Istnieją pewne różnice, jednak niekoniecznie dotyczą one sprzętu lub specyfikacji. Pamiętaj, że to wszystkie informacje, które zdobyłem na forach lub w wiadomościach, więc weź to wszystko z odrobiną soli.
Pierwszym z nich jest „skalowalność i niezawodność” ( źródło ). K20 został zaprojektowany do pracy w systemie klastrowym i działania z pełnym pochyleniem 24/7. Titan jest bardziej zaprojektowany do gier, więc będzie działał w tym cyklu pracy, ale może być narażony na długotrwałe problemy z życiem, jeśli zostanie użyty w ten sposób.
Sterowniki są również różne, ale nie jestem pewien głównych różnic. Różnica w projekcie kart prawdopodobnie prowadzi do stosunkowo niewielkiego wzrostu wydajności kart Tesla na tym froncie.
„Niektóre funkcje dostępne wyłącznie w Tesli obejmują:
- NVIDIA GPUDirect RDMA dla wydajności InfiniBand
- Hyper-Q dla MPI (Hyper-Q dla strumieni CUDA jest obsługiwany przez GeForce GTX TITAN)
- Ochrona ECC dla wszystkich wewnętrznych i zewnętrznych rejestrów i pamięci
- Obsługiwane narzędzia do zarządzania GPU i klastrami, takie jak Bright Computing, Ganglia. ”( Źródło )
Wskazuje to na fakt, że główną różnicą jest ich skalowalność. Jeśli chcesz uruchomić na biurku w swoim biurze, trudno byłoby argumentować przeciwko Titanowi o K20 o różnicę cen. Jeśli potrzebujesz dodatkowej wydajności wielu K20, znajdź centrum HPC i kup czas na ich serwery.
Edytować:
Po głębszym przyjrzeniu się ECC aktualizuję tę odpowiedź, aby wskazać implikacje posiadania jej na K20, a nie na Tytanie. Poniższe informacje to parafraza informacji znalezionych tutaj .
ECC sprawdza błędy w pamięci DRAM i rejestruje procesor graficzny. Błędy miękkie występują, gdy bit jest nieprawidłowo przesyłany / przechowywany. Im szybsze i bliżej siebie obwody, tym większe prawdopodobieństwo wystąpienia błędu miękkiego. Jeśli rozwiązujesz zestaw sprzężonych ODE lub układ liniowy, pojedyncza liczba wyłączona o jeden bit może znacznie zmienić wyniki w sposób niemożliwy do odtworzenia. Większość standardowych pamięci RAM i pamięci podręcznych w procesorze jest sprawdzana pod kątem tych błędów za pomocą ECC.
GPU, z drugiej strony, generalnie nie mają ECC, chociaż ich szyna pamięci jest znacznie szybsza niż na CPU. Jest tak, ponieważ jeśli piksel na ekranie jest nieco wyłączony dla jednej klatki, jakość programu nie ulega pogorszeniu. Te błędy również nie propagują. W związku z tym można zaoszczędzić wiele nieruchomości (i kosztów) na chipach, pomijając tę funkcję. Ta dodatkowa złożoność prawdopodobnie powoduje dużą część dodatkowych kosztów linii Tesla.
Moim zdaniem różnicą wydaje się być głównie segmentacja rynku. Jeśli jesteś naukowcem, NVidia chce, abyś obawiał się, że Twój artykuł zostanie odrzucony, ponieważ używasz GPGPU bez korekcji błędów RAM, która byłaby dostępna w K20X. Podobnie, jeśli jesteś korporacją, możesz chcieć zapłacić 4x, jeśli oznacza to mniej prawdopodobne, że zostaniesz pozwany pod zarzutem podejrzenia, że twoje obliczenia nie są tak skorygowane jak to możliwe. Indywidualni gracze lub hobbystyczni gracze GPGPU są sprzedawani Titanowi, ponieważ mają mniej pieniędzy i trudniej ich przekonać w ten sposób.
źródło
To zależy od uruchomionej aplikacji. GPUGRID.net działa na komputerach bez ECC i wszystko jest w porządku. Wyniki są tak dobre, jak na każdej innej platformie. Acellera sprzedaje również sprzęt z kartami GeForce, aw niewielu przypadkach procesory graficzne zawiodły. GeForce to wszystko, czego potrzebujesz.
źródło