cpu與顯卡算力

『壹』 相同功耗的前提下，cpu和gpu哪個算力更強

CPU和GPU兩者的主要的用途是不一樣的，所以這個也不是特別好對比，相同功耗的前提下肯定是CPU綜合算力更強一些。 GPU的算力是專門在圖形方面的。在這個方面強一些。

『貳』 算力主要靠顯卡哪部分性能

是顯示能力和效果（顯卡的性能指標，GPU運算能力，渲染能力）其次是CPU的運算能力，2者是相互配合的。沒有高速的CPU運算和指令顯卡是無法執行的。

『叄』 為什麼顯卡的浮點運算能力比CPU高幾十倍

這是有關圖形圖像的演算法問題。cpu中運行的是程序，程序絕大部分都是整數運算。而圖形圖像的運算，尤其是3d的運算，是把圖像中的主體按照微積分的原理，有無數個三角形構成的，三角函數的運算，大量的是浮點運算。所以...
...
顯卡是處理圖形圖像最好的硬體，所以，很多開發商注重這一方面的處理速度。

『肆』 GPU和CPU到底誰運算能力強

GPU的運算能力的確比CPU強按現在的形勢看，理論上GPU比CPU運算能力強、設計的復雜度已經比CPU高，而電腦的其他配件的集成度也會越來越高，GPU也能通過軟體運行一些CPU的工作。
兩者的側重點不同，GPU針對的是圖像，CPU針對的是數據，兩者不好做比較，如果非要比的話，GPU要強於CPU。

『伍』 挖比特幣的算力不應該是CPU么為何漲價的是顯卡

cpu就是幾個指揮官，gpu就是很多士兵，你挖礦是用指揮官還是用士兵？

首先，一開始比特幣是用cpu挖的，但是cpu核心數少，挖礦的演算法是簡單但是繁雜的演算法，就不需要很強的核心，需要大量的小核心同時計算，於是開發出了顯卡挖礦的方法。現在再後來，又開發出了專業礦機，只有計算功能，沒有顯示功能，算力超大，效率高。目前已經沒有人用顯卡挖比特幣了，都是專業的礦機。

顯卡基本上都在挖以太坊。不過目前也有以太坊礦機陸續上市，全網算力暴漲，以太坊2.0也提上日程，相信未來的顯卡將會降價。

CPU和GPU的內部結構的差異比較大，CPU採用了數量很少、但性能更強大的ALU（算術運算單元），而GPU則採用了數量龐大、結構卻更簡單的ALU，因此，CPU和GPU的性能特點也截然不同了：CPU側重於復雜的邏輯控制和通用串列運算，而GPU則偏向於處理大規模並發計算（圖形和圖像處理，也屬於這種運算），所以CPU和GPU屬於各司其職。

挖比特幣不需要很高的單核算力，需要的核心數，正好GPU核心數量多所以需要顯卡

小盆友，GPU可曾聽說？

這種問題不是應該去網路么？

『陸』 電腦CPU和GPU運算機制是什麼

首先，電腦的所有任務都是由CPU通過程序設定來判斷和分派的，適合CPU進行的運算任務，CPU就留下來完成；適合GPU進行的運算任務，就提交給GPU來搞。當程序不清楚要交給誰的時候，CPU都會大包大攬照單全收。
除了圖形運算任務外，很多通用計算（尤其是大規模高密度並行運算）都適合GPU來做，因此，這一類計算任務在編程時，就會調用GPU的算力，對GPU運算進行專門的優化。這樣，就可以將CPU解放出來，提升系統的處理速度。英偉達的CUDA技術就是如此，可以提供恐怖的視頻編解碼速度、挖礦能力、科學計算能力等等。
所以，編程和硬體設計研發同等重要。

『柒』 「礦機」的算力為什麼在顯卡上，而不是CPU處理器呢

之所以挖礦用顯卡而不用CPU,關鍵在於顯卡的核心部件——GPU,GPU作為圖形處理器,它其實也是一種高性能計算晶元,GPU也具備很強的運算能力,只不過GPU的運算能力跟CPU的側重點不同。

cpu……一個頂級28核心e7怕是都趕不上一個狗屎般的gt1030，在某些方面。

原理來說，假如cpu有二百多個功能，顯卡只有幾個，礦機的asic晶元只有兩個……所以礦機晶元結構很簡單，也就很容易可以設計和改進

礦機一般有幾百或者上千個晶元，當然比顯卡一個晶元強

CPU最多有三位數的核心，可是GPU卻都能輕輕鬆鬆上幾百甚至幾千。

『捌』 挖比特幣為什麼用顯卡 不用CPU

比特幣早期通過CPU來獲取，由於工作方式不同。CPU主要是做全功能的運算核心數量少運算能力有限（GPU是非常多的運算核心進行專項運算）。隨著GPU通用計算的優勢不斷顯現以及GPU速度的不斷發展，礦工們逐漸開始使用GPU取代CPU進行挖礦。比特幣挖礦採用的是SHA-256哈希值運算，這種演算法會進行大量的32位整數循環右移運算。有趣的是，這種演算法操作在AMD GPU里可以通過單一硬體指令實現，而在NVIDIA GPU里則需要三次硬體指令來模擬，僅這一條就為AMD GPU帶來額外的1.7倍的運算效率優勢。憑借這種優勢，AMD GPU因此深受廣大礦工青睞。目前已經離開GPU運算了。逐漸轉變為專用晶元運算，目前礦工們已經開始普遍使用集成電路（ASIC）礦機，這類礦機雖然僅可用於挖比特幣，別的幣種尚無法使用，但單台礦機便可達到百萬兆的級別，尤其受到四川、貴州等地區的礦場老闆的鍾愛。成千上萬台專業礦機馬力全開，散戶們在這么強大的算力面前，搶到比特幣的可能微乎其微。

『玖』 為什麼cpu用頻率gpu用算力

CPU的浮點運算能力比GPU差了
CPU單個核心浮點運算能力比GPU強多了
在不考慮 指令集 緩存 優化的情況下 你光看主頻就知道了
GPU核心最高也就1Ghz左右
CPU核心卻要3-4Ghz
區別是CPU最多也就十幾個核心
GPU動輒幾百上千個核心

更別說CPU核心指令集更全面 GPU核心基本只有SIMD指令(因為GPU主要是用於圖形處理 向量運算遠比標量運算多 並且對CPU來說多一套指令運算單元 就是幾個核心的成本 對GPU來說就是多幾百上千個核心的成本)
CPU處理一次標量乘法只要一次標量乘法指令
GPU卻把標量先轉換成向量 然後用一條SIMD指令

CPU每個核心有獨立的緩存 GPU基本是所有核心共享一個緩存(GPU主要做圖形渲染 所有核心都執行同一份指令 獲取同樣的數據 CPU主要是執行多個串列任務 每個核心可以處理不同的任務 從不同地方獲取不同的數據)
所以CPU單核性能秒GPU單核十條街

CPU每個核心都有獨立的優化 分支預測 亂序執行之類的
GPU亂序執行可以有 因為所有核心都干一樣的事情 可以共享一份指令 不需要獨立的亂序執行 （不過一般不會有 因為這個功能可以直接放到編譯器中實現 因為GPU的開發語言少 基本只有GLSL和HLSL 編譯器是廠商自己開發的 不像CPU那樣 開發語言多如牛毛 各種編譯器五花八門 指令集大相徑庭 所以才迫切需求這種動態的亂序執行優化）
分支預測肯定不會有 成本上來說分支預測不能共享 每個核心都多一個分支預測的邏輯單元成本太大
關鍵是根本就不需要 GPU程序一般都很短 本來就可以全部裝載到高速緩存中 其次是對於GPU處理的任務而言 分支預測也無意義

『拾』 為什麼GPU的通用計算能力高於CPU

這個問題問的不嚴謹，」通用計算「能力是什麼？CPU，GPU各有優勢，劣勢，因為本來的設計目標就不一樣。脫離應用場景談快慢就是耍流氓。前面有朋友提到GPU對cache依賴小，這是對的，但沒有把原因講出來。我試著解釋一下。GPU對cache依賴小是因為他可以有效的hide memory latency。這個是通過高並行來實現的。每個GPU核有64個warp（相當於CPU的hardware threads），而CPU每個核的hardware thread一般只有2個。這也就是說，一個GPU核可以同時存64個線程，而CPU只能存2個。在GPU中，你context switch到另外63個線程中的任意一個都不需要讀寫內存。而CPU中只有換到另外一個線程的時候才不用讀寫內存。這個的結果就是GPU在線程之間做context switch的開銷非常小因為他另一個線程寄存器的值一般都在核的寄存器里。而CPU做context switch的開銷往往很大因為要把當前線程寫入內存再從內存把目標線程的寄存器的值讀出來。