图文详情
产品属性
相关推荐
料号 |
CL10B102KB8NNNC |
品牌 | 三星电机 | Samsung |
Capacitance | 1nF |
Tolerance | ±10% |
Voltage | 50V |
Material | X7R/-55℃~+125℃ |
Size | 0603/1.6*0.8*0.8mm |
Depth | 0.8mm |
Qdf | 0.025 max. |
Moq | 4,000 |
注意:下图为统一标识图片,仅供参考。如需对应型号照片请联系客服。
推动GPU从专用领域走向通用领域
如何更好地解决计算问题,是计算机软硬件开发者的永恒主题。从3D加速卡开发商,到GPU的发明者,再到“AI芯片股”,英伟达惊人的成长速度,正是来自于对算力痛点的精准突击。
20世纪90年代,随着Play Station等游戏主机的发布,以及计算机性能的提升和彩色显示器的出现,3D游戏开始萌芽。而英伟达也正是在这一时期成立,主要面向图形显示市场。但在这一时期,3D图像处理主要以3D加速卡的形式进行,T&L(光影转换)运算仍需占据CPU的算力,也限制了游戏画质的发展。
英伟达的GeForce 256,将“GPU”这一概念推向市场。GeForce将T&L能力集成到图形处理芯片,将CPU从图形处理的任务中解放出来,在提升3D画质的同时,也提升了计算机的整体效能。在三年的时间里,英伟达的GPU出货量突破100万颗,成为美国成长最快的半导体公司。
虽然在GPU的技术研发和积累取得了先发优势,但是英伟达科学家David Kirk认为,GPU的能力不应该局限于图像渲染,如何将GPU的浮点运算和并行计算资源释放给更多领域的从业人员使用,成为英伟达的研发重点。
之后,英伟达开始对“通用GPU”的研究,让本身为图形图像处理而生的GPU能够运行图形渲染之外的通用计算任务。但是,通用GPU编程门槛极高且难以调试。2006年,英伟达推出并行计算程序开发环境“CUDA”,开发者可以用C、C++、FORTRAN等常用的编程语言在CUDA编写程序。借由CUDA的软硬件生态,不用领域的开发者可以根据本领域的需求,编写GPU加速应用,从而更有效率地利用英伟达GPU处理计算任务。
随着深度学习的浪潮兴起,擅长串行运算的CPU,无法高效执行矩阵乘法和卷积计算任务。2012年,基于英伟达GPU加速的卷积神经网络AlexNet参加了ImageNet大规模视觉识别挑战赛,以低于第二名10.8%的错误率拔得头筹,引起了科研领域对于GPU的关注。自此,GPU被越来越多地运用于机器学习和深度学习领域,并迅速崛起为AI计算的主流芯片。
在AI计算平台方面,英伟达面向从云端到边缘端的需求,构建了面向训练的DGX平台、超大规模云计算和HPC服务器的HGX平台、面向边缘计算的EGX平台和适用于自主系统的AGX平台。2018年,英伟达推出专为深度学习设计的Tensor Core,进一步提升了针对常用深度学习模型的浮点运算速度。今年以来,浪潮AI服务器、谷歌云相继采用Tensor Core。采用“CUDA Core + Tensor Core”的英伟达GPU,已经在AI算力市场占据一席之地。
CL10B102KB8NNNC
SAMSUNG(三星)
无铅环保型
贴片式
卷带编带包装
普通/民用电子信息产品
无引出线
片状型
50
-55℃~+125℃
CL05C2R4BB5NNNC 参数 0402 2.4PF 50V B档 ±0.1PF 代理三星电容
CL10B106MQ8NRNC 代理三星贴片陶瓷电容 0603 10UF 106M 6.3V 20% X7R
CL10B474KO8NNNC 代理三星贴片电容 0603 0.47UF 474K 16V X7R 10%
CL21C120JBANNNC 代理三星贴片陶瓷电容 0805 12PF 120J 50V 5% NPO/COG
CL05B104KB5NNNC 规格参数 0402 104K 50V X7R 代理三星电容
CL05A474KQ5NNNC 规格参数 0402 474K 6.3V X5R 代理三星贴片电容
CL10A106MP8NNNC 代理三星贴片陶瓷电容 0603 10UF 106M 10V 20% X5R
CL05C030BB5NNNC 参数 0402 0.3PF B C0G/-55℃~+125℃ 代理三星电容
CL21C390JBANNNC 代理三星贴片陶瓷电容 0805 39PF 390J 50V 5% NPO/COG
CL10B223KB8NNNC 规格参数 0603 223K 50V 10% X7R 代理三星电容