| Тариф | Процессор | Видеокарта | Память | Диск | Трафик | Месяц ₽ |
|---|---|---|---|---|---|---|
GPU-1 2× Intel Xeon E5-2637v2 |
8 ядер 3.5 ГГц |
1× GTX 1080 8 ГБ GDDR5X |
32 Гб DDR3 ECC 1066 МГц |
2× 120 Гб SSD |
1 Гбит/с - 30 Тб 100 Мбит/с - без лимита |
14999 |
GPU-2 2× Intel Xeon E5-2637v2 |
8 ядер 3.5 ГГц |
1× Tesla K40 12 ГБ GDDR5 |
32 Гб DDR3 ECC 1066 МГц |
2× 120 Гб SSD |
1 Гбит/с - 30 Тб 100 Мбит/с - без лимита |
16999 |
GPU-5 2× Intel Xeon E5-2637v2 |
8 ядер 3.5 ГГц |
8× GTX 1080 64 ГБ GDDR5X |
32 Гб DDR3 ECC 1066 МГц |
2× 120 Гб SSD |
1 Гбит/с - 30 Тб 100 Мбит/с - без лимита |
79999 |
GPU-4 2× Intel Xeon E5-2637v2 |
8 ядер 3.5 ГГц |
8× Tesla K40 96 ГБ GDDR5 |
32 Гб DDR3 ECC 1066 МГц |
2× 120 Гб SSD |
1 Гбит/с - 30 Тб 100 Мбит/с - без лимита |
99999 |
GPU cервер (сервер с графическим процессором) имеет массово-параллельную архитектуру по сравнению с обычным процессором. Эта конструкция, изначально предназначенная для обработки вычислений только для компьютерной графики (OpenGL / Direct3D), была адаптирована к языкам программирования, таким как CUDA или OpenCL, для выполнения вычислений в приложениях, которые традиционно обрабатываются центральным процессором.
Таким образом, для приложений, требующих большого количества параллельных задач (обработка изображений, биоинформатика, объемные данные) архитектура графического процессора подходит как нельзя лучше, и может значительно ускорить обработку этих расчетов, которые часто являются очень ресурсоемкими.
Совместите технологии Nvidia с ведущими на рынке гипервизорами для построения инфраструктуры высокопроизводительных виртуальных рабочих столов.
Раскройте потенциал возможностей CUDA/OpenCL карты для ускорения обработки Ваших HPC-приложений.
Обеспечьте своих пользователей (архитекторов, дизайнеров) удаленными рабочими местами для их 3D-приложений.
Подключите графический процессор к облаку для размещения приложений с высокими требованиями, как, например, онлайн-игры.
Воспользуйтесь вычислительной мощностью графического процессора для оптимизации методов. машинного обучения.
Используйте ядра GPU для параллельной обработки Ваших биоинформационных данных.