NVIDIA CMP 50HX vs NVIDIA GeForce RTX 2080 SUPER Mobile
Was ist der Unterschied zwischen NVIDIA CMP 50HX und NVIDIA GeForce RTX 2080 SUPER Mobile. Finden Sie heraus, welche Grafikkarte die bessere Leistung hat.
Grafikprozessor (GPU)
| TU102 | GPU-Name | TU104 |
| TU102-100-A1 | Modell-Nummer | N18E-G3 |
| Turing | Architektur | Turing |
| TSMC | Hersteller | TSMC |
| 12 nm | Fertigungsprozess | 12 nm |
| 18,600 million | Transistor-Anzahl | 13,600 million |
| 754 mm² | Chipgröße (reiner Die) | 545 mm² |
Grafikkarte
| Jun 24th, 2021 | Markteinführungsdatum | Apr 2nd, 2020 |
| Mining GPUs | Produktfamilie | GeForce 20 Mobile |
| Active | Produktionsstatus | Active |
| PCIe 3.0 x16 | Schnittstelle | PCIe 3.0 x16 |
Speicher
| 10 GB | Max. Speichergröße | 8 GB |
| GDDR6 | Grafikspeicher-Typ | GDDR6 |
| 320 bit | Speicherschnittstelle | 256 bit |
| 560.0 GB/s | Speicherbandbreite | 448.0 GB/s |
Leistung
| 123.6 GPixel/s | Pixel-Füllrate | 99.84 GPixel/s |
| 296.6 GTexel/s | Textur-Füllrate | 299.5 GTexel/s |
| 22.15 TFLOPS (2:1) | FP16-Berechnung | 19.17 TFLOPS (2:1) |
| 11.07 TFLOPS | FP32-Berechnung | 9.585 TFLOPS |
| 346.1 GFLOPS (1:32) | FP64-Berechnung | 299.5 GFLOPS (1:32) |
Taktraten
| 1350 MHz | Basisfrequenz | 1365 MHz |
| 1545 MHz | Boost-Frequenz | 1560 MHz |
| 1750 MHz 14 Gbps effective | Grafikspeicher Taktfrequenz | 1750 MHz 14 Gbps effective |
Renderkonfiguration
| 3584 | Stream-Prozessoren / CUDA-Recheneinheiten | 3072 |
| 192 | TMUs | 192 |
| 80 | ROPs | 64 |
| 56 | Raytracing-Einheiten | 48 |
| 64 KB (per SM) | L1-Cache | 64 KB (per SM) |
| 5 MB | L2-Cache | 4 MB |
| 56 | Shader-Cluster (SMs) | 48 |
| 448 | Tensor-Kerne | 384 |
Kompatibilität und Abmessungen
| Dual-slot | Grafikkarten Bauform | Dual-slot |
| 250 W | Max. Stromverbrauch | 150 W |
| No outputs | Anschlüsse der Grafikkarte | No outputs |
| 2x 8-pin | Zusätzlicher Stromanschluss | None |
API-Unterstützung
| 12 Ultimate (12_2) | DirectX | 12 Ultimate (12_2) |
| 4.6 | OpenGL | 4.6 |
| 3.0 | OpenCL | 3.0 |
| 1.2 | Vulkan | 1.2 |
| 6.6 | Shader-Model | 6.6 |
| 7.5 | CUDA | 7.5 |