NVIDIA Tesla C2050的特性

基于新一代Fermi CUDA架构的GPU 与基于最新四核CPU的纯CPU系统相比，该GPU以十分之一的成本和二十分之一的功耗即可实现同等的集群性能。 448个CUDA核心 每颗GPU最高可实现515 Gigaflop双精度峰值性能，从而让一台工作站即可实现Teraflop级甚至更高的性能。每颗GPU的单精度峰值性能超过1 Teraflop。 ECC存储器 能够满足工作站计算精度与可靠性方面的关键需求。能够为存储器中的数据提供保护功能，从而为应用程序增强数据完整性和可靠性。寄存器文件、L1/L2高速缓存、共享存储器以及DRAM均受ECC的保护。 台式机上的集群性能 与一个小型服务器集群相比，配备多颗GPU的单台工作站能够更快地解决大型难题。 每颗GPU最多配备6GB GDDR5存储器 更大的数据集能够保存在直接附属于GPU的本地存储器上，从而实现了性能的最大化并减少了数据传输的情况。 NVIDIA®（英伟达™）并行DataCache™ 能够为物理效果解算器、光线追踪以及稀疏矩阵乘法等诸多算法加速，在这些算法中，数据地址事先都是未知的。每个流式多处理器模块均包含一个可配置的L1高速缓存，所有处理器核心使用统一的L2高速缓存。 NVIDIA®（英伟达™）GigaThread™引擎 通过多项技术实现了吞吐量的最大化，其中包括10倍于上一代架构的高速上下文切换、并发内核执行以及改良的线程块调度。 异步传输 计算核心在PCIe总线上传输数据的同时还能够处理其它数据，因而增强了系统性能。即便是地震处理这类需要大量数据传输的应用程序，也能够通过事先将数据传输至本地存储器的方法来最大限度提升计算效率。 CUDA编程环境受到各种编程语言与API的广泛支持 开发人员无论选择C语言、C++、OpenCL、DirectCompute还是选择Fortran语言，都能够实现应用程序的并行机制，进而利用“Fermi”GPU的创新架构。Microsoft Visual Studio开发人员可以使用NVIDIA®（英伟达™）Parallel Nsight工具。 高速PCIe Gen 20数据传输率 实现了主系统与Tesla处理器之间带宽的最大化。让Tesla系统能够应用于几乎所有具备一条开放式PCIe x16插槽且符合PCIe规范的主系统。

因为需要打开Nsight Monitor调整TDR，可是每次打开总是会粗线，下面情况。
首先我们得找出占用这个端口的值。
1、首先我们打开CMD，用管理员身份打开，然后输入netstat -ano，列出所有端口的情况。
2、查看被占用端口对应的PID，输入命令：netstat -aon|findstr "8000"，回车，记下最后一位数字，即PID,如果是2839。
3、（可用可不用）继续输入tasklist|findstr "2839"，回车，查看是哪个进程或者程序占用了8000端口，结果是：xxxexe
4、打开任务管理器如下图所示：
此时根据PID，或者找到的程序，将其结束就可以了，然后你就可以愉快的打开Nsight Monitor（以管理员身份打开）;

蓝海大脑深度学习液冷服务器研究人员表示：
一个比较粗糙的方法是用DEIVER AGX平台上面一个工具 tegrastats，它可以打印出所用CPU、GPU的使用情况，其中包含GPU的利用率，如果想更详细的去看是用Insight System 或Nsight Compute去profile你的应用，查看它对GPU的利用率和kernel的利用率，若你一个kernel就把GPU占满了，多个stream对性能的改善不会有太大的好处。

---