کارت گرافیک 4x RTX 5090 32GB GDDR7

قطعات کامپیوتر و لپ تاپ کارت گرافیک ورک استیشن کارت گرافیک

هنوز نظری ثبت نشده — اولین نفر باشید۳ بازدید

گرافیک:تاریخ عرضه: 30 ژانویه 2025 (عرضه رسمی NVIDIA GeForce RTX 5090) نسل: NVIDIA Blackwell (GeForce RTX 50 Series، نسل جدید GPUهای مبتنی بر معماری Blackwell) نسل قبلی: NVIDIA GeForce RTX 4090 (معماری Ada Lovelace) وضعیت تولید: فعال (Active) قیمت عرضه: حدود 1,999 دلار آمریکا (هر کارت، MSRP رسمی NVIDIA) رابط اتصال: PCIe 5.0 x16 پشتیبانی NVLink: ندارد (هر کارت به‌صورت مستقل روی یک اسلات PCIe کار می‌کند و در پیکربندی چهارکارتی، ارتباط بین GPUها از طریق PCIe Gen5 و فریم‌ورک‌های نرم‌افزاری مانند CUDA Multi-GPU، NCCL، Tensor Parallelism، Pipeline Parallelism، DeepSpeed و PyTorch Distributed انجام می‌شود.) توان پردازشی این پیکربندی: قدرت یک کارت RTX 5090: حدود 104.8 ترافلاپس FP32 حدود 3,352 TOPS در پردازش AI با FP4 و Sparsity 32 گیگابایت حافظه GDDR7 21,760 هسته CUDA 680 هسته Tensor نسل پنجم مجموع چهار کارت RTX 5090 در این سرور AI: 419.2 ترافلاپس FP32 حدود 13,408 TOPS توان پردازش AI در FP4 Sparse 128 گیگابایت حافظه GDDR7 87,040 هسته CUDA 2,720 هسته Tensor نسل پنجم 680 هسته Ray Tracing نسل چهارم

ارسال: ۱ تا ۲ روز کاری
وضعیت: نو / پلمپ کارخانه
گارانتی: یک ماه گارانتی

مشخصات فنی کامل

۱۴ مورد

گرافیک: تاریخ عرضه: 30 ژانویه 2025 (عرضه رسمی NVIDIA GeForce RTX 5090)
نسل: NVIDIA Blackwell (GeForce RTX 50 Series، نسل جدید GPUهای مبتنی بر معماری Blackwell)
نسل قبلی: NVIDIA GeForce RTX 4090 (معماری Ada Lovelace)
وضعیت تولید: فعال (Active)
قیمت عرضه: حدود 1,999 دلار آمریکا (هر کارت، MSRP رسمی NVIDIA)
رابط اتصال: PCIe 5.0 x16
پشتیبانی NVLink: ندارد (هر کارت به‌صورت مستقل روی یک اسلات PCIe کار می‌کند و در پیکربندی چهارکارتی، ارتباط بین GPUها از طریق PCIe Gen5 و فریم‌ورک‌های نرم‌افزاری مانند CUDA Multi-GPU، NCCL، Tensor Parallelism، Pipeline Parallelism، DeepSpeed و PyTorch Distributed انجام می‌شود.)
توان پردازشی این پیکربندی:
قدرت یک کارت RTX 5090:
حدود 104.8 ترافلاپس FP32
حدود 3,352 TOPS در پردازش AI با FP4 و Sparsity
32 گیگابایت حافظه GDDR7
21,760 هسته CUDA
680 هسته Tensor نسل پنجم
مجموع چهار کارت RTX 5090 در این سرور AI:
419.2 ترافلاپس FP32
حدود 13,408 TOPS توان پردازش AI در FP4 Sparse
128 گیگابایت حافظه GDDR7
87,040 هسته CUDA
2,720 هسته Tensor نسل پنجم
680 هسته Ray Tracing نسل چهارم
ابعاد: طول: حدود 304 میلی‌متر (12 اینچ) (بسته به مدل سازنده)
عرض: حدود 137 میلی‌متر تا بیش از 150 میلی‌متر (بسته به طراحی کولر)
عرض اسلات: Dual-slot تا 3.5-slot
فضای موردنیاز در پیکربندی چهارکارتی: حداقل کیس Full Tower یا شاسی GPU Server با تعداد اسلات PCIe کافی، فاصله مناسب بین کارت‌ها و گردش هوای حرفه‌ای
حافظه: ظرفیت: 32 گیگابایت (هر کارت) — مجموعاً 128 گیگابایت حافظه فیزیکی GDDR7 در پیکربندی چهارکارتی
نوع: GDDR7
قابلیت ECC: ندارد (برخلاف کارت‌های RTX PRO و Data Center، حافظه RTX 5090 نسخه GeForce فاقد ECC سخت‌افزاری است)
گذرگاه حافظه: 512 بیت (هر کارت)
پهنای باند: حدود 1,792 گیگابایت بر ثانیه (هر کارت)
مجموع پهنای باند چهار کارت: حدود 7,168 گیگابایت بر ثانیه (≈7.1 ترابایت بر ثانیه)
پهنای باند I/O اندازه‌گیری‌شده در تست‌های عملی: وابسته به نوع مادربرد، PCIe، درایور و معماری ارتباط چند GPU
توضیح حافظه در سرور AI چهارکارتی:
هر کارت RTX 5090 دارای 32GB حافظه اختصاصی خود است و این 128GB حافظه به‌صورت یکپارچه در اختیار یک مدل قرار نمی‌گیرد. برای اجرای مدل‌های بزرگ‌تر از حافظه یک GPU باید از روش‌هایی مانند Tensor Parallelism، Pipeline Parallelism، ZeRO Optimization، Quantization و Offloading استفاده شود.
سرعت پردازنده: فرکانس پایه: حدود 2017 مگاهرتز
فرکانس Boost: حدود 2407 مگاهرتز
فرکانس حافظه: 1750 مگاهرتز (سرعت مؤثر 28 گیگابیت بر ثانیه)
صفحه نمایش و خروجی تصویر: کانکتورهای نمایش: 3 پورت DisplayPort 2.1b + 1 پورت HDMI 2.1b (بسته به مدل سازنده کارت)
حداکثر نمایشگرهای هم‌زمان: 4 نمایشگر مستقل برای هر کارت
در پیکربندی چهارکارتی: تا 16 نمایشگر مستقل (در صورت پشتیبانی مادربرد و سیستم‌عامل)
رزولوشن پشتیبانی‌شده: 4 نمایشگر 4K با نرخ بالا / نمایشگرهای 8K با نرخ 60 هرتز / پشتیبانی از HDR، Display Stream Compression (DSC)، HDMI 2.1b، DisplayPort 2.1b و مدیریت چند نمایشگر حرفه‌ای
طراحی برد و توان مصرفی: عرض اسلات: معمولاً Dual-slot تا 3.5-slot (بسته به مدل Founders Edition یا Custom)
توان مصرفی (TDP): حدود 575 وات (هر کارت)
مجموع توان مصرفی چهار کارت: حدود 2300 وات فقط برای GPUها
پاور پیشنهادی سیستم: حداقل 1600 وات برای یک کارت / برای پیکربندی چهارکارتی پیشنهاد می‌شود از پاورهای سروری یا چند پاور مجموعاً در محدوده 3000 تا 4000 وات استفاده شود
کانکتور تغذیه: 1 عدد کانکتور 16-pin PCIe 5.0 (12V-2x6) برای هر کارت
مجموع کانکتور تغذیه: 4 عدد کانکتور 16-pin برای چهار کارت
فرم فاکتور: Full Height, Full Length، مناسب کیس‌های Workstation Tower بزرگ، شاسی‌های GPU Server و سیستم‌های دارای جریان هوای بسیار قدرتمند
سیستم خنک‌کننده: بسته به مدل کارت، شامل طراحی Founders Edition یا خنک‌کننده‌های سفارشی سه‌فن، با نیاز به Airflow بسیار بالا برای کارکرد مداوم در بارهای AI
عملکرد نظری: نرخ پیکسل: حدود 424.4 گیگاپیکسل بر ثانیه (هر کارت)
مجموع چهار کارت: حدود 1,697.6 گیگاپیکسل بر ثانیه
نرخ تکسچر: حدود 1,637 گیگاتکسل بر ثانیه (≈1.63 ترا‌تکسل بر ثانیه، هر کارت)
مجموع چهار کارت: حدود 6.55 ترا‌تکسل بر ثانیه
FP32 (تک‌دقتی): حدود 104.8 ترافلاپس (هر کارت)
مجموع چهار کارت: حدود 419.2 ترافلاپس FP32
FP64 (دو‌دقتی): حدود 1.64 ترافلاپس (هر کارت) (نسبت حدود 1:64 نسبت به FP32)
مجموع چهار کارت: حدود 6.56 ترافلاپس FP64
عملکرد RT Core: حدود 318 ترافلاپس (هر کارت، بر اساس نسل چهارم RT Core)
مجموع چهار کارت: حدود 1.27 پتافلاپس در پردازش Ray Tracing
AI TOPS (FP4 با Sparsity): حدود 3,352 TOPS (هر کارت)
مجموع چهار کارت: حدود 13,408 TOPS توان پردازش هوش مصنوعی FP4 Sparse
FP8 Tensor Core: حدود 1,676 TOPS (Sparse) / حدود 838 TOPS (Dense) (هر کارت)
مجموع چهار کارت: حدود 6,704 TOPS Sparse / حدود 3,352 TOPS Dense
BF16 / FP16 Tensor Core: حدود 838 TFLOPS (Sparse) / حدود 419 TFLOPS (Dense) (هر کارت)
مجموع چهار کارت: حدود 3,352 TFLOPS Sparse / حدود 1,676 TFLOPS Dense
TF32 Tensor Core: حدود 419 TFLOPS (Sparse) / حدود 209 TFLOPS (Dense) (هر کارت)
مجموع چهار کارت: حدود 1,676 TFLOPS Sparse / حدود 836 TFLOPS Dense
INT8 Tensor (Dense): حدود 838 TOPS (هر کارت)
مجموع چهار کارت: حدود 3,352 TOPS INT8 Dense
(اعداد Sparse بر پایه فعال‌سازی فناوری Fine-Grained Structured Sparsity در نسل پنجم Tensor Coreهای Blackwell محاسبه شده‌اند.)
فناوری‌ها و ویژگی‌های پشتیبانی‌شده: رابط PCI Express Gen5 x16 با پهنای باند بالا برای ارتباط سریع میان GPU و پردازنده مرکزی در سیستم‌های AI Workstation و GPU Server
32 گیگابایت حافظه GDDR7 با پهنای باند بسیار بالا برای اجرای مدل‌های هوش مصنوعی، تولید محتوا و پردازش‌های سنگین GPU
مجموع چهار کارت با 128 گیگابایت حافظه GDDR7 برای اجرای مدل‌های بزرگ با استفاده از تکنیک‌های Model Parallelism و Quantization
معماری NVIDIA Blackwell با Streaming Multiprocessor بازطراحی‌شده و افزایش چشمگیر بهره‌وری نسبت به نسل Ada Lovelace
هسته‌های Tensor نسل پنجم با پشتیبانی از FP4، FP6، FP8، BF16، FP16، TF32، INT8 و INT4 برای شتاب‌دهی مدل‌های زبانی بزرگ و مدل‌های مولد
Transformer Engine نسل جدید برای افزایش سرعت آموزش و استنتاج مدل‌های Transformer، LLM و Generative AI
پشتیبانی از Fine-Grained Structured Sparsity برای افزایش عملکرد Tensor Core در مدل‌های هوش مصنوعی بدون کاهش محسوس دقت
پشتیبانی از فناوری Neural Rendering برای ترکیب پردازش گرافیکی سنتی با شبکه‌های عصبی
هسته‌های Ray Tracing نسل چهارم با فناوری RTX Mega Geometry، Shader Execution Reordering و بهبود رهگیری پرتو در صحنه‌های پیچیده
موتورهای NVENC نسل نهم و NVDEC نسل ششم با پشتیبانی از AV1، H.264، HEVC و پردازش هم‌زمان چند استریم ویدئویی
پشتیبانی از NVIDIA CUDA، CUDA-X AI، cuDNN، TensorRT، TensorRT-LLM، NCCL، RAPIDS، Triton Inference Server و NGC Containers
پشتیبانی از اجرای مدل‌های هوش مصنوعی متن‌باز مانند Llama، Qwen، DeepSeek، Mistral، Gemma و مدل‌های Vision Language
پشتیبانی از NVIDIA OptiX برای رندرینگ GPU Accelerated
پشتیبانی از NVIDIA Omniverse، Blender AI Tools، Unreal Engine، Unity و نرم‌افزارهای تولید محتوای حرفه‌ای
پشتیبانی از DLSS 4 و Multi Frame Generation برای پردازش‌های گرافیکی نسل جدید
قابلیت اجرای هم‌زمان چندین مدل AI، مدل‌های زبانی، مدل‌های تصویری و سرویس‌های استنتاج روی یک سرور GPU
محدوده مناسب این پیکربندی: پیکربندی 4× NVIDIA GeForce RTX 5090 32GB GDDR7 یک سرور AI بسیار قدرتمند برای توسعه، تحقیق و اجرای مدل‌های هوش مصنوعی است که مجموعاً 128 گیگابایت حافظه GDDR7، بیش از 87 هزار هسته CUDA، 2,720 هسته Tensor نسل پنجم و بیش از 13,000 TOPS توان پردازش AI FP4 Sparse ارائه می‌دهد.
این سیستم برای Training و Fine-Tuning مدل‌های Deep Learning، اجرای LLMهای بزرگ، تولید تصویر و ویدئو با AI، Vision AI، Multimodal AI، پردازش‌های علمی و ساخت سرویس‌های Inference گزینه‌ای بسیار قدرتمند است.
در مقایسه با کارت‌های Enterprise مانند RTX PRO 6000، این پیکربندی حافظه ECC، vGPU رسمی، MIG و قابلیت‌های دیتاسنتری NVIDIA را ندارد، اما در مقابل با چهار GPU Blackwell، قدرت خام پردازشی بسیار بالایی ارائه می‌دهد و برای پروژه‌های تحقیقاتی، شرکت‌های توسعه هوش مصنوعی، آزمایشگاه‌های ML و سرورهای خصوصی AI یکی از قدرتمندترین راهکارهای مبتنی بر GPU مصرفی محسوب می‌شود.
مدل‌های هوش مصنوعی قابل اجرا روی این پیکربندی: با ظرفیت 32 گیگابایت VRAM در هر کارت (و مجموعاً 128 گیگابایت حافظه فیزیکی GDDR7 در پیکربندی چهارکارتی، بدون یکپارچگی حافظه از طریق NVLink)، این سرور AI مبتنی بر 4× NVIDIA RTX 5090 Blackwell یکی از قدرتمندترین سیستم‌های GPU Compute غیر Enterprise محسوب می‌شود.
این پیکربندی با داشتن 87,040 هسته CUDA، 2,720 هسته Tensor نسل پنجم، حدود 419 ترافلاپس FP32 و بیش از 13,000 TOPS توان پردازش AI در FP4 Sparse برای اجرای مدل‌های هوش مصنوعی مولد، مدل‌های زبانی بزرگ، Fine-Tuning، Inference، پردازش تصویر، تولید ویدئو، بینایی ماشین و تحقیقات Deep Learning طراحی شده است.
به دلیل نبود NVLink و محدود بودن حافظه هر GPU به 32GB، اجرای مدل‌های بسیار بزرگ نیازمند استفاده از روش‌هایی مانند Tensor Parallelism، Pipeline Parallelism، Quantization، LoRA، QLoRA، ZeRO Optimization و CPU Offloading است.
مدل‌های زبانی بزرگ (LLM) با معماری Transformer:
روی یک کارت (32GB):
مدل‌هایی تا حدود 13B پارامتر با دقت کامل BF16/FP16
مدل‌هایی تا حدود 30B پارامتر با FP8
مدل‌هایی تا حدود 70B پارامتر با کوانتایز 4 بیتی (INT4 / GPTQ / AWQ / GGUF)
روی چهار کارت (128GB VRAM مجموع):
با استفاده از Tensor Parallelism و Pipeline Parallelism از طریق فریم‌ورک‌هایی مانند TensorRT-LLM، vLLM، DeepSpeed، Megatron-LM، Hugging Face Accelerate و PyTorch Distributed:
مدل‌هایی تا حدود 70B پارامتر با دقت BF16/FP16
مدل‌هایی تا حدود 100B تا 150B پارامتر با FP8
مدل‌هایی در محدوده 300B تا 400B+ پارامتر با کوانتایز 4 بیتی
نمونه مدل‌های قابل اجرا:
Llama 3.1 8B
Llama 3.1 70B
Llama 3.3 70B
Llama 4 Scout
Llama 4 Maverick (Quantized)
Llama 3.1 405B (نسخه‌های بسیار فشرده و Quantized با محدودیت سرعت)
Mistral 7B
Mistral Small
Mistral Medium
Mixtral 8x7B
Mixtral 8x22B
Mixtral Large (Quantized)
Qwen2.5 7B
Qwen2.5 14B
Qwen2.5 32B
Qwen2.5 72B
Qwen3 30B
Qwen3 235B (Quantized)
Gemma 2 9B
Gemma 2 27B
Gemma 3
DeepSeek-R1
DeepSeek-R1 Distill
DeepSeek-V2
DeepSeek-V3 (Quantized)
Phi-3
Phi-4
Command R
Command R+
DBRX
Falcon 40B
Falcon 180B (Quantized)
Yi-34B
InternLM
InternLM2
ChatGLM
Baichuan
Jamba
OpenChat
Vicuna
WizardLM
Nous Hermes
Code Llama
DeepSeek Coder
Qwen Coder
StarCoder
StarCoder2
Codestral
Granite
Nemotron
مدل‌های تصویری مولد (Generative Image Models):
Stable Diffusion 1.5
Stable Diffusion XL
Stable Diffusion XL Turbo
Stable Diffusion 3
Stable Diffusion 3.5
FLUX.1 Schnell
FLUX.1 Dev
FLUX.1 Pro (Quantized)
FLUX Kontext
AuraFlow
PixArt Alpha
PixArt Sigma
Hunyuan DiT
Lumina Image
Kandinsky
DreamShaper
Juggernaut XL
RealVisXL
Playground v2.5
SANA
Black Forest Labs FLUX
این پیکربندی چهارکارته برای تولید تعداد بسیار زیادی تصویر، Batch Generation، آموزش مدل‌های Diffusion و توسعه سرویس‌های Generative Image AI مناسب است.
مدل‌های تولید ویدئو (Generative Video Models):
Stable Video Diffusion
CogVideoX
Wan 2.x
Hunyuan Video
LTX Video
AnimateDiff
VideoCrafter
DynamiCrafter
ModelScope Text-to-Video
ZeroScope
Open-Sora
Step-Video
MimicMotion
این سیستم می‌تواند برای تولید ویدئوهای AI، پردازش فریم‌های بالا، آموزش مدل‌های Video Diffusion و ساخت سرویس‌های تولید محتوای ویدئویی استفاده شود.
فاین‌تیون و آموزش مدل‌ها:
Fine-tuning کامل مدل‌های کوچک و متوسط تا حدود 30B پارامتر
Fine-tuning مدل‌های بزرگ‌تر با تقسیم بین چهار GPU
LoRA Training روی مدل‌های 70B و بالاتر
QLoRA Training روی مدل‌های بسیار بزرگ‌تر
Instruction Tuning
Supervised Fine-Tuning (SFT)
DPO (Direct Preference Optimization)
ORPO
PPO
RLHF
Reward Model Training
Continual Learning
Domain Adaptation
Embedding Training
Vision Fine-tuning
Multimodal Fine-tuning
Training مدل‌های اختصاصی سازمانی
مدل‌های چندوجهی (Multimodal) و Vision-Language:
LLaVA
LLaVA-NeXT
Qwen2-VL
Qwen2.5-VL
Qwen3-VL
InternVL
MiniCPM-V
DeepSeek VL
PaliGemma
Florence-2
BLIP-2
InstructBLIP
Kosmos
Idefics
Fuyu
Video-LLaVA
Gemini Open Models
CLIP
OpenCLIP
این پیکربندی برای ساخت دستیارهای هوشمند چندوجهی، سیستم‌های تحلیل تصویر، Document AI و Agentهای هوش مصنوعی مناسب است.
مدل‌های بینایی ماشین (Computer Vision):
YOLOv8
YOLOv9
YOLOv10
YOLO11
RT-DETR
DETR
Grounding DINO
SAM
SAM2
FastSAM
Mask R-CNN
Detectron2
OpenPose
MediaPipe
CLIP
DINOv2
Vision Transformer (ViT)
Swin Transformer
ConvNeXt
EfficientNet
ResNet
SegFormer
PaddleOCR
TrOCR
EasyOCR
OCR صنعتی
Object Detection
Image Segmentation
Video Analytics
مدل‌های گفتار و صوت:
Whisper
Whisper Large V3
SeamlessM4T
XTTS
Bark
VALL-E
CosyVoice
Fish Speech
Parler TTS
StyleTTS
SpeechT5
AudioCraft
MusicGen
این پیکربندی توانایی اجرای هم‌زمان چندین مدل Speech-to-Text، Text-to-Speech و پردازش صوتی را دارد.
رندرینگ، طراحی و Digital Content Creation:
NVIDIA Omniverse
Blender Cycles
NVIDIA OptiX
Chaos V-Ray GPU
Redshift
OctaneRender
D5 Render
Lumion
Unreal Engine 5 Path Tracer
Unity HDRP Ray Tracing
Adobe Premiere Pro
DaVinci Resolve Studio
Adobe After Effects
Adobe Substance 3D
Cinema 4D
Autodesk Maya
Autodesk 3ds Max
SideFX Houdini
محاسبات علمی و HPC:
CUDA Computing
CUDA-X AI
cuDNN
TensorRT
TensorRT-LLM
NCCL
RAPIDS
cuBLAS
cuFFT
cuSPARSE
cuSOLVER
PyTorch
TensorFlow
JAX
ONNX Runtime
OpenMM
GROMACS
LAMMPS
ANSYS
MATLAB GPU Computing
COMSOL Multiphysics
ParaView
استنتاج (Inference) در مقیاس سازمانی:
اجرای هم‌زمان چندین مدل LLM متوسط و بزرگ
راه‌اندازی سرویس‌های AI داخلی
استقرار Chatbotهای سازمانی
اجرای RAG Pipeline
پردازش هم‌زمان مدل‌های Text، Image، Audio و Video
پشتیبانی از NVIDIA Triton Inference Server
اجرای چندین Endpoint هوش مصنوعی روی یک سرور
مناسب برای شرکت‌های AI، آزمایشگاه‌های تحقیقاتی، مراکز توسعه مدل و سرویس‌های هوش مصنوعی خصوصی
مجازی‌سازی و زیرساخت سازمانی:
Docker GPU Runtime
NVIDIA Container Toolkit
Kubernetes GPU Operator
Kubeflow
Ray
Slurm
NGC Containers
PyTorch Distributed
DeepSpeed
Megatron-LM
Hugging Face Accelerate
ویژگی‌های گرافیکی: DirectX: 12 Ultimate (12_2)
OpenGL: 4.6
OpenCL: 3.0
Vulkan: 1.4
Shader Model: 6.8
CUDA Capability: 12.0
پردازنده گرافیکی (GPU): نام تراشه: GB202
معماری: NVIDIA Blackwell
سازنده تراشه: TSMC، فرآیند ساخت 4N (نسخه سفارشی NVIDIA از فرآیند پیشرفته TSMC)
تعداد ترانزیستور: حدود 92.2 میلیارد ترانزیستور
مساحت تراشه: حدود 750 میلی‌متر مربع
تعداد SM فعال: 170 عدد Streaming Multiprocessor
نسل هسته‌های Ray Tracing: نسل چهارم (با پشتیبانی از RTX Mega Geometry، Neural Rendering، Shader Execution Reordering و فناوری‌های جدید رهگیری پرتو Blackwell)
نسل هسته‌های Tensor: نسل پنجم (با پشتیبانی از FP4، FP6، FP8، BF16، FP16، TF32، INT8، INT4 و Transformer Engine نسل جدید)
نسل NVENC: نسل نهم
نسل NVDEC: نسل ششم
پشتیبانی Video Codec: AV1 Encode/Decode، H.264، HEVC و پردازش حرفه‌ای چندرسانه‌ای
واحدهای FP64: حدود 340 هسته FP64 با نسبت عملکرد محدود نسبت به FP32 (طراحی‌شده برای سازگاری نرم‌افزاری، نه محاسبات علمی سنگین HPC)
پشتیبانی نرم‌افزار مجازی‌سازی (VGPU): پشتیبانی از vGPU: ندارد (RTX 5090 نسخه GeForce بوده و مانند کارت‌های RTX PRO و Data Center دارای لایسنس رسمی NVIDIA vGPU نیست.)
نرم‌افزارهای پشتیبانی‌شده: NVIDIA CUDA، NVIDIA Container Toolkit، Docker GPU Runtime، PyTorch، TensorFlow، JAX، ONNX Runtime، TensorRT، TensorRT-LLM، DeepSpeed، vLLM و فریم‌ورک‌های Multi-GPU AI
پشتیبانی Multi-GPU: دارد (از طریق CUDA Multi-GPU، NCCL، PCIe Peer-to-Peer، Tensor Parallelism و Pipeline Parallelism)
پشتیبانی MIG: ندارد (Multi-Instance GPU مختص کارت‌های دیتاسنتری Hopper، Ada Enterprise و Blackwell Enterprise است.)
نرم‌افزار پیشنهادی: NVIDIA CUDA Toolkit، NVIDIA TensorRT، TensorRT-LLM، PyTorch Distributed، DeepSpeed و NVIDIA NGC Containers
پیکربندی رندر: تعداد CUDA Core (Shading Units): 21,760 (هر کارت)
مجموع چهار کارت: 87,040 هسته CUDA
تعداد TMU: 680 (هر کارت)
مجموع چهار کارت: 2,720 واحد TMU
تعداد ROP: 176 (هر کارت)
مجموع چهار کارت: 704 واحد ROP
تعداد SM: 170 (هر کارت)
مجموع چهار کارت: 680 عدد SM
تعداد Tensor Core: 680 (نسل پنجم، هر کارت)
مجموع چهار کارت: 2,720 هسته Tensor نسل پنجم
تعداد RT Core: 170 (نسل چهارم، هر کارت)
مجموع چهار کارت: 680 هسته RT نسل چهارم
حافظه L1 Cache: 128 کیلوبایت به‌ازای هر SM
حافظه L2 Cache: 96 مگابایت

شاید این‌ها را هم بپسندید

مشاهده همه ←

ناموجود

کارت گرافیک 2xNVIDIA L40S 48GB GDDR6 GPUs (کپی)

تماس بگیرید

موجود

کارت گرافیک 2xNVIDIA L40S 48GB GDDR6 GPUs

تماس بگیرید