挖礦安裝cuda

⑴ 顯卡怎麼挖礦，如何設置GPU挖礦設備

設置挖礦設備的第一步是選擇合適的硬體。本文將重點講 GPU (顯卡) 挖礦，當然你可以使用CPU 或者 ASIC 設備挖礦。 AMD 顯卡的架構對挖礦非常有利， Nvidia 卡由於哈希率特低，不適於挖礦。最好的 Nvidia 顯卡也不足 0.5 megahash。筆記本硬體挖礦還比不上 Nvidia 卡，是挖礦的糟糕選項。您需要使用台式機系統進行挖礦。有台式機系統可以確保硬體充分冷卻。

顯卡或卡需要能夠和主板匹配，電源也必須有足夠的 PCI-E 接頭。在確定顯卡前，要注意這些。為了讓系統充分冷卻，你需要將機箱的蓋子拆下，以便更好地散熱。這就是人們所說的「open- air rig(開放設備)」。如果你能讓系統對准風扇或空調，你可以讓設備在運行時更加涼爽，從而延長設備壽命並保持高效。

⑵ 最新版GuiMiner不支持N卡的CUDA功能挖礦嗎我惦記新建CUDA采礦器，設置好後惦記「開始采礦」沒反應啊

放棄吧，還是用A卡或是買機器

⑶ 怎麼安裝CUDA

首先確認你的電腦是否安裝了nvidia顯卡，目前CUDA只支持Nvida的顯卡，不支持AMD/ATI的顯卡（AMD對OpenCL支持的很好）。在設備管理器中，可以查看顯卡信息。如下圖所示，含有NVIDIA的顯卡，就可安裝。
在英偉達的官網上下載cuda工具包，注意是windows系統的，而且需要看清楚是筆記本還是台式機的安裝包，下載筆記本的安裝套件，名字為cuda_5.0.35_winvista_win7_win8_notebook_32-3，(cuda5.5類似）雙擊打開安裝即可，，按照提示安裝，在這過程中，它也會更新nvidia的顯卡驅動。
CUDA工具包安裝完成後，我們還需要確認，CUDA是否已經正確安裝，我們可以先檢查nvcc編譯器是否正確安裝，在命令提示符窗口中輸入：nvcc -V，回車查看是否有版本信息。若出現版本信息，則證明nvcc安裝成功，
更一般的，我們會在命令行中運行在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0\bin\win32\Release中deviceQuery程序，若能檢測到cuda device則證明程序已經正確安裝

⑷ 挖礦軟體guiminer n卡gf310 可以使用cuda嗎

可以，但效率低，N卡不推薦挖礦，賺不回電費

⑸ 如何安裝CUDA

首先驗證你是否有nvidia的顯卡（developer.nvidia.com/cuda-gpus這個網站查看你是否有支持gpu的顯卡）：

[plain] view plain
$ lspci | grep -i nvidia

查看你的linux發行版本（主要是看是64位還是32位的）：

[plain] view plain
$ uname -m && cat /etc/*release

看一下gcc的版本：

[plain] view plain
$ gcc --version
首先下載nvidia cuda的倉庫安裝包（我的是ubuntu 14.0464位，所以下載的是ubuntu14.04的安裝包，如果你是32位的可以參看具體的地址，具體的地址是）

[plain] view plain
wget developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_6.5-14_amd64.deb

下載完成之後可以使用如下命令安裝它，注意文件名修改為cuda-repo-ubuntu1404_6.5-14_amd64.deb

[plain] view plain
sudo dpkg -i cuda-repo-<distro>_<version>_<architecture>.deb

安裝好倉庫之後，就可以更新你的本地倉庫。

[plain] view plain
sudo apt-get update

最後開始安裝cuda以及顯卡驅動（安裝cuda的同時就會把顯卡驅動也全部安裝好，這個真的很方便。但是下載的時間有點長。）

[plain] view plain
sudo apt-get install cuda

需要注意的是，我這里提供的安裝方法跟網路上各種安裝方法都不一樣，他們的方法往往很復雜

主要是因為：（1）有些教程是手工安裝顯卡的驅動程序，手工屏蔽系統的默認開源的驅動
（2）安裝cuda也是手工進行

使用這個方法的時候千萬要注意幾個問題：
（1）cuda6.5已經不支持老舊的顯卡了所以sm11 等等都必須刪除。可以參考我的另一個文章，關於編譯opencv3.0的
（2）ubuntu14.04是64位的，並且不要一開始就更新系統補丁什麼的，因為系統更新過之後，再安裝顯卡驅動就會無法進入圖形界面，我查看了相關的日誌發現是卡在了dbus那邊。所以，我建議一安裝好ubuntu 14.04就不要更新系統補丁。

安裝完之後你需要設置環境變數：

[plain] view plain
$ export PATH=/usr/local/cuda-6.5/bin:$PATH
$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH

設置完畢之後，你還可以選擇是否安裝cuda附帶的示例代碼（<dir>表示你要安裝的位置，你可以將<dir>替換成~）：

[plain] view plain
$ cuda-install-samples-6.5.sh <dir>
接下來做一些驗證工作：

查看顯卡的驅動版本

[plain] view plain
cat /proc/driver/nvidia/version
查看nvcc編譯器的版本

[plain] view plain
nvcc -V i

編譯cuda的示例代碼:

[plain] view plain
cd ~/NVIDIA_CUDA-6.5_Samples
然後make一下編譯代碼。

進入bin路徑運行devicequery

[plain] view plain
cd ~/NVIDIA_CUDA-6.5_Samples/bin
[html] view plain
./ deviceQuery

具體的安裝過程可以參考英文。

這里必須要強調的是一定要是新的ubuntu14.04 在安裝顯卡驅動之前千萬別更新，否則就無法進入桌面，這個問題困擾了我很久了。重裝了是十幾遍的系統。

這篇guide只是一些零散的安裝步驟以及給後來人對於cuda的一些坑上的提醒。

⑹ 狗狗幣DOGE怎麼挖，買狗狗幣未來可以上漲嗎

狗狗幣DOGE怎麼挖，買狗狗幣未來可以上漲嗎？去年年底的時候出現了一種新的山寨幣——狗幣。目前狗幣已經穩居山寨幣第二位，僅次於萊特幣。那麼如果挖到狗幣呢？今天小編就來給大家分享一下我的狗幣挖礦經驗。
下載狗幣錢包，一般在狗幣官方網站上面就有，下載好狗幣錢包之後，安裝狗幣錢包，然後設置顯示語言為中文。

下載狗幣挖礦軟體，具體挖礦軟體大家可以在網路裡面搜索「cudaminer-2014-02-09」，這個軟體。具體針對的顯卡不同，挖礦軟體也不相同。而且還分 CPU 挖礦和 GPU 挖礦。由於我目前試用的是英偉達的顯卡，所以我們這里用英偉達的顯卡作為測試。
將你下載好的挖礦軟體解壓縮之後，根據你的電腦是64位還是32位選擇不同的版本，然後將挖礦軟體復制到如下目錄：C:\Users\你的用戶名\AppData\Roaming\DogeCoin文件夾中，具體如下圖所示：

選擇礦池，這里我們推薦使用 dogepool 礦池，進入下圖中顯示的地址，注冊你的帳號，然後建立你的礦工。

注冊成功之後，登錄帳號，創建你的礦工。點擊右上角你的用戶名，然後在下拉菜單中選擇「My Works」。在頁面底部，找到「Add a New Worker」然後輸入你要創建的礦工和密碼。如下圖所示：


注冊好礦工之後，我們開始配置文件，打開C:\Users\你的用戶名\AppData\Roaming\DogeCoin文件夾，然後在裡面新建文本文檔，添加如下內容：rpcuser=dogerpcpassword=wowaddnode=162.243.113.110addnode=146.185.181.114rpcport=22555server=1daemon=1然後保存文件為 Dogecoin.conf。
再新建一個文本文檔，然後，添加如下內容：MineWithAMDGPU.bat./cgminer –scrypt -o stratum+tcp://dogepool.pw:3333 -u USERNAME.WORKER -p PASSWORDMineWithNvidiaGPU.batcudaminer.exe -o stratum+tcp://dogepool.pw:3333 -O USERNAME.WORKER:PASSWORDMineWithCPU.batminerd -a scrypt -t 4 -s 6 -o stratum+tcp://dogepool.pw:3333 -O USERNAME.WORKER:PASSWORD修改裡面加粗的部分，其中 USERNAME.WORKER 為你在第五步裡面注冊的礦工，PASSWORD 為你的密碼。保存上述文本為 miner.bat 文件。
開始挖礦。雙擊運行 miner.bat 文件，運行結果如下圖的話，則說明你成功了。現在就享受你的狗幣挖礦吧。

⑺ 以太坊gpu挖礦程序是怎樣的

GPU挖掘

硬體

演算法是內存難解的，為了使DAG適合內存，每個GPU需要1-2GB內存，如果你得到錯誤提示：Error GPU mining. GPU memory fragmentation? 說明你沒有足夠的內存。GPU挖礦軟體是基於OpenCL實現的，AMD GPU會比同一水準的NVIDIA GPU更快。ASIC和FPGA相對低效因而被阻攔。要給晶元集成平台獲取openCL，嘗試：
AMD SDK openCL
NVIDIA CUDA openCL
Ubuntu Linux設置

對於這個快速指南，你會需要Ubuntu 14.04或15.04以及fglrx圖像驅動器。你也可以使用NVidia驅動器和其他平台，但是你必須要找到自己的方式來獲得有效的OpenCL安裝，比如Genoil的ethminer分叉。
如果你在用15.04，到"軟體與更新〉額外的驅動器"設置為"從fglrx為AMD圖形加速器使用視頻驅動器"。
如果你在用14.04，到"軟體與更新〉額外的驅動器"設置為"從fglrx為AMD圖形加速器使用視頻驅動器"。很遺憾，對於一些人來說，這種方法可能不管用，因為Ubuntu 14.04.02中有個已知的程序錯誤會阻止你轉換到GPU挖礦所必須的專屬圖形驅動器。
所以，如果你遇到這個程序錯誤，先到"軟體與更新〉更新"選擇"預發行的可靠更新提議"。然後，回到"軟體與更新〉額外的驅動器"設置為"從fglrx為AMD圖形加速器使用視頻驅動器"。重啟之後，值得檢查一下現在確實正確安裝了驅動器（例如通過再到"額外驅動器"）。
不管做什麼，如果你在用14.04.02，一旦安裝之後，就不要改變驅動器或者驅動器配置。例如，aticonfig –initial的使用（尤其是-f, –force選項）會"破壞"你的設置。如果你偶然改變了配置，會需要卸載驅動器，重啟，再次安裝驅動器並重啟。

⑻ 怎麼用N卡的cuda挖礦

比特幣800是提供比特幣資訊，比特幣客戶端，比特幣教程，比特幣挖礦，比特幣行情等比特幣相關信息的比特幣中文門戶。

⑼ 如何安裝cuda

安裝cuda時，第一次會讓設置臨時解壓目錄，第二次會讓設置安裝目錄；

臨時解壓路徑，建議默認即可，也可以自定義。安裝結束後，臨時解壓文件夾會自動刪除；

安裝目錄，建議默認即可；

注意：臨時解壓目錄千萬不要和cuda的安裝路徑設置成一樣的，否則安裝結束，會找不到安裝目錄的！！！

選擇自定義安裝

安裝完成後，配置cuda的環境變數；

命令行中，測試是否安裝成功；

⑽ cuda8.0怎麼安裝

步驟如下：
1.下載安裝CUDA：
1.1 下載。請到 cuda官網，選擇合適的版本。如果版本不合適，安裝的時候會提示的，但還是下載最新的比較好；

1.2 安裝。雙擊cuda_7.5.18_win10.exe,一步步來就好。

2.VS2013配置和測試
2.1 重啟計算機。關於是否添加環境變數，筆者安裝的時候系統已自動添加好對應的環境變數，如果沒有，請查看上文鏈接的博文；
2.2 配置VS。也請參考上述博文，不再贅述。

3.測試
上兩個測試文件。
3.1
1 #include< stdio.h>
2 #include "cuda_runtime.h"
3 #include "device_launch_parameters.h"
4 bool InitCUDA()
5 {
6 int count;
7 cudaGetDeviceCount(&count);
8 if(count == 0)
9 {
10 fprintf(stderr, "There is no device.\n");
11 return false;
12 }
13 int i;
14 for(i = 0; i < count; i++)
15 {
16 cudaDeviceProp prop;
17 if(cudaGetDeviceProperties(&prop, i) == cudaSuccess)
18 {
19 if(prop.major >= 1)
20 {
21 break;
22 }
23 }
24 }
25 if(i == count)
26 {
27 fprintf(stderr, "There is no device supporting CUDA 1.x.\n");
28 return false;
29 }
30 cudaSetDevice(i);
31 return true;
32 }
33
34 int main()
35 {
36 if(!InitCUDA())
37 {
38 return 0;
39 }
40 printf("HelloWorld, CUDA has been initialized.\n");
41 return 0;
42 }

3.2
1 // CUDA runtime 庫 + CUBLAS 庫
2 #include "cuda_runtime.h"
3 #include "cublas_v2.h"
4
5 #include <time.h>
6 #include <iostream>
7
8 using namespace std;
9
10 // 定義測試矩陣的維度
11 int const M = 5;
12 int const N = 10;
13
14 int main()
15 {
16 // 定義狀態變數
17 cublasStatus_t status;
18
19 // 在 內存 中為將要計算的矩陣開辟空間
20 float *h_A = (float*)malloc (N*M*sizeof(float));
21 float *h_B = (float*)malloc (N*M*sizeof(float));
22
23 // 在 內存 中為將要存放運算結果的矩陣開辟空間
24 float *h_C = (float*)malloc (M*M*sizeof(float));
25
26 // 為待運算矩陣的元素賦予 0-10 范圍內的隨機數
27 for (int i=0; i<N*M; i++) {
28 h_A[i] = (float)(rand()%10+1);
29 h_B[i] = (float)(rand()%10+1);
30
31 }
32
33 // 列印待測試的矩陣
34 cout << "矩陣 A :" << endl;
35 for (int i=0; i<N*M; i++){
36 cout << h_A[i] << " ";
37 if ((i+1)%N == 0) cout << endl;
38 }
39 cout << endl;
40 cout << "矩陣 B :" << endl;
41 for (int i=0; i<N*M; i++){
42 cout << h_B[i] << " ";
43 if ((i+1)%M == 0) cout << endl;
44 }
45 cout << endl;
46
47 /*
48 ** GPU 計算矩陣相乘
49 */
50
51 // 創建並初始化 CUBLAS 庫對象
52 cublasHandle_t handle;
53 status = cublasCreate(&handle);
54
55 if (status != CUBLAS_STATUS_SUCCESS)
56 {
57 if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
58 cout << "CUBLAS 對象實例化出錯" << endl;
59 }
60 getchar ();
61 return EXIT_FAILURE;
62 }
63
64 float *d_A, *d_B, *d_C;
65 // 在 顯存 中為將要計算的矩陣開辟空間
66 cudaMalloc (
67 (void**)&d_A, // 指向開辟的空間的指針
68 N*M * sizeof(float) //需要開辟空間的位元組數
69 );
70 cudaMalloc (
71 (void**)&d_B,
72 N*M * sizeof(float)
73 );
74
75 // 在 顯存 中為將要存放運算結果的矩陣開辟空間
76 cudaMalloc (
77 (void**)&d_C,
78 M*M * sizeof(float)
79 );
80
81 // 將矩陣數據傳遞進 顯存 中已經開辟好了的空間
82 cublasSetVector (
83 N*M, // 要存入顯存的元素個數
84 sizeof(float), // 每個元素大小
85 h_A, // 主機端起始地址
86 1, // 連續元素之間的存儲間隔
87 d_A, // GPU 端起始地址
88 1 // 連續元素之間的存儲間隔
89 );
90 cublasSetVector (
91 N*M,
92 sizeof(float),
93 h_B,
94 1,
95 d_B,
96 1
97 );
98
99 // 同步函數
100 cudaThreadSynchronize();
101
102 // 傳遞進矩陣相乘函數中的參數，具體含義請參考函數手冊。
103 float a=1; float b=0;
104 // 矩陣相乘。該函數必然將數組解析成列優先數組
105 cublasSgemm (
106 handle, // blas 庫對象
107 CUBLAS_OP_T, // 矩陣 A 屬性參數
108 CUBLAS_OP_T, // 矩陣 B 屬性參數
109 M, // A, C 的行數
110 M, // B, C 的列數
111 N, // A 的列數和 B 的行數
112 &a, // 運算式的 α 值
113 d_A, // A 在顯存中的地址
114 N, // lda
115 d_B, // B 在顯存中的地址
116 M, // ldb
117 &b, // 運算式的 β 值
118 d_C, // C 在顯存中的地址(結果矩陣)
119 M // ldc
120 );
121
122 // 同步函數
123 cudaThreadSynchronize();
124
125 // 從 顯存 中取出運算結果至 內存中去
126 cublasGetVector (
127 M*M, // 要取出元素的個數
128 sizeof(float), // 每個元素大小
129 d_C, // GPU 端起始地址
130 1, // 連續元素之間的存儲間隔
131 h_C, // 主機端起始地址
132 1 // 連續元素之間的存儲間隔
133 );
134
135 // 列印運算結果
136 cout << "計算結果的轉置 ( (A*B)的轉置 )：" << endl;
137
138 for (int i=0;i<M*M; i++){
139 cout << h_C[i] << " ";
140 if ((i+1)%M == 0) cout << endl;
141 }
142
143 // 清理掉使用過的內存
144 free (h_A);
145 free (h_B);
146 free (h_C);
147 cudaFree (d_A);
148 cudaFree (d_B);
149 cudaFree (d_C);
150
151 // 釋放 CUBLAS 庫對象
152 cublasDestroy (handle);
153
154 getchar();
155
156 return 0;
157 }