gpu挖矿cuda8

❶ 最新版GuiMiner不支持N卡的CUDA功能挖矿吗我惦记新建CUDA采矿器，设置好后惦记“开始采矿”没反应啊

放弃吧，还是用A卡或是买机器

❷ 显卡怎么挖矿，如何设置GPU挖矿设备

设置挖矿设备的第一步是选择合适的硬件。本文将重点讲 GPU (显卡) 挖矿，当然你可以使用CPU 或者 ASIC 设备挖矿。 AMD 显卡的架构对挖矿非常有利， Nvidia 卡由于哈希率特低，不适于挖矿。最好的 Nvidia 显卡也不足 0.5 megahash。笔记本硬件挖矿还比不上 Nvidia 卡，是挖矿的糟糕选项。您需要使用台式机系统进行挖矿。有台式机系统可以确保硬件充分冷却。

显卡或卡需要能够和主板匹配，电源也必须有足够的 PCI-E 接头。在确定显卡前，要注意这些。为了让系统充分冷却，你需要将机箱的盖子拆下，以便更好地散热。这就是人们所说的“open- air rig(开放设备)”。如果你能让系统对准风扇或空调，你可以让设备在运行时更加凉爽，从而延长设备寿命并保持高效。

❸ cuda 8.0对应什么cudnn版本

ubuntu14.04 64位的cudnn6.0版本。

❹ n卡gtx770挖矿用cuda挖亏不亏本cpu是e3-1230v3。还有，gtx770可以通过刷

很亏本，N卡不适合挖矿，最适合的是5870
770刷bios可以提升性能

❺ cuda8.0怎么安装

步骤如下：
1.下载安装CUDA：
1.1 下载。请到 cuda官网，选择合适的版本。如果版本不合适，安装的时候会提示的，但还是下载最新的比较好；

1.2 安装。双击cuda_7.5.18_win10.exe,一步步来就好。

2.VS2013配置和测试
2.1 重启计算机。关于是否添加环境变量，笔者安装的时候系统已自动添加好对应的环境变量，如果没有，请查看上文链接的博文；
2.2 配置VS。也请参考上述博文，不再赘述。

3.测试
上两个测试文件。
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 库 + CUBLAS 库
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 // 定义测试矩阵的维度
11 int const M = 5;
12 int const N = 10;
13
14 int main()
15 {
16 // 定义状态变量
17 cublasStatus_t status;
18
19 // 在 内存 中为将要计算的矩阵开辟空间
20 float *h_A = (float*)malloc (N*M*sizeof(float));
21 float *h_B = (float*)malloc (N*M*sizeof(float));
22
23 // 在 内存 中为将要存放运算结果的矩阵开辟空间
24 float *h_C = (float*)malloc (M*M*sizeof(float));
25
26 // 为待运算矩阵的元素赋予 0-10 范围内的随机数
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 // 打印待测试的矩阵
34 cout << "矩阵 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 << "矩阵 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 计算矩阵相乘
49 */
50
51 // 创建并初始化 CUBLAS 库对象
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 对象实例化出错" << endl;
59 }
60 getchar ();
61 return EXIT_FAILURE;
62 }
63
64 float *d_A, *d_B, *d_C;
65 // 在 显存 中为将要计算的矩阵开辟空间
66 cudaMalloc (
67 (void**)&d_A, // 指向开辟的空间的指针
68 N*M * sizeof(float) //需要开辟空间的字节数
69 );
70 cudaMalloc (
71 (void**)&d_B,
72 N*M * sizeof(float)
73 );
74
75 // 在 显存 中为将要存放运算结果的矩阵开辟空间
76 cudaMalloc (
77 (void**)&d_C,
78 M*M * sizeof(float)
79 );
80
81 // 将矩阵数据传递进 显存 中已经开辟好了的空间
82 cublasSetVector (
83 N*M, // 要存入显存的元素个数
84 sizeof(float), // 每个元素大小
85 h_A, // 主机端起始地址
86 1, // 连续元素之间的存储间隔
87 d_A, // GPU 端起始地址
88 1 // 连续元素之间的存储间隔
89 );
90 cublasSetVector (
91 N*M,
92 sizeof(float),
93 h_B,
94 1,
95 d_B,
96 1
97 );
98
99 // 同步函数
100 cudaThreadSynchronize();
101
102 // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。
103 float a=1; float b=0;
104 // 矩阵相乘。该函数必然将数组解析成列优先数组
105 cublasSgemm (
106 handle, // blas 库对象
107 CUBLAS_OP_T, // 矩阵 A 属性参数
108 CUBLAS_OP_T, // 矩阵 B 属性参数
109 M, // A, C 的行数
110 M, // B, C 的列数
111 N, // A 的列数和 B 的行数
112 &a, // 运算式的 α 值
113 d_A, // A 在显存中的地址
114 N, // lda
115 d_B, // B 在显存中的地址
116 M, // ldb
117 &b, // 运算式的 β 值
118 d_C, // C 在显存中的地址(结果矩阵)
119 M // ldc
120 );
121
122 // 同步函数
123 cudaThreadSynchronize();
124
125 // 从 显存 中取出运算结果至 内存中去
126 cublasGetVector (
127 M*M, // 要取出元素的个数
128 sizeof(float), // 每个元素大小
129 d_C, // GPU 端起始地址
130 1, // 连续元素之间的存储间隔
131 h_C, // 主机端起始地址
132 1 // 连续元素之间的存储间隔
133 );
134
135 // 打印运算结果
136 cout << "计算结果的转置 ( (A*B)的转置 )：" << 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 // 清理掉使用过的内存
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 // 释放 CUBLAS 库对象
152 cublasDestroy (handle);
153
154 getchar();
155
156 return 0;
157 }

❻ 怎么限制显卡挖矿速度

没用过N卡的，按A卡和U的习惯，I是控制优先级的，I值越高，电脑越卡，越低，挖矿就慢，就可以干别的

❼ 以太坊gpu挖矿程序是怎样的

GPU挖掘

硬件

算法是内存难解的，为了使DAG适合内存，每个GPU需要1-2GB内存，如果你得到错误提示：Error GPU mining. GPU memory fragmentation? 说明你没有足够的内存。GPU挖矿软件是基于OpenCL实现的，AMD GPU会比同一水准的NVIDIA GPU更快。ASIC和FPGA相对低效因而被阻拦。要给芯片集成平台获取openCL，尝试：
AMD SDK openCL
NVIDIA CUDA openCL
Ubuntu Linux设置

对于这个快速指南，你会需要Ubuntu 14.04或15.04以及fglrx图像驱动器。你也可以使用NVidia驱动器和其他平台，但是你必须要找到自己的方式来获得有效的OpenCL安装，比如Genoil的ethminer分叉。
如果你在用15.04，到"软件与更新〉额外的驱动器"设置为"从fglrx为AMD图形加速器使用视频驱动器"。
如果你在用14.04，到"软件与更新〉额外的驱动器"设置为"从fglrx为AMD图形加速器使用视频驱动器"。很遗憾，对于一些人来说，这种方法可能不管用，因为Ubuntu 14.04.02中有个已知的程序错误会阻止你转换到GPU挖矿所必须的专属图形驱动器。
所以，如果你遇到这个程序错误，先到"软件与更新〉更新"选择"预发行的可靠更新提议"。然后，回到"软件与更新〉额外的驱动器"设置为"从fglrx为AMD图形加速器使用视频驱动器"。重启之后，值得检查一下现在确实正确安装了驱动器（例如通过再到"额外驱动器"）。
不管做什么，如果你在用14.04.02，一旦安装之后，就不要改变驱动器或者驱动器配置。例如，aticonfig –initial的使用（尤其是-f, –force选项）会"破坏"你的设置。如果你偶然改变了配置，会需要卸载驱动器，重启，再次安装驱动器并重启。

❽ 怎么用N卡的cuda挖矿

比特币800是提供比特币资讯，比特币客户端，比特币教程，比特币挖矿，比特币行情等比特币相关信息的比特币中文门户。

❾ GPU高性能运算之CUDA，CUDA编程报错，大牛帮忙解答啊

唉，是自己粗心大意，忘了给main函数入口了，在主机端代码中加上函数声明和主函数就行了:
//函数声明
void runTest(int argc, char** argv);
//主函数
int main(int argc, char** argv)
{
runTest(argc,argv);
CUT_EXIT(argc,argv); //退出CUDA
}