gpu算力單位1T
可以參考下面，根據一些網吧市場常用的顯卡,整理的一份相關顯卡的價格和算力以及預計回本期,大概可以做個參考:
Radeon RX 580顯卡
整機功耗：243W
計算力：22.4M
顯卡售價：1999元
每24小時挖ETH數量：0.015
每24小時產生收益:24.48元
預計回本時間：81.66天
Radeon RX 470顯卡
整機功耗:159W
計算力：24.3M
顯卡售價：1599元
每24小時挖ETH數量：0.017
每24小時產生收益:27.9元
預計回本時間：57.31天
Radeon RX 480顯卡
整機功耗:171W
計算力：24.4M
顯卡售價：1999元
每24小時挖ETH數量：0.017
每24小時產生收益:27.87元
預計回本時間：71.73天
(1)gpu算力單位1T擴展閱讀：
顯卡（Video card，Graphics card）全稱顯示介面卡，又稱顯示適配器，是計算機最基本配置、最重要的配件之一。顯卡作為電腦主機里的一個重要組成部分，是電腦進行數模信號轉換的設備，承擔輸出顯示圖形的任務。
顯卡接在電腦主板上，它將電腦的數字信號轉換成模擬信號讓顯示器顯示出來，同時顯卡還是有圖像處理能力，可協助CPU工作，提高整體的運行速度。對於從事專業圖形設計的人來說顯卡非常重要。 民用和軍用顯卡圖形晶元供應商主要包括AMD(超微半導體)和Nvidia(英偉達)2家。現在的top500計算機，都包含顯卡計算核心。在科學計算中，顯卡被稱為顯示加速卡。
B. 為什麼GPU的浮點運算能力比CPU強的多
首先，「速度區別主要是來自於架構上的區別」是一個表面化的解釋。對，架構是不同。但是這種不同是目前各個廠家選擇的現狀，還是由於本質的原因決定的？CPU 能不能增加核？GPU 那張圖為什麼不需要 cache？
首先，CPU 能不能像 GPU 那樣去掉 cache？不行。GPU 能去掉 cache 關鍵在於兩個因素：數據的特殊性（高度對齊，pipeline 處理，不符合局部化假設，很少回寫數據）、高速度的匯流排。對於後一個問題，CPU 受制於落後的數據匯流排標准，理論上這是可以改觀的。對於前一個問題，從理論上就很難解決。因為 CPU 要提供通用性，就不能限制處理數據的種類。這也是 GPGPU 永遠無法取代 CPU 的原因。
其次，CPU 能不能增加很多核？不行。首先 cache 佔掉了面積。其次，CPU 為了維護 cache 的一致性，要增加每個核的復雜度。還有，為了更好的利用 cache 和處理非對齊以及需要大量回寫的數據，CPU 需要復雜的優化（分支預測、out-of-order 執行、以及部分模擬 GPU 的 vectorization 指令和長流水線）。所以一個 CPU 核的復雜度要比 GPU 高的多，進而成本就更高（並不是說蝕刻的成本高，而是復雜度降低了成片率，所以最終成本會高）。所以 CPU 不能像 GPU 那樣增加核。
至於控制能力，GPU 的現狀是差於 CPU，但是並不是本質問題。而像遞歸這樣的控制，並不適合高度對齊和 pipeline 處理的數據，本質上還是數據問題。
C. 關於GPU的問題！
GPU概念
GPU英文全稱Graphic Processing Unit，中文翻譯為「圖形處理器」。GPU是相對於CPU的一個概念，由於在現代的計算機中（特別是家用系統，游戲的發燒友）圖形的處理變得越來越重要，需要一個專門的圖形的核心處理器。
GPU的作用
GPU是顯示卡的「心臟」，也就相當於CPU在電腦中的作用，它決定了該顯卡的檔次和大部分性能，同時也是2D顯示卡和3D顯示卡的區別依據。2D顯示晶元在處理3D圖像和特效時主要依賴CPU的處理能力，稱為「軟加速」。3D顯示晶元是將三維圖像和特效處理功能集中在顯示晶元內，也即所謂的「硬體加速」功能。顯示晶元通常是顯示卡上最大的晶元（也是引腳最多的）。現在市場上的顯卡大多採用NVIDIA和ATI兩家公司的圖形處理晶元。
於是NVIDIA公司在1999年發布GeForce 256圖形處理晶元時首先提出GPU的概念。GPU使顯卡減少了對CPU的依賴，並進行部分原本CPU的工作，尤其是在3D圖形處理時。GPU所採用的核心技術有硬體T&L、立方環境材質貼圖和頂點混合、紋理壓縮和凹凸映射貼圖、雙重紋理四像素256位渲染引擎等，而硬體T&L技術可以說是GPU的標志。
簡單說GPU就是能夠從硬體上支持T&L（Transform and Lighting，多邊形轉換與光源處理）的顯示晶元，因為T&L是3D渲染中的一個重要部分，其作用是計算多邊形的3D位置和處理動態光線效果，也可以稱為「幾何處理」。一個好的T&L單元，可以提供細致的3D物體和高級的光線特效；只大多數PC中，T&L的大部分運算是交由CPU處理的(這就也就是所謂的軟體T&L)，由於CPU的任務繁多，除了T&L之外，還要做內存管理、輸入響應等非3D圖形處理工作，因此在實際運算的時候性能會大打折扣，常常出現顯卡等待CPU數據的情況，其運算速度遠跟不上今天復雜三維游戲的要求。即使CPU的工作頻率超過1GHz或更高，對它的幫助也不大，由於這是PC本身設計造成的問題，與CPU的速度無太大關系。
GPU與DSP的區別
GPU在幾個主要方面有別於DSP架構。其所有計算均使用浮點演算法，而且目前還沒有位或整數運算指令。此外，由於GPU專為圖像處理設計，因此存儲系統實際上是一個二維的分段存儲空間，包括一個區段號（從中讀取圖像）和二維地址（圖像中的X、Y坐標）。此外，沒有任何間接寫指令。輸出寫地址由光柵處理器確定，而且不能由程序改變。這對於自然分布在存儲器之中的演算法而言是極大的挑戰。最後一點，不同碎片的處理過程間不允許通信。實際上，碎片處理器是一個SIMD數據並行執行單元，在所有碎片中獨立執行代碼。
盡管有上述約束，但是GPU還是可以有效地執行多種運算，從線性代數和信號處理到數值模擬。雖然概念簡單，但新用戶在使用GPU計算時還是會感到迷惑，因為GPU需要專有的圖形知識。這種情況下，一些軟體工具可以提供幫助。兩種高級描影語言CG和HLSL能夠讓用戶編寫類似C的代碼，隨後編譯成碎片程序匯編語言。Brook是專為GPU計算設計，且不需要圖形知識的高級語言。因此對第一次使用GPU進行開發的工作人員而言，它可以算是一個很好的起點。Brook是C語言的延伸，整合了可以直接映射到GPU的簡單數據並行編程構造。經 GPU存儲和操作的數據被形象地比喻成「流」（stream），類似於標准C中的數組。核心（Kernel）是在流上操作的函數。在一系列輸入流上調用一個核心函數意味著在流元素上實施了隱含的循環，即對每一個流元素調用核心體。Brook還提供了約簡機制，例如對一個流中所有的元素進行和、最大值或乘積計算。Brook還完全隱藏了圖形API的所有細節，並把GPU中類似二維存儲器系統這樣許多用戶不熟悉的部分進行了虛擬化處理。用Brook編寫的應用程序包括線性代數子程序、快速傅立葉轉換、光線追蹤和圖像處理。利用ATI的X800XT和Nvidia的GeForce 6800 Ultra型GPU，在相同高速緩存、SSE匯編優化Pentium 4執行條件下，許多此類應用的速度提升高達7倍之多。
對GPU計算感興趣的用戶努力將演算法映射到圖形基本元素。類似Brook這樣的高級編程語言的問世使編程新手也能夠很容易就掌握GPU的性能優勢。訪問GPU計算功能的便利性也使得GPU的演變將繼續下去，不僅僅作為繪制引擎，而是會成為個人電腦的主要計算引擎。
1T礦機在目前難度下每天可挖得約0.0268 BTC，也就是大約50分之1個比特幣。換算成RMB約100元左右。一天能挖多少比特幣看你佔有多少股份，也就是算力。不過算力是浮動，哪一天總體算力低就挖的多，反之則少，有空可以到巴比特網站查詢具體的內容。
E. 聽說GPU 比CPU 計算能力強10倍以上,
看來NVIDIA忽悠了不少人啊。GPU計算圖形的能力是比CPU強，但是用電腦就光處理圖像？
F. 有ti的GPU計算能力是否比無ti的高
是的，英偉達在產品設計取型號的時候都是TI比無TI的性能要好，也可以通俗地說GPU處理能力強。有時候細節分析上有時候不帶TI的會好一些，例如下圖中的不太TI的加速頻率和基礎速率要好，但是整體性能來說帶TI的會好得多。
goshes-i信息化英偉達GTX顯卡TI性能比
G. gpu計算能力1.0是什麼意思
計算能力是Nvidia公司在發布CUDA（統一計算架構，Compute Unified Device Architecture，一種對GPU進行編程的語言，類似於C語言對CPU進行編程）時提出的一個概念。因為顯卡本身是一個浮點計算晶元，可以作為計算卡使用，所以顯卡就具有計算能力。不同的顯卡具有不同的計算能力，為了以示區分，Nvidia就在不同時期的產品上提出了相應版本的計算能力x.x。計算能力1.0出現在早期的圖形卡上，例如，最初的8800 Ultras和許多8000系列卡以及Tesla C/D/S870s卡，與這些顯卡相應發布的是CUDA1.0。今天計算能力1.0已經被市場淘汰了。此後還有計算能力1.1，這個出現在許多9000系列圖形卡上。計算能力1.2與GT200系列顯卡一起出現，而計算能力1.3是從GT200升級到GT200 a/b修訂版時提出的。再往後還有計算能力2.0、2.1、3.0等版本。最新發布的版本是計算能力6.1，由最新的帕斯卡架構顯卡所支持，同時CUDA版本也更新到CUDA8.0。
對於普通用戶無需關心顯卡的計算能力，只有GPU編程人員在編寫CUDA程序，對GPU的計算進行開發時才關心這個問題。只要知道自己電腦所帶的顯卡型號就能查詢到相應的計算能力，這里貼上官方網址：https://developer.nvidia.com/cuda-gpus。
H. rx470顯卡挖礦算力21.5mh/s，那麼換算成一天算力是多少T
顯卡現在挖不出來比特幣的。你這個算力是以太坊的算力。計算方法也不對
I. 請問下什麼是GPU的浮點運算能力主要干什麼的
GPU計算能力強主要是因為他的大部分電路都是進行算術計算的單元，實際上加法器乘法器這些都是相對較小的電路，即使做很多這種運算單元，都不會佔用太多晶元的面積。而且由於GPU的其他部件佔得面積小，它也可以有更多的寄存器和緩存來存儲數據。CPU之所以那麼慢，一方面是因為有大量的處理其他程序如分支循環之類的單元，並且由於cpu處理要求有一定的靈活性，那麼cpu的算術邏輯單元的結構也要復雜很多。簡單的說，就為了提高分支指令的處理速度，cpu的很多部件都用於做分支預測，以及在分支預測錯誤的時候，修正和恢復算術邏輯單元的結果。這些都大大的增加了器件的復雜度。
另外，實際上現在的CPU的設計上也在向GPU學習，就是增加並行計算的，沒有那麼多控制結構的浮點運算單元。例如intel的sse指令集，到目前可以實現同時進行4個浮點運算，而且增加了很多寄存器 另外，想學習GPU計算的話，去下載一個CUDA的SDK，裡面有很詳細的說明文檔