GeForce GTX Titan è una buona scheda per le workstation?

Test della GeForce GTX Titan con applicazioni professionali. Tra OpenCL e CUDA, questa scheda pensata per il gaming può rivelarsi una buona soluzione per la vostra workstation? Scopriamolo in questo articolo.

Avatar di Igor Wallossek

a cura di Igor Wallossek

Introduzione

Abbiamo analizzato la GeForce GTX Titan in due articoli – Parte 1 e Parte 2. Come prodotto da gioco, sappiamo che si tratta della scheda a singola GPU più veloce che potete acquistare. Ma come si comporta  con le applicazioni professionali? Inizialmente non ci è stato possibile eseguire questi test perché i driver di Nvidia non funzionavano con la maggior parte delle applicazioni "non-gaming" che avevamo provato.

Fortunatamente oggi possiamo colmare questa lacuna e rispondere ad alcune delle domande che qualche lettore ci aveva posto privatamente e a cui non avevamo potuto replicare in passato. D'altronde la scheda si basa sulla GPU GK110, che abbiamo visto per la prima volta su due schede Tesla e costa "solo 1000 euro".

Abbiamo così deciso di metterla a confronto con altre schede video comuni (Radeon HD 7970, Radeon HD 6970, GeForce GTX 680 e GeForce GTX 580) per vedere come le ultime due generazioni di GPU si comportano con software di classe enterprise.

Sistema
CPU Intel Core i7-3770K (Ivy Bridge), 22 nm, 4C/8T, 8 MB di cache L3, Hyper-Threading abilitato, overcloccato a 4.6 GHz
RAM 32 GB Corsair Dominator Platinum @ 2,066 MT/s
Motherboard Gigabyte G1.Sniper 3, Intel Z77 Express
SSD 2 x Corsair Neutron 480 GB
OS    Windows 7 Ultimate x64 (tutte le patch applicate)
Driver GeForce 314.22 WHQL

Catalyst 13.3 Beta 3

A questo scopo ci siamo avvalsi di una GTX Titan di Gigabyte. È basata sul design di riferimento Nvidia. Il processore di precedente generazione della nostra configurazione di prova è stato sostituito con un Core i7 3770K overcloccato a 4.6 GHz per minimizzare i colli di bottiglia dovuti alla piattaforma.

Nonostante l'aumento della frequenza, alcuni vecchi software si sono dimostrati "CPU limited". Così, anche se le ottimizzazioni per sfruttare più thread, CUDA e OpenCL stanno prendendo piede, alcuni carichi di lavoro non sono stati ancora parallelizzati.

Leggi altri articoli