求 |
·性能（雙精度和單精度） ·內存大小和帶寬 ·互連帶寬 ·可編程 |
·性能（雙精度和單精度） ·內存大小和帶寬 ·互連帶寬 ·可編程 |
·性能（雙精度和單精度） ·內存大小和帶寬 ·互連帶寬 |
·性能（單精度） ·每個GPU的內存大小 ·互連帶寬 |
·功耗 ·產品結構 |
|
| 推薦解決方案 | V100
|
P100
|
混合工作量 K80
|
?訓練 P40
|
推理 P4 ?
? |
|
?
