門羅幣cpu和gpu算力
① GPU運算比CPU快很多倍嗎
GPU運算是比CPU快很多倍。
CPU運行的是復雜指令，可以進行各種運算，所謂樣樣精樣樣松；而GPU指令集簡單，工程師就可以將大部分晶體管投入數據運算，所以GPU在圖形處理方面要比CPU快很多。
一、CPU 和 GPU 是為了不同的計算任務而設計的：
1、CPU 主要為串列指令而優化，而 GPU 則是為大規模的並行運算而優化。
2、從並行的角度來看，現代的多核 CPU 針對的是指令集並行（ILP）和任務並行（TLP），而 GPU 則是數據並行（DLP）。
3、在同樣面積的晶元之上，CPU 更多的放置了多級緩存（L1/L2/LLC）和指令並行相關的控制部件（亂序執行，分支預測等等），而 GPU 上則更多的是運算單元（整數、浮點的乘加單元，特殊運算單元等等）
4、GPU 往往擁有更大帶寬的 Memory，也就是所謂的顯存，因此在大吞吐量的應用中也會有很好的性能。
二、其次GPU真正的速度優勢並沒有宣傳中的那麼大，這主要是因為：
1、所看到的這些比較中，並沒有很好的利用上 CPU 中的 SIMD 運算部件。
2、GPU的運算任務無法獨立於CPU而執行，運算任務與數據也必須通過匯流排在GPU與CPU之間傳輸，因此很多任務是無法達到理論加速的。
(1)門羅幣cpu和gpu算力擴展閱讀：
GPU功能作用：
顯卡的處理器稱為圖形處理器（GPU），它是顯卡的「心臟」，與CPU類似，只不過GPU是專為執行復雜的數學和幾何計算而設計的，這些計算是圖形渲染所必需的。某些最快速的GPU集成的晶體管數甚至超過了普通CPU。
時下的GPU多數擁有2D或3D圖形加速功能。如果CPU想畫一個二維圖形，只需要發個指令給GPU，如「在坐標位置（x, y）處畫個長和寬為a×b大小的長方形」，GPU就可以迅速計算出該圖形的所有像素，並在顯示器上指定位置畫出相應的圖形，畫完後就通知CPU 「我畫完了」，然後等待CPU發出下一條圖形指令。
有了GPU，CPU就從圖形處理的任務中解放出來，可以執行其他更多的系統任務，這樣可以大大提高計算機的整體性能。
② CPU和GPU哪個速度快
單純的以浮點運算速度為指標的話，GPU的速度要遠遠高於CPU，GPU的運算能力早就已經超過了1萬億次每秒，而CPU則僅僅是十億到百億級別
但事實上GPU只能執行預定好的任務，並不能像CPU那樣去執行自定義的任務，所以單純用計算性能來衡量是不合理的
③ 除了「比特幣」什麼幣是用普通的電腦或者手機能挖的而且是當天結算的
現在還有什麼幣可以用普通電腦挖礦得到
最佳答案
某些新生的虛擬數字幣可以用電腦的算力挖礦得到，如ETH、ZEC、門羅幣、XRB等。
因為這一類幣需求的全網算力不高，個人電腦的算力進行哈希碰撞的概率可以在短時間內碰撞出答案，從而獲得區塊獎勵，但這類代幣普遍沒啥價值，或者沒有風險極高，因此，也沒有太大意義。
(3)門羅幣cpu和gpu算力擴展閱讀：
挖礦的風險：
1、電費問題：
顯卡「挖礦」要讓顯卡長時間滿載，功耗會相當高，電費開支也會越來越高。國內外有不少專業礦場開在水電站等電費極其低廉的地區，而更多的用戶只能在家裡或普通礦場內挖礦，電費自然不便宜。甚至雲南某小區有人進行瘋狂挖礦導致小區大面積跳閘，變壓器被燒毀的案例。
2、硬體支出：
挖礦實際是性能的競爭、裝備的競爭，有些挖礦機是更多這樣的顯卡陣列組成的，數十乃至過百的顯卡一起來，硬體價格等各種成本本身就很高，挖礦存在相當大的支出。
除了燒顯卡的機器，一些ASIC（應用專用集成電路）專業挖礦機也在投入戰場，ASIC是專門為哈希運算設計的，計算能力也相當強勁，而且由於它們的功耗遠比顯卡低，因此更容易形成規模，電費開銷也更低，單張獨顯很難與這些挖礦機競爭，但與此同時，這種機器的花費也更大。
3、貨幣安全：
比特幣的支取需要多達數百位的密鑰，而多數人會將這一長串的數字記錄於電腦上，但經常發生的如硬碟損壞等問題，會讓密鑰永久丟失，這也導致了比特幣的丟失。
4、系統風險：
系統風險在比特幣這個裡面非常常見，最常見的當屬於分叉。分叉會導致幣價下跌，挖礦收益銳減。
不過很多情況表明，分叉反而讓礦工收益，分叉出來的競爭幣也需要礦工的算力來完成鑄幣和交易的過程，為了爭取更多的礦工，競爭幣會提供更多的區塊獎勵及手續費來吸引礦工。風險反而成就了礦工。
④ GPU和CPU到底誰運算能力強
同意一樓的,側重點不同
現在的GPU的集成度、設計的復雜度已經比CPU高，GPU也能通過軟體運行一些CPU的工作，GPU的運算能力的卻比CPU強
按現在的形勢看，個人認為，日後GPU是不會取代CPU來做電腦核心，而是GPU與CPU整合在一起，而電腦的其他配件的集成度也會越來越高，或許以後的台式機主機只有現在的筆記本大小
⑤ CPU和GPU性能一樣嗎
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。
簡單點說:GPU是圖形處理器,CPU是中央處理器.CPU是單線處理指令.而GPU是並行處理.
所以，兩者不一樣 無法比較INTEL和AMD都有研發CPU和GPU融合的產品,INTEL的好像是什麼多核順序指令的東西,..有很強的浮點運算能力,很大的帶寬,又有極強的可編程性但目前來說.. 那可能太遙遠了,.. 畢竟就算生產出來,成本也不能控制.. 也不符合現在的需求,有的人需要比較高的運算能力的CPU,而有的則需要強大3D能力GPU現在的CPU和GPU還是存在很大的差異,GPU有超強的浮點運算能力,而CPU的可編程性也是不能取代。
⑥ GPU, GPGPU ,CPU 有什麼區別
GPGPU，帶CPU處理能力的GPU。主要是GPU的工作，GPU的能力，可以有協助CPU的運算的能力，（通用圖形處理）超出GPU的能力范圍，甚至完全具備通用的數據處理。能否成為CPU看是否放在主板上。
GPU，用於圖形處理的晶元。（GPU也是一種CPU,，相對於顯卡）早期顯卡是沒有專門用做圖形處理的GPU的，不支持3D。
CPU，用於數據處理的晶元（圖形也可以認為是數據）。中央處理器，一種相對的概念。潛移默化被認定是放在主板上的那顆東西，通過向GPU傳送指令，控制GPU。其實也就是一種微處理器。
AMD-APU，加速處理器。集成GPU核心的CPU，並且融合。不同於Intel I系智能（GPU CPU獨立工作）。
⑦ 能同時用cpu和gpu進行計算嗎會不會快一點
各自獨立運行做自己的工作。不會更快！理論上計算速度GPU相對快一些，如挖礦機！
⑧ 1060顯卡挖xmr算力是多少
如果有顯卡的話，按照我之前看到的文章，在現在這個階段，明顯挖ZEC等貨幣來錢快。
XMR最大的優勢是在於可以用CPU挖坑，盤活多餘的CPU資源...用顯卡挖XMR，按照現在的價格，不一定能回本！
⑨ CPU和GPU到底有什麼區別
CPU:中央處理器（英文Central Processing Unit）是一台計算機的運算核心和控制核心。CPU、內部存儲器和輸入/輸出設備是電子計算機三大核心部件。其功能主要是解釋計算機指令以及處理計算機軟體中的數據。
GPU:英文全稱Graphic Processing Unit，中文翻譯為「圖形處理器」。一個專門的圖形核心處理器。GPU是顯示卡的「大腦」，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。