Qu'est-ce que Nvidia Tesla?

Lorsque nous entendons le mot nvidia, les jeux, les cartes graphiques et les GPU viennent immédiatement à l'esprit. En effet, la société est à l'origine des GPU les plus populaires et les plus puissants qui dominent le marché des jeux aujourd'hui. Cependant, Nvidia n'excelle pas seulement dans les jeux; Ils alimentent également les superordinateurs qui effectuent des calculs à grande échelle et traitent des images haut de gamme telles que celles utilisées dans l'IA et les machines d'apprentissage en profondeur. Cette gamme de produits Nvidia est marquée comme Tesla, du nom de l'ingénieur électricien Nikola Tesla, et a été introduit en mai 2007 pour la première fois. Tesla est généralement utilisé dans les systèmes accélérés par GPU et est programmable à l'aide de la plate-forme informatique parallèle et de l'interface de programmation d'application (API) de NVIDIA, mais il peut également être programmé à l'aide de l'API OpenCL. Pour mieux comprendre Tesla, en savoir plus sur l'accélération du GPU et pourquoi il est utilisé sur l'informatique à grande échelle.

Accélération du GPU

L'accélération du GPU est l'utilisation du GPU comme composant supplémentaire au CPU pour traiter de grands volumes de données. Le processeur est le cerveau de n'importe quel système, et il peut gérer le multitâche et le traitement des données en utilisant un ou plusieurs noyaux qui gèrent l'exécution des données. Le CPU est suffisamment puissant pour gérer les opérations complexes, mais elle lutte avec un traitement à haut volume; Ainsi est venu le GPU. Le GPU est également composé de noyaux pour l'exécution des données, mais il contient un nombre énorme de cœurs, bien que ses noyaux soient plus simples et pas aussi puissants que les cœurs CPU. Contrairement au CPU, qui repose sur sa puissance de calcul, les GPU s'appuient sur le nombre de cœurs pour traiter les données. Alors que les processeurs exécutent le traitement en série des données, les GPU sont utilisés pour le traitement parallèle, ce qui les rend idéaux pour les calculs simples et répétitifs.

Les GPU haute performance sont exploités sur les jeux et le rendu d'image, qui nécessitent le calcul rapide d'un petit ensemble d'équations. Deux concepts importants utilisés dans l'accélération du GPU sont l'overclocking du processeur et l'accélération matérielle. Le CPU n'est pas assez puissant pour gérer les tâches hautement informatiques, et il doit décharger un calcul à volume élevé au GPU. C'est là que l'accélération du matériel entre en jeu, le cas échéant, les applications sont configurées pour les tâches de déchargement au GPU. D'un autre côté, l'overclocking est la pratique de pousser le cycle d'horloge du CPU au-delà de la recommandation du fabricant pour améliorer ses performances.

Les systèmes accélérés par GPU se trouvent généralement dans les centres de données où de grands volumes de données sont en cours de traitement. Ces systèmes nécessitent des GPU spécialement conçus pour gérer les applications intensives en calcul. En tant que fabricant principal des GPU, Nvidia a étendu ses armes aux systèmes de centres de données avec Nvidia Tesla.

Nvidia Tesla

La science, la recherche, l'ingénierie et de nombreux autres domaines nécessitent souvent un calcul élevé pour de grands volumes de données, mais ceux-ci étaient impossibles dans les approches précédemment disponibles. Nvidia a ouvert la voie à des scientifiques et des ingénieurs pour effectuer un information haute performance dans leurs postes de travail avec la puissance des GPU Tesla.

NVIDIA a développé une architecture parallèle pour les GPU Tesla et conçu des produits Tesla pour répondre aux exigences HPC. Nvidia Tesla Features Thread Exécution Manager et Cache de données parallèles. Le premier gère l'exécution de milliers de threads informatiques tandis que le second permet un partage plus rapide des données et la livraison des résultats. Les GPU Nvidia Tesla optimisent la productivité des centres de données qui dépendent fortement de débit élevés.

L'utilisation des GPU Nvidia Tesla améliore non seulement considérablement les performances du système, mais contribue également à réduire le coût opérationnel des infrastructures en réduisant le nombre de nœuds de serveur qui entraînent par conséquent une réduction du budget pour les logiciels et les services. Le coût opérationnel est également considérablement plus faible avec les produits Tesla déployés car moins d'équipement devra être installé et réduit considérablement la consommation d'énergie.

GPUS NVIDIA TESLA

Nvidia cible le marché informatique haute performance avec la gamme de produits Tesla. La première génération de GPU de Nvidia Tesla a été publiée en mai 2007. Ces GPU étaient basés sur la puce G80 et la microarchitecture Tesla de la société et ont utilisé la mémoire GDDR3. Le C870 inférieur était un module PCIe interne avec une puce G80 et 76.8 Go / s bande passante. Le D870 de niveau intermédiaire avait deux puces G80 et deux fois la bande passante du C870 et a été conçue pour les ordinateurs au bord du monnaie. Le S870 haut de gamme a été conçu pour calculer des serveurs avec quatre puces G80 et quatre fois la bande passante du C870.

Les générations suivantes ont utilisé la microarchitecture actuelle de Nvidia au moment de leur sortie et avaient une bande passante plus élevée que la génération précédente. La dernière génération avant la retraite de la marque a été l'accélérateur GPU Tesla V100 et T4, qui a été publié en 2018.

Tesla V100 est basé sur la microarchitecture Volta et utilise la puce GV100, qui associe des noyaux CUDA avec des noyaux de tenseur. Le V100 est équipé de 5120 cœurs CUDA et 640 cœurs de tenseur et livre 125 téraflops de performance d'apprentissage en profondeur. Le V100 peut remplacer des centaines de serveurs CPU uniquement et dépasse les exigences du HPC et de l'apprentissage en profondeur. Il est disponible en configurations de 32 Go et 16 Go.

L'accélérateur GPU T4 est le seul Tesla GPU basé sur Turing et a été le dernier à être sorti sous la marque Tesla. Le GPU Tesla G4 combine les noyaux de tracé des rayons et la technologie NVIDIA RTX pour un rendu d'image amélioré. Il est composé de 2560 cœurs CUDA et de 320 cœurs de tenseur et prend en charge jusqu'à 16 Go de mémoire GDDR6. Le GPU T4 est également économe en puissance, en utilisant seulement 70 watts.

Retraite et rebrandissement de la marque

Tesla n'est pas un nom rare. Non seulement il est célèbre à cause de Nikola Tesla mais aussi à cause de la marque populaire de voitures. Pour éviter la confusion avec la marque automobile, Nvidia a décidé de retirer la marque Tesla pour ses accélérateurs GPU en 2019. À partir des versions de 2021, Nvidia Tesla a été rebaptisée en tant que GPU du NVIDIA Data Center.

Tesla a connu un énorme succès dans l'industrie du centre de données, ce qui rend l'impossible possible avec ses performances supérieures et sa technologie rentable. Malgré le changement de marque, Nvidia inculque les caractéristiques de Tesla dans ses accélérateurs GPU. Les nouvelles générations sont concomitantes avec la microarchitecture de Nvidia et utilisent la dernière puce et la mémoire pour de meilleures performances et une bande passante plus élevée tout en gardant la consommation d'énergie faible. Tesla a sculpté le nom de Nvidia dans les systèmes de centres de données, ce qui rend Nvidia non seulement une marque de confiance dans les jeux, mais aussi sur le marché du HPC.