جیفورس سری ۱۰
ظاهر
![]() ![]() The GTX 1070 Founders Edition reference card. | |
تاریخ عرضه | May ۲۷, ۲۰۱۶ |
---|---|
کد نام | GP10x |
معماری | Pascal |
مدلها | GeForce GTX Series |
ترانزیستورها و قطعات پردازشی |
|
کارتهای گرافیک | |
سطح مبتدی | GeForce GT 1030 |
سطح میانه | GeForce GTX 1050 GeForce GTX 1050 Ti GeForce GTX 1060 |
سطح بالا | GeForce GTX 1070 GeForce GTX 1070 Ti GeForce GTX 1080 |
استثنایی | GeForce GTX 1080 Ti Nvidia Titan X Nvidia Titan Xp |
پشتیبانی از رابط برنامهنویسی کاربردی | |
دایرکتتریدی | Direct3D 12.0 (feature level 12_1) |
اوپنسیال | اوپنسیال |
اوپنجیال | اوپنجیال |
ولکان | ولکان (رابط برنامهنویسی) SPIR-V 1.3 |
تاریخچه | |
پیشین | سری جیفورس ۹۰۰ |
پسین | جیفورس سری ۱۶ (جیتیایکس) جیفورس سری ۲۰ (آرتیایکس) |
جیفورس جیتیایکس ۱۰ یک سری از واحد پردازندههای گرافیکی شرکت انویدیا است که جانشین سری جیفورس ۹۰۰ شدهاست. معماری پاسکال جانشین رادئون مکسول است؛ و از تکنولوژی ساخت ۱۶ نانومتری شرکت TSMC استفاده میکند.[۱] همچنین شامل تکنولوژی ساخت ۱۴ نانومتری شرکت سامسونگ است.[۲]
معماری
[ویرایش]معماری جی فورس سری ۱۰ با نام پاسکال شناخته میشود؛ که از نام دانشمند فرانسوی قرن ۱۷ بلز پاسکال گرفته شدهاست. این معماری در ۶ مه ۲۰۱۶ میلادی ارائه شد. .[۳]
انویدیا اعلام کردهاست که کارت گرافیکهای پاسکال GP100 این شرکت از ویژگی چهار پشته پهنای باند زیاد حافظه پشتیبانی میکند؛ که به کارت گرافیک اجازه میدهد تا ۱۶ گیگابایت از HBM2 در مدلهای بالای این سری استفاده کند. هچنین از فناوری ۱۶ نانومتری و واحد حافظه و NVLink استفاد میکند.[۴] 16[۱][۵]
منابع
[ویرایش]- ↑ ۱٫۰ ۱٫۱ "Talks of foundry partnership between NVIDIA and Samsung (14nm) didn't succeed, and the GPU maker decided to revert to TSMC's 16nm process". Retrieved August 25, 2015.
- ↑ "Samsung to Optical-Shrink NVIDIA "Pascal" to 14 nm". Retrieved August 13, 2016.
- ↑ "NVIDIA Updates GPU Roadmap; Announces Pascal". The Official NVIDIA Blog. Archived from the original on 25 March 2014. Retrieved 27 December 2016.
- ↑ Harris, Mark (April 5, 2016). "Inside Pascal: NVIDIA's Newest Computing Platform". Parallel Forall. Nvidia. Retrieved June 3, 2016.
- ↑ "NVIDIA Pascal GPU Architecture to Provide 10X Speedup for Deep Learning Apps - NVIDIA Blog". The Official NVIDIA Blog. Archived from the original on 2 April 2015. Retrieved 27 December 2016.