英伟达Tesla A30 24G深度学习加速显卡

A30加速卡特点

NVIDIA AMPERE 架构

无论是使用 MIG 技术将 A30 GPU 分割为较小的实例，还是使用 NVIDIA NVLink 连接多个GPU 以加速更大规模的工作负载，A30 均可轻松满足多种规模的加速需求，从小型作业到大型多节点工作负载都无一例外。A30 功能全面，这意味着 IT 经理可借此在主流服务器上充分利用数据中心内的每个 GPU，昼夜不停歇。

第三代 TENSOR CORE 技术

NVIDIA A30 可提供 165 teraFLOPS (TFLOPS) 的 TF32 精度深度学习性能。相较于 NVIDIA T4 Tensor Core GPU，A30 可将 AI 训练吞吐量

提高 20 倍，并将推理性能提高 5 倍以上。A30 可在 HPC 方面提供 10.3 TFLOPS 的性能，比 NVIDIA V100 Tensor Core GPU 高出了近 30%。

新一代 NVLINK

A30 中采用的 NVIDIA NVLink 可提供两倍于上一代的吞吐量。两个 A30 PCIe GPU 可通过 NVLink 桥接器连接，以提供 330 TFLOPS 的深度学习性能。

多实例 GPU (MIG)

每个 A30 GPU 最多可分割为四个GPU 实例，这些实例在硬件级别完全独立，并各自拥有高带宽显存、缓存和计算核心。借助 MIG，开发者可为其所有应用实现惊人加速。IT 管理员可为每个作业提供符合其规模的 GPU 加速，进而优化利用率，并让每个用户和应用都能享受 GPU 加速性能。

HBM2 显存

配合高达 24GB 的高带宽显存 (HBM2)，A30 可提供933GB/s 的 GPU 显存带宽，适用于主流服务器中的多种 AI 和 HPC 工作负载。

结构化稀疏

AI 网络拥有数百万至数十亿个参数。实现准确预测并非要使用所有参数，而且我们还可将某些参数转换为零，以在无损准确性的前提下使模型变得“稀疏”。A30 中的 Tensor Core 可为稀疏模型提供高达两倍的性能提升。稀疏功能不仅更易使 AI 推理受益，同时还能提升模型训练的性能。

A30显卡和A100区别

A30的架构特点则接近A100。峰值原生FP32性能看似并不突出，但双精度浮点FP64 5.2TFlops为单精度的一半，兼具优秀的Tensor Core加速计算性能，同时功耗降低至165W。

它的24GB内存比A100 40GB的一半多点，但保持使用HBM2，带宽仍高达933GB/s。同时提供PCIe Gen4和NVLINK 200GB/s互连接口。A100支持7个MIG（多实例GPU）硬件切分，A30则可选切分成4个6GB、2个12GB或者1个24GB。vGPU这块，NVIDIA A30的定位只需要支持计算，本身就没有图形。

Tesla A30显卡规格参数

Nvidia A30
FP64	5.2TF
TF64 Tensor Core	10.3 TF
FP32	10.3 TF
TF32 Tensor Core	82 TF | 165 TF*
BFLOAT16 Tensor Core	165 TF | 330 TF*
FP16 Tensor Core	165 TF | 330 TF*
INT8 Tensor Core	330 TOPS | 661 TOPS*
INT4 Tensor Core	661 TOPS | 1321 TOPS*
编码/译码	1 optical flow accelerator (OFA) 1 JPEG decoder (NVJPEG) 4 Video decoders (NVDEC)
GPU 内存	24GB HBM2
GPU 内存带宽	933GB/s
互联技术	PCIe 4.0: 64GB/s 第三代 NVIDIA ? NVLINK ? 200GB/s**
尺寸规格	2 插槽 (FHFL)
最大散热设计功耗 (TDP)	165W
虚拟化 GPU 软件支持	NVIDIA AI Enterprise for VMware NVIDIA Virtual Compute Server