如果是希望深度学习液冷GPU服务器显存核算率为共享资源分配单位，如何实现GPU虚拟化技术？

蓝海大脑时空数据一体机研究人员表示：现有的GPU虚拟化技术是通过显存独享和算力共享的方式来实现，如果是希望高性能计算液冷GPU服务器显存核算率为共享资源分配单位，可能需要再从架构方面能支持才可以，现有的架构可能暂时还不能支持这种方式。

注意兼容性。

服务器是通过网络提供服务的，需要在服务器的显示器前做的工作很少。

因此服务器一般是主板集成的2d显卡，显存也很小，128m，大部分品牌服务器都是如此。

服务器是可以配置独立显卡的，但是服务器显卡都比较贵，而且不是所有服务器都可以配置独立显卡的，下面是一款服务器常用的独立显卡NV Grid K1的参数：

显存：16GB。

核心频率：850MHz。

显存频率：891MHz。

显存位宽：128bit。

流处理量：768个。

---