gpu算力单位1T
可以参考下面，根据一些网吧市场常用的显卡,整理的一份相关显卡的价格和算力以及预计回本期,大概可以做个参考:
Radeon RX 580显卡
整机功耗：243W
计算力：22.4M
显卡售价：1999元
每24小时挖ETH数量：0.015
每24小时产生收益:24.48元
预计回本时间：81.66天
Radeon RX 470显卡
整机功耗:159W
计算力：24.3M
显卡售价：1599元
每24小时挖ETH数量：0.017
每24小时产生收益:27.9元
预计回本时间：57.31天
Radeon RX 480显卡
整机功耗:171W
计算力：24.4M
显卡售价：1999元
每24小时挖ETH数量：0.017
每24小时产生收益:27.87元
预计回本时间：71.73天
(1)gpu算力单位1T扩展阅读：
显卡（Video card，Graphics card）全称显示接口卡，又称显示适配器，是计算机最基本配置、最重要的配件之一。显卡作为电脑主机里的一个重要组成部分，是电脑进行数模信号转换的设备，承担输出显示图形的任务。
显卡接在电脑主板上，它将电脑的数字信号转换成模拟信号让显示器显示出来，同时显卡还是有图像处理能力，可协助CPU工作，提高整体的运行速度。对于从事专业图形设计的人来说显卡非常重要。 民用和军用显卡图形芯片供应商主要包括AMD(超微半导体)和Nvidia(英伟达)2家。现在的top500计算机，都包含显卡计算核心。在科学计算中，显卡被称为显示加速卡。
B. 为什么GPU的浮点运算能力比CPU强的多
首先，「速度区别主要是来自于架构上的区别」是一个表面化的解释。对，架构是不同。但是这种不同是目前各个厂家选择的现状，还是由于本质的原因决定的？CPU 能不能增加核？GPU 那张图为什么不需要 cache？
首先，CPU 能不能像 GPU 那样去掉 cache？不行。GPU 能去掉 cache 关键在于两个因素：数据的特殊性（高度对齐，pipeline 处理，不符合局部化假设，很少回写数据）、高速度的总线。对于后一个问题，CPU 受制于落后的数据总线标准，理论上这是可以改观的。对于前一个问题，从理论上就很难解决。因为 CPU 要提供通用性，就不能限制处理数据的种类。这也是 GPGPU 永远无法取代 CPU 的原因。
其次，CPU 能不能增加很多核？不行。首先 cache 占掉了面积。其次，CPU 为了维护 cache 的一致性，要增加每个核的复杂度。还有，为了更好的利用 cache 和处理非对齐以及需要大量回写的数据，CPU 需要复杂的优化（分支预测、out-of-order 执行、以及部分模拟 GPU 的 vectorization 指令和长流水线）。所以一个 CPU 核的复杂度要比 GPU 高的多，进而成本就更高（并不是说蚀刻的成本高，而是复杂度降低了成片率，所以最终成本会高）。所以 CPU 不能像 GPU 那样增加核。
至于控制能力，GPU 的现状是差于 CPU，但是并不是本质问题。而像递归这样的控制，并不适合高度对齐和 pipeline 处理的数据，本质上还是数据问题。
C. 关于GPU的问题！
GPU概念
GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。GPU是相对于CPU的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。
GPU的作用
GPU是显示卡的“心脏”，也就相当于CPU在电脑中的作用，它决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像和特效时主要依赖CPU的处理能力，称为“软加速”。3D显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的“硬件加速”功能。显示芯片通常是显示卡上最大的芯片（也是引脚最多的）。现在市场上的显卡大多采用NVIDIA和ATI两家公司的图形处理芯片。
于是NVIDIA公司在1999年发布GeForce 256图形处理芯片时首先提出GPU的概念。GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时。GPU所采用的核心技术有硬体T&L、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体T&L技术可以说是GPU的标志。
简单说GPU就是能够从硬件上支持T&L（Transform and Lighting，多边形转换与光源处理）的显示芯片，因为T&L是3D渲染中的一个重要部分，其作用是计算多边形的3D位置和处理动态光线效果，也可以称为“几何处理”。一个好的T&L单元，可以提供细致的3D物体和高级的光线特效；只大多数PC中，T&L的大部分运算是交由CPU处理的(这就也就是所谓的软件T&L)，由于CPU的任务繁多，除了T&L之外，还要做内存管理、输入响应等非3D图形处理工作，因此在实际运算的时候性能会大打折扣，常常出现显卡等待CPU数据的情况，其运算速度远跟不上今天复杂三维游戏的要求。即使CPU的工作频率超过1GHz或更高，对它的帮助也不大，由于这是PC本身设计造成的问题，与CPU的速度无太大关系。
GPU与DSP的区别
GPU在几个主要方面有别于DSP架构。其所有计算均使用浮点算法，而且目前还没有位或整数运算指令。此外，由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号（从中读取图像）和二维地址（图像中的X、Y坐标）。此外，没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。最后一点，不同碎片的处理过程间不允许通信。实际上，碎片处理器是一个SIMD数据并行执行单元，在所有碎片中独立执行代码。
尽管有上述约束，但是GPU还是可以有效地执行多种运算，从线性代数和信号处理到数值仿真。虽然概念简单，但新用户在使用GPU计算时还是会感到迷惑，因为GPU需要专有的图形知识。这种情况下，一些软件工具可以提供帮助。两种高级描影语言CG和HLSL能够让用户编写类似C的代码，随后编译成碎片程序汇编语言。Brook是专为GPU计算设计，且不需要图形知识的高级语言。因此对第一次使用GPU进行开发的工作人员而言，它可以算是一个很好的起点。Brook是C语言的延伸，整合了可以直接映射到GPU的简单数据并行编程构造。经 GPU存储和操作的数据被形象地比喻成“流”（stream），类似于标准C中的数组。核心（Kernel）是在流上操作的函数。在一系列输入流上调用一个核心函数意味着在流元素上实施了隐含的循环，即对每一个流元素调用核心体。Brook还提供了约简机制，例如对一个流中所有的元素进行和、最大值或乘积计算。Brook还完全隐藏了图形API的所有细节，并把GPU中类似二维存储器系统这样许多用户不熟悉的部分进行了虚拟化处理。用Brook编写的应用程序包括线性代数子程序、快速傅立叶转换、光线追踪和图像处理。利用ATI的X800XT和Nvidia的GeForce 6800 Ultra型GPU，在相同高速缓存、SSE汇编优化Pentium 4执行条件下，许多此类应用的速度提升高达7倍之多。
对GPU计算感兴趣的用户努力将算法映射到图形基本元素。类似Brook这样的高级编程语言的问世使编程新手也能够很容易就掌握GPU的性能优势。访问GPU计算功能的便利性也使得GPU的演变将继续下去，不仅仅作为绘制引擎，而是会成为个人电脑的主要计算引擎。
1T矿机在目前难度下每天可挖得约0.0268 BTC，也就是大约50分之1个比特币。换算成RMB约100元左右。一天能挖多少比特币看你占有多少股份，也就是算力。不过算力是浮动，哪一天总体算力低就挖的多，反之则少，有空可以到巴比特网站查询具体的内容。
E. 听说GPU 比CPU 计算能力强10倍以上,
看来NVIDIA忽悠了不少人啊。GPU计算图形的能力是比CPU强，但是用电脑就光处理图像？
F. 有ti的GPU计算能力是否比无ti的高
是的，英伟达在产品设计取型号的时候都是TI比无TI的性能要好，也可以通俗地说GPU处理能力强。有时候细节分析上有时候不带TI的会好一些，例如下图中的不太TI的加速频率和基础速率要好，但是整体性能来说带TI的会好得多。
goshes-i信息化英伟达GTX显卡TI性能比
G. gpu计算能力1.0是什么意思
计算能力是Nvidia公司在发布CUDA（统一计算架构，Compute Unified Device Architecture，一种对GPU进行编程的语言，类似于C语言对CPU进行编程）时提出的一个概念。因为显卡本身是一个浮点计算芯片，可以作为计算卡使用，所以显卡就具有计算能力。不同的显卡具有不同的计算能力，为了以示区分，Nvidia就在不同时期的产品上提出了相应版本的计算能力x.x。计算能力1.0出现在早期的图形卡上，例如，最初的8800 Ultras和许多8000系列卡以及Tesla C/D/S870s卡，与这些显卡相应发布的是CUDA1.0。今天计算能力1.0已经被市场淘汰了。此后还有计算能力1.1，这个出现在许多9000系列图形卡上。计算能力1.2与GT200系列显卡一起出现，而计算能力1.3是从GT200升级到GT200 a/b修订版时提出的。再往后还有计算能力2.0、2.1、3.0等版本。最新发布的版本是计算能力6.1，由最新的帕斯卡架构显卡所支持，同时CUDA版本也更新到CUDA8.0。
对于普通用户无需关心显卡的计算能力，只有GPU编程人员在编写CUDA程序，对GPU的计算进行开发时才关心这个问题。只要知道自己电脑所带的显卡型号就能查询到相应的计算能力，这里贴上官方网址：https://developer.nvidia.com/cuda-gpus。
H. rx470显卡挖矿算力21.5mh/s，那么换算成一天算力是多少T
显卡现在挖不出来比特币的。你这个算力是以太坊的算力。计算方法也不对
I. 请问下什么是GPU的浮点运算能力主要干什么的
GPU计算能力强主要是因为他的大部分电路都是进行算术计算的单元，实际上加法器乘法器这些都是相对较小的电路，即使做很多这种运算单元，都不会占用太多芯片的面积。而且由于GPU的其他部件占得面积小，它也可以有更多的寄存器和缓存来存储数据。CPU之所以那么慢，一方面是因为有大量的处理其他程序如分支循环之类的单元，并且由于cpu处理要求有一定的灵活性，那么cpu的算术逻辑单元的结构也要复杂很多。简单的说，就为了提高分支指令的处理速度，cpu的很多部件都用于做分支预测，以及在分支预测错误的时候，修正和恢复算术逻辑单元的结果。这些都大大的增加了器件的复杂度。
另外，实际上现在的CPU的设计上也在向GPU学习，就是增加并行计算的，没有那么多控制结构的浮点运算单元。例如intel的sse指令集，到目前可以实现同时进行4个浮点运算，而且增加了很多寄存器 另外，想学习GPU计算的话，去下载一个CUDA的SDK，里面有很详细的说明文档