❶ 1050 有礦卡嗎 小白一個想問問再買個二手1050
GTX1050顯卡，肯定沒有礦卡，你可以放心。
挖礦需要的是強大的算力，所以使用的都是高端顯卡，即使中端顯卡都不會考慮。
GTX1050顯卡，屬於10系列的低端顯卡，性能有限，無法用來挖礦，所以不會有這個版本的礦卡，放心吧。
❷ 顯卡挖礦好挖嗎
親測用1050ti也能挖，以挖狗狗幣為例，1050ti顯卡只有5-6MH/s的算力一天大約挖1.5-2個收益4-6元，扣完電費凈收益較低。頂配3080顯卡算力達到120 MH/s算力，一天挖五六十個沒問題，一天毛收益120+（不算電費），凈收益一百左右吧。
❸ 挖礦用什麼顯卡好
在加密貨幣領域，顯卡挖礦是一種通過解決計算難題來獲取數字貨幣獎勵的過程。選擇合適的顯卡對於挖礦效率至關重要。本文將探討挖礦用什麼顯卡好，幫助您選擇合適的硬體設備，提高挖礦收益。
顯卡挖礦，也稱為GPU挖礦，是利用顯卡的圖形處理單元（GPU）進行高速計算，解決特定的計算難題。這些難題通常涉及到哈希演算法、橢圓曲線演算法等。解決這些難題需要大量的計算能力和存儲空間，而顯卡在這方面具有優勢。
選擇合適的顯卡時，可以考慮NVIDIA和AMD這兩個主流品牌。NVIDIA是顯卡領域的領軍企業，其產品在性能和穩定性方面表現出色。NVIDIA的GeForce系列顯卡在挖礦方面具有廣泛的應用。其中，NVIDIA GeForce 1050 Ti、NVIDIA GeForce 1060、NVIDIA GeForce 1070、NVIDIA GeForce 1070 Ti、NVIDIA GeForce 1080、NVIDIA GeForce 1080 Ti、NVIDIA GeForce RTX 2060、NVIDIA GeForce RTX 2070等型號的顯卡在挖礦領域較為常見。而AMD是另一家顯卡製造商，其產品在價格和性能方面具有一定優勢。AMD的Radeon系列顯卡在挖礦方面也有一定的應用，例如，AMD Radeon RX 580、AMD Radeon RX 570、AMD Radeon RX 560等型號的顯卡在挖礦領域較為常見。
除了以上兩種品牌之外，還有Intel的集成顯卡等其他品牌的顯卡可供選擇。然而，考慮到挖礦需要大量的計算能力和存儲空間，建議選擇性能較強的獨立顯卡。
在選擇顯卡時，需要注意顯卡的算力，即每秒能夠進行的哈希運算次數。一般來說，算力越高，挖礦效率也越高。此外，還需要注意顯卡的功耗和溫度特性。高功耗可能導致過熱和縮短硬體壽命，而低功耗則可以降低電力成本並減少散熱需求。因此，在選擇顯卡時，建議選擇功耗適中且散熱性能良好的產品。對於挖礦而言，顯存大小也是一個重要的考慮因素。一般來說，顯存越大，能夠處理的計算任務也越多。因此，在選擇顯卡時，建議選擇具有足夠大顯存容量的產品。
在選擇顯卡時，還需要考慮其穩定性和兼容性。確保選擇的顯卡與您的計算機系統和操作系統兼容，並且能夠在長時間運行下保持穩定。最後，需要關注市場供應和價格情況。由於加密貨幣市場的波動性較大，顯卡的價格也會隨之變化。在購買時，建議根據當前市場情況和您的預算做出合適的選擇。
綜上所述，選擇合適的顯卡對於挖礦效率至關重要。在選擇顯卡時，需要綜合考慮其性能、功耗、溫度、顯存大小、穩定性和兼容性等方面因素。同時，還需要關注市場供應和價格情況。綜合考慮這些因素，選擇最適合您需求的顯卡，可以提高挖礦收益並降低成本。
❹ 實現人工智慧的三要素
數據——人工智慧的糧食
實現人工智慧的首要因素是數據，數據是一切智慧物體的學習資源，沒有了數據，任何智慧體都很難學習到知識。自從有記錄以來，人類 社會 發展了數千年，在這期間，人類 社會 不斷發展變化，從最早的原始 社會 到奴隸 社會 ，再到封建 社會 、資本主義 社會 、 社會 主義 社會 ，未來還會發展到共產主義 社會 ，在這漫長的發展過程中，都少不了數據做為人類 社會 發展的動力。
人類 社會 之所以發展的越來越高級文明，離不開學習知識，而知識的傳播流傳越快，則 社會 發展也越快，在封建 社會 以前，知識的傳播從口口相傳到甲骨文，再到竹簡記錄，就算是封建 社會 後期的紙質記錄，其知識的傳播速度也無法和今天的互聯網知識的傳播速度相提並論。
一般來說，知識的獲取來自兩種途徑，一種是通過他人的經驗而獲得的知識，也就是他人將知識整理成冊，然後供大家學習，這也是目前的主流學習方式；另一種就是通過自己的 探索 而獲得的知識，這種學習方式目前只存在高精尖領域的知識學習，由於在已有的開放 社會 資源中，找不到可以學習的知識，只有自我 探索 獲取。
無論哪種學習方式，都要通過學習載體來傳播知識，無論是面對面講述，實踐操作，還是書本記錄，或是電子刊物，亦或者影像資料等，這些都是學習載體，我們都可以稱其為數據，學習數據的質量從根本上影響了學習的效果，所以對於人類學習而言，找一個好的老師，有一本好的書籍都是非常重要的學習選擇。
既然人類的學習非常依賴於數據的質量，那麼AI學習知識的時候，是否也會存在同樣的問題呢？答案當然是肯定的，不僅如此，而且AI學習知識的時候對於數據的依賴還要高於人類。人類相比目前的AI而言，是具有推理能力的，在學習某些具有關聯性知識的時候，通過推理聯想可以獲得更多的知識。從另一角度來講，在某種特定場景下，即使數據不夠完整全面，對於人類的學習影響也不會太大，因為人類會利用推理和想像來完成缺失的知識。而目前AI的推理能力還處於初級研究階段，更多的難題還等著業內技術人員來攻克。
由此可見，目前AI學習知識大部分基本都是依賴於數據的質量的，在這種情況下，連人工智慧專家吳恩達都發出人工智慧=80%數據+20%演算法模型的感慨，可見人工智慧的「糧食安全」問題還是非常緊迫的，如果「糧食」出現了質量安全問題，那麼最終將會導致人工智慧「生病」。可見數據的好壞基本上大概率的決定了智能化的高低，有人會說，我可以通過提高演算法模型來提高效果啊，不幸的是，在數據上稍微不注意造成了質量問題，需要在演算法上歷盡千辛萬苦來提高效果，而且還不一定彌補得上，數據對於人工智慧最終的發展結構可見一斑。
算力——人工智慧的身體
算力是實現人工智慧的另一個重要因素，算力在一定程度上體現了人工智慧的速度和效率。一般來說算力越大，則實現更高級人工智慧的可能性也更大。算力是依附於設備上的，所以一般談論算力，都是在說具體的設備，比如CPU、GPU、DPU、TPU、NPU、BPU等，都是屬於算力設備，只是他們有各自不同的能力而已。具體介紹可以閱讀 《CPU、GPU、DPU、TPU、NPU...傻傻分不清楚？實力掃盲——安排!》 一文，介紹相當全面，從APU到ZPU，各種PU全部介紹完了，掃盲是夠了。
算力設備除了上面的各種PU之外，每一種設備下面還會分不同的系列，比如英偉達的GPU在PC端有消費級的GeForce系列，專業制圖的 Quadro 系列、專業計算的 Tesla系列 等，而GeForce系列細分還可以分為GT、GTX、RTX等，當然每種子系列下還可以繼續細分，比如GTX下面有GTX1050、GTX1050Ti......GTX1080、GTX1080Ti，還有GTX Titan等更強大的系列，RTX下面也一樣包括了更詳細的等級劃分，具體選擇哪個系列要看具體使用場景而定，當然還和自身的消費實力相關，算力性能越強大也意味著更多的真金白銀。
下面是RTX20系列的各種顯卡的性能對比：
RTX30系列的各種顯卡的對比：
此外，英偉達還有嵌入式端的各種顯卡系列，比如適用於自主機器AI平台的JetSon系列、DRIVE AGX系列、Clara AGX系列等，以及雲端的一些計算資源。同樣每種系列還是做了進一步的細分，比如Jetson下面就根據其算力核心數就分成了Jetson Nano、Jetson TX2、Jetson Xavier NX、Jetson AGX Xavier等四款設備。
對於廠家而言，產品分的越細，越利於宣傳和推廣，對於消費者而言，可選擇性也大大增加，但是也對消費者的基本知識也有了要求，如果不清楚各種產品的差異，那麼就很容易選擇錯誤，而現在的顯卡市場就是如此，需要一些專業的知識才能夠選對自己所需的顯卡類型。希望大家經過科普後都能夠選對自己的顯卡型號，是打 游戲 、制圖、還是計算，心裡要有一個對應的系列型號才行，不然可要陷入選擇困難症中了。
以目前人工智慧主流技術深度學習為例，它的學習過程就是將需要學習的數據放在在算力設備上運行，經過神經網路億萬次的計算和調整，得到一個最優解的過程。如果把數據當成人工智慧的「糧食」，那麼算力就是撐起人工智慧的「身體」，所有的吃進去的「糧食」都需要「身體」來消化，提取「營養」幫助成長。同樣，人工智慧的數據也是需要經過算力來逐一運算，從而提取數據的特徵來作為智能化程度的標志的。
演算法——人工智慧的大腦
演算法是人工智慧程序與非人工智慧程序的核心區別，可以這么理解，就算有了數據、有了算力，但是如果沒有核心算力，也只能算是一個看起來比較高大上的資源庫而已，由於沒有演算法的設計，相當於把一大堆的資源堆積了起來，而沒有有效的應用。而演算法就是使得這對資源有效利用的思想和靈魂。
演算法和前兩者比起來，演算法更加的依賴於個人的思想，在同一家公司里，公司可以給每個演算法工程師配備同樣的數據資料和算力資源，但是無法要求每個演算法工程師設計出來的演算法程序的一致性。而演算法程序的不一致性，也導致了最終智能化的程度千差萬別。
相對於數據是依賴於大眾的貢獻，算力是依賴於機構組織的能力，而演算法更加的依賴於個人，雖然很多公司是演算法團隊，但是真正提出核算演算法思想的也就是那麼一兩個人，毫不誇張的說其他人都是幫助搬磚的，只是這種演算法層面的搬磚相對純軟體工程的搬磚，技能要求要更高而已。這點和建築設計一樣，很多著名的建築設計，其思想都是來自於一個人或者兩個人，很少見到一個著名的設計其思想是由七八個人想出來的。
由於演算法設計的獨特性，和數據與算力相比，在人工智慧的三個要素中，演算法對人工智慧的影響更大，這是因為在平時的工作當中，只要大家花上時間和費用，基本都可以找到好一些的數據和算力設備，但是演算法由於其獨特性，很多的演算法是有專利或者沒有向外界開源的，這個時候的差異就要在演算法上體現出來了。
現在的大學和培訓機構的人工智慧專業，其學習方向也主要是以演算法為主。因為數據是由大眾產生，又由一些互聯網大廠存儲的，一般個人很少會去做這一塊；而算力設備是由晶元公司控制著的；做為獨立的個人最能夠發揮效力的就在人工智慧的演算法方向了。培養優秀的演算法人才對於人工智慧的發展至關重要。目前市場上關於圖像視覺、語音信號、自然語言、自動化等方向的演算法工程師供不應求，薪資水平也是遠超其他互聯網軟體行業的崗位。
後記：
當前，國內人工智慧發展正處於高速成長期，未來將會進入爆發期，無論從業者是處於人工智慧的數據處理方向，還是人工智慧的算力設備研發方向，或者是人工智慧的演算法研發方向，都將會迎來巨大的行業紅利和豐厚的回報。而人工智慧演算法方向又是學習回報比最高的一個方向，做為沒有背景的個人，是進入人工智慧行業的最佳選擇 。
文/deep man
❺ 1050挖礦一天賺多少
1050挖礦一天賺3500~4000美金。如果按2021年9月份的以太坊的價格來計算的話，現在的以太坊價格基本上維持在3500~4000美金左右。你的電腦的顯卡算力是1050，這就意味著你每天可以挖到170~190元的以太坊。當然這個價格並不固定，這不僅需要看你實際算力如何，也需要看你的礦池，更需要看當前以太坊的價格。
❻ 1050ti和1650差多少
GTX1050Ti和GTX1650主要是差在架構、紋理單元、流處理器數量、核心頻率、顯存頻率上，對於這一點還是需要了解的。
在架構上，GTX1050Ti採用的是基於16納米工藝的GP107-400帕斯卡架構，而GTX1650則是採用的基於12納米工藝的TU117-300圖靈架構，相對來說，GTX1650的性能提升也是比較明顯的。
除此之外，GTX1050Ti的紋理單元為48、流處理器數量為768個，而GTX1650的紋理單元則為74、流處理器數量則為896個。
GTX1050Ti的核心頻率為1290~1392MHz，顯存頻率為7008MHz，而GTX1650的核心頻率則為1485~1665MHz，顯存頻率為8004MHz。
資料拓展：顯卡是個人計算機最基本組成部分之一，用途是將計算機系統所需要的顯示信息進行轉換驅動顯示器。
並向顯示器提供逐行或隔行掃描信號，控制顯示器的正確顯示，是連接顯示器和個人計算機主板的重要組件，是「人機對話」的重要設備之一。
❼ 小顧講堂：相同功耗的CPU和GPU哪個算力更強
相同功耗的，也就是常見百w以內的CPU和gpu，顯卡是gtx1050ti功耗75w，像gtx1060功耗130w，CPU可以是i7六核十二線程級別，還是CPU性能是專門用於數據處理的，性能相對較強，
如果排除功耗，高端獨顯晶元運算性能早就超過了CPU速度。
❽ 1050ti鍜1060鎼鐮栧規瘮
1060鐨勬ц兘鏇撮珮涓浜涖
1銆1050Ti鐨勭畻鍔涘ぇ綰︿負12MH/s錛屽姛鑰楀ぇ綰︿負70W宸﹀彸銆
2銆1060鐨勭畻鍔涘垯鍦20-24MH/s涔嬮棿錛屽姛鑰楀ぇ綰︿負120W宸﹀彸銆
❾ 1030礦卡多嗎
1030礦卡不多嗎。因為10系顯卡中的GT1030礦卡最少，GT1030顯卡因為算力非常低所以礦卡最少，GTX1050沒有礦卡。所以1030礦卡不多嗎。