闲置显卡gpu算力赚钱

⑴ 求助一下，买显卡，主要是利用GPU 跑深度学习数据

跑深度, 主要靠单精度浮点计算能力：
不缺钱上GTX TiTanX
缺钱就双路GTX1070
TITAN X PACAL：11T
GTX1080：8.9T
GTX1070：6.5T

⑵ 游戏时 CPU 闲置率这么高，为什么不用来辅助显卡

游戏时 CPU 闲置率这么高，不用来辅助显卡。两者的功能是不同的，不能辅助。

游戏的高空闲率是因为过去CPU的SIMD性能不好，导致浮点运算能力明显低于GPU，所以给GPU分配了适合并行的负载，导致CPU没有太高的并行负载，而游戏中较老的图形api部署cpu进行密集计算的难度也很高，但目前cpu的simd性能有了很大的提高，avx/avx2的应用也相对成熟。利用cpu的内存访问优势，即使理论浮点峰值不高，但对处理分支、逻辑和密集计算的混合负载具有很好的适应性。

恐怕在日常生活中我感觉不到CPU对显卡的拖累，但我还是需要注意CPU和显卡之间的平衡。除了游戏，越来越多的专业软件对CPU也有很高的要求。

⑶ 近期GPU的势头很火，有说法称将来的计算机只要有一颗GPU就可以了CPU将必定被GPU淘汰，此说法属实吗

以下这两种是自电脑3D诞生以来就存在而且短时间内不可能互相代替的产品。
GPU=GraphicProcessingUnit=图形处理器=显卡
CPU=CentralProcessingUnit=中央处理器
现阶段GPU和CPU分工于完全不同的两个功能，即使现在GPU的计算能力超过了CPU，但是系统无法在其架构上运行，代替什么的就都是扯谈，超级电脑使用大量GPU也只是为了提高计算能力，其核心部分还是由CPU组成的。

APU=AcceleratedProcessingUnit=加速处理器
是AMD将显卡核心集成于CPU的产品，他的显卡核心是完全独立的。

再说一下INTEL的核显，Intel希望未来集成在CPU内部的GPU可以和CPU共用一部分总线资源，甚至未来融合之后共用物理晶体管资源，这样CPU就和GPU就合二为一了。

另外，APU是CPU集显，没有核显这个说法，请某些人自重！

⑷ 挖矿，躺着赚钱，挖矿为什么要用显卡

显卡使用的GPU进行的是通用计算。因此可以堆叠成百上千个流处理器，每一个流处理器就像是小小的CPU，虽然其运行复杂程序的能力远远没有CPU来的给力，但是架不住流处理器多，因此实际性能尤其是单精度浮点性能要比CPU强的多。挖包括比特币之内的动作大家可以认为是利用显卡在做不断地通用计算，并且这个计算复杂度比较低而且相当重复，显卡使用的流处理器正好适合这样的算法。

⑸ 显卡gpu利用率高好还是低好，在不玩游戏的情况下

有使用就有损耗
就相当于人劳动，参加活动，适当的活动是好的，经常大负荷的运动就不好
偶尔适当的占用是好事，经常占用高就会发热更高，加速老化
偶尔的占用会减少硬件受潮的可能

⑹ 闲置显卡处理,不想卖。

你一张N卡一张A卡还想交火？想多了
交火是说2张A卡同时使用，一般最好相同型号
N卡同理，SLI技术，比如两个1080那就666了，
一样一张洗洗睡吧，如果不想浪费可以组个二号机

⑺ 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？

⑻ 显卡算力多少一天才能挖到一个比特币

21.5*3600秒*24小时=1857600m/天
1857600/1024/1024=1.7715t/天
一T算力/天可以挖价值4.03元比特币
1.7715*4.03=7.14元一天

2017年以来，比特币连创新高，昨天（5月23日），比特币价值突破￥16000的大关，炒作虚拟货币，成为普罗大众都可以参与的事情，而稍微有点技术水平的，则既炒币，同时也开始了有技术含量的挖矿之行。

众所周知，虚拟货币都有一个数值顶峰，越往后就越难挖。持续挖下去，到底亏不亏本，其实都很难判断。因此到底怎么挖、挖什么才能最快的回本，本文就以目前的市场行情来对以上两个核心问题进行研究。

⑼ 淘宝维修显卡要长个心眼 前几天我邮寄显卡维修，对方说gpu坏了，要更换要360元 我要求

哈哈哈哈 更换相当于你拿钱买了个新的换上，旧的也是属于你，他凭什么不给你邮寄回来。

⑽ 请问各位大神 现在总说cuda什么的好 销售人员也总说显卡有cuda 怎么怎么样的 cuda到底是什么 有啥好处

CUDA有两个含义。

一是指CUDACore。即CUDA核心，NVIDIA显卡从Fermi架构起开始采用，Kepler架构亦沿用。CUDA核心是架构中最核心部分也是数量占绝对优势的部分，其实际上就是一个ALU，习惯上也可以叫做流处理器，是N卡的最基本运算单元。Fermi架构通常每组SM单元包含48个CUDACore，而Kepler架构每组SMX则包含192个。CUDACore的数量规模从根本上直接决定显卡的运算规模，也直接影响显卡的性能。GPU-Z中N卡的“着色器数量”（Shaders）里的数值即为CUDA核心的数量（注意仅限于Fermi和Kepler架构）。下面简单附上一张GK104核心剖析图，图中每个绿色小方块都代表一个CUDA核心。想要深入了解CUDA核心的工作原理还需要理解架构原理，这里不再介绍。

二是指CUDA环境，CUDA全称，是NVIDIA推行的一种通用计算架构，与OpenCL、DirectCompute等一样也是API的一种，基于C语言开发，特别针对CUDA核心架构的GPU开发，包含了多种先进的通用技术技术，例如并行架构等等。程序开发人员可以利用CUDA平台实现NVIDIA显卡的通用计算，利用GPU来参与大规模运算。

CUDA计算多用于专业领域，消费级市场应用不大。销售人员借此概念玩悬乎罢了。