rx470算力功耗

1. 2022年显卡算力天梯图

显卡在Ethash算法算力的表现如下：

Nvidia CMP 170HX，算力为165 MH/s。

Nvidia RTX 3090，算力为121.16 MH/s。

AMD Radeon VII，算力为104.6 MH/s。

Nvidia RTX A30，算力为102 MH/s。

Nvidia RTX 3080，算力为97.88 MH/s。

Nvidia RTX A5000与Nvidia RTX A6000，算力均为93.6 MH/s。

Nvidia CMP 90HX，算力为86 MH/s。

AMD RX 6800与AMD RX 6800 XT，算力均为63.44 MH/s。

Nvidia RTX 3070，算力为61.79 MH/s。

Nvidia RTX 3060Ti，算力为60.21 MH/s。

Nvidia RTX 2080Ti，算力为59.21 MH/s。

AMD RX 6900 XT，算力为60.44 MH/s。

Nvidia RTX 3080Ti，算力为58.68 MH/s。

AMD RX 5700 XT，算力为54.28 MH/s。

Nvidia RTX A4000，算力为54.6 MH/s。

AMD RX 5700，算力为50.99 MH/s。

Nvidia RTX 3060，算力为49.64 MH/s。

AMD RX Vega 64，算力为49.25 MH/s。

AMD RX 6700 XT，算力为47.02 MH/s。

Nvidia RTX 3080 LHR，算力为48.88 MH/s。

Nvidia Titan XP，算力为49.02 MH/s。

Nvidia Tesla P100-PCIE-16GB，算力为44.85 MH/s。

Nvidia GTX 1080Ti，算力为45.68 MH/s。

Nvidia RTX 2080 Super，算力为44.54 MH/s。

Nvidia P102-100，算力为44.55 MH/s。

Nvidia CMP 50HX，算力为45 MH/s。

AMD RX 5600 XT，算力为37.65 MH/s。

Nvidia RTX 2060 Super，算力为37.67 MH/s。

Nvidia RTX 2080，算力为37.53 MH/s。

Nvidia RTX 3070Ti，算力为39.18 MH/s。

Nvidia RTX 2070 Super，算力为37.18 MH/s。

Nvidia RTX 2070，算力为36.63 MH/s。

AMD RX 580，算力为32.74 MH/s。

Nvidia CMP 40HX，算力为36 MH/s。

Nvidia RTX 3060 LHR V2，算力为33.54 MH/s。

Nvidia GTX 1080，算力为35.16 MH/s。

AMD RX Vega 56，算力为35.97 MH/s。

AMD RX 470与AMD RX 570，算力分别为31.57 MH/s与31.31 MH/s。

Nvidia GTX 1660 Super，算力为31.61 MH/s。

Nvidia P104-100，算力为32.51 MH/s。

Nvidia RTX 3070 LHR，算力为30.79 MH/s。

Nvidia CMP 30HX，算力为29.43 MH/s。

AMD RX 6600 XT，算力为28.32 MH/s。

AMD Vega Frontier Edition，算力为31.14 MH/s。

Nvidia RTX 3060Ti LHR，算力为30.21 MH/s。

Nvidia GTX 1070Ti，算力为28.58 MH/s。

AMD RX 590，算力为29.53 MH/s。

AMD RX 480，算力为25.54 MH/s。

Nvidia GTX 1660Ti，算力为25.72 MH/s。

Nvidia RTX 2060，算力为27.71 MH/s。

Nvidia GTX 1070，算力为26.27 MH/s。

AMD RX 5500 XT，算力为25.07 MH/s。

Nvidia GTX 1660，算力为21.28 MH/s。

Nvidia P106-100，算力为21.77 MH/s。

Nvidia GTX 1060，算力为20.03 MH/s。

AMD RX 460，算力为13.13 MH/s。

Nvidia GTX 1650，算力为11.37 MH/s。

AMD RX 560，算力为10.27 MH/s。

Nvidia Titan V，算力为74.37 MH/s。

Nvidia CMP 220HX，算力为210 MH/s。

AMD RX 550，算力为11.97 MH/s。

Nvidia GTX 1050Ti，算力为15.98 MH/s。

Nvidia GTX 1050，算力为12.53 MH/s。

Nvidia GTX 1650 Super，算力为0 MH/s。

2. rx470鏄惧崱鎸栫熆绠楀姏21.5mh/s锛岄偅涔堟崲绠楁垚涓澶╃畻鍔涙槸澶氬皯T

鍒鑰冭檻鎸栫熆浜嗭紝绛変綘瑁呬簡鐭挎満浠锋牸鎺ユ湁鍙鑳戒笅闄嶄簡銆傛暣浣撶畻涓嬫潵涓澶╃殑鐢佃垂閮戒笉澶熴傜熆鏈虹殑璇濊嚦灏戝惖寮鍜6涓鍗℃墠鍗囩洴鏈夋晥鏋滐紝浠ュ墠鐨凥D7850鐨勯熷害鏉ヨ翠竴涓鏈堜篃闅惧勪竴涓姣旂壒甯侀椆鍘咃紒

3. 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

4. 显卡挖矿决定速度的主要是什么

比特币早期通过CPU来获取，而随着GPU通用计算的优势不断显现以及GPU速度的不断发展，矿工们逐渐开始使用GPU取代CPU进行挖矿。比特币挖矿采用的是SHA-256哈希值运算，这种算法会进行大量的32位整数循环右移运算。有趣的是，这种算法操作在AMD GPU里可以通过单一硬件指令实现，而在NVIDIAGPU里则需要三次硬件指令来模拟，仅这一条就为AMD GPU带来额外的1.7倍的运算效率优势。凭借这种优势，AMD GPU因此深受广大矿工青睐。

劝告楼主如果预算不多还是不要挖了！！！这钱不是想赚就能赚的

比特币的难度不断增加，用显卡挖矿是在与时间赛跑，其最主要的原因是比特币挖矿的难度在逐渐增加（比特币的算法设计的原因）。如果某套平台按目前难度每天能够获取1个比特币的话，那么一个月后，同样算力的平台可能只会获得0.8个，连最顶级的显卡也挖18.2天才得到个（其中还不能中断关机），最低的HD7750二手都要400多（要214天才能挖到一个），看看这图就知道了（这是今年5月数据，现在不止18天了）

人家正规的挖矿买几万一台的矿机才能赚（几十个顶级显卡堆在一起运算的矿机）

希望能帮你

5. rx470显卡挖矿算力21.5mh/s，那么换算成一天算力是多少T

快矿难了！哈哈

6. 显卡怎么计算挖矿算力

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

(6)rx470算力功耗扩展阅读：

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。

7. 1060显卡算力多少

挖矿效率单位一般为hash/s，即每秒能够获得的哈希值量，GPU多能达到MegaHash/s的级别
GTX1060挖矿计算力达到18.7MH/s，比RX470挖矿计算能力22.4MH/s还落后一些

8. rx480鏄惧崱绠楀姏鏄澶氬皯t

1. GPU鏈嶅姟鍣ㄦ槸涓绉嶅熀浜嶨PU鐨勮＄畻鏈嶅姟锛屽箍娉涘簲鐢ㄤ簬瑙嗛戠紪瑙ｇ爜銆佹繁搴﹀︿範銆佺戝﹁＄畻绛夐嗗煙銆傚畠閫氳繃鎻愪緵鍑鸿壊鐨勫浘褰㈠勭悊鑳藉姏鍜岄珮鎬ц兘璁＄畻鑳藉姏锛屾湁鏁堟彁鍗囦骇鍝佺殑璁＄畻澶勭悊鏁堢巼鍜岀珵浜夊姏銆
2. 鏄惧崱鎸栫熆绠楀姏鏄鎸囨樉鍗″湪鎸栫熆杩囩▼涓姣忕掕兘澶勭悊鐨勮＄畻娆℃暟銆備緥濡傦紝rx470鏄惧崱鎸栫熆绠楀姏涓215mh/s銆傝佸皢杩欎釜鍗曚綅杞鎹涓篢锛岄渶瑕佺煡閬1T绛変簬1000000mh/s銆傚洜姝わ紝215mh/s绛変簬0.000215T銆
3. 绠楀姏鏄鎸囪＄畻璁惧囬氳繃澶勭悊鏁版嵁锛屽疄鐜扮壒瀹氱粨鏋滆緭鍑虹殑璁＄畻鑳藉姏銆傜畻鍔涘箍娉涘瓨鍦ㄤ簬鎵嬫満銆丳C銆佽秴绾ц＄畻鏈虹瓑鍚勭嶇‖浠惰惧囦腑銆傚湪鍖哄潡閾句腑锛岀畻鍔涢氬父鏄鎸囨寲鐭挎満鎸栧嚭姣旂壒甯佺殑鑳藉姏銆
4. 2023骞寸畻鍔涢緳澶翠笂甯傚叕鍙稿寘鎷鎷撶淮淇℃伅銆佺戝ぇ璁椋炲拰棣栭兘鍦ㄧ嚎銆傝繖浜涘叕鍙搁氳繃鎻愪緵楂樻ц兘鐨勮＄畻鏈嶅姟锛屽湪浜哄伐鏅鸿兘銆佷簯璁＄畻绛夐嗗煙鍙栧緱浜嗘樉钁楃殑鎴愬氨銆
5. 鏄惧崱鎸栫熆绠楀姏鐨勮＄畻鏂规硶鏄灏嗘樉鍗＄殑鎸栫熆绠楀姏锛堝崟浣嶄负mh/s锛夎浆鎹涓篢銆備緥濡傦紝rx470鏄惧崱鐨勬寲鐭跨畻鍔涗负215mh/s锛岃浆鎹涓篢鍚庝负0.000215T銆
6. 鏄惧崱鎸栫熆绠楀姏鐨勮＄畻鏂规硶鏄灏嗘樉鍗＄殑鎸栫熆绠楀姏锛堝崟浣嶄负mh/s锛夎浆鎹涓篢銆備緥濡傦紝rx470鏄惧崱鐨勬寲鐭跨畻鍔涗负215mh/s锛岃浆鎹涓篢鍚庝负0.000215T銆
7. 鏄惧崱鎸栫熆绠楀姏鐨勮＄畻鏂规硶鏄灏嗘樉鍗＄殑鎸栫熆绠楀姏锛堝崟浣嶄负mh/s锛夎浆鎹涓篢銆備緥濡傦紝rx470鏄惧崱鐨勬寲鐭跨畻鍔涗负215mh/s锛岃浆鎹涓篢鍚庝负0.000215T銆
8. 鏄惧崱鎸栫熆绠楀姏鐨勮＄畻鏂规硶鏄灏嗘樉鍗＄殑鎸栫熆绠楀姏锛堝崟浣嶄负mh/s锛夎浆鎹涓篢銆備緥濡傦紝rx470鏄惧崱鐨勬寲鐭跨畻鍔涗负215mh/s锛岃浆鎹涓篢鍚庝负0.000215T銆
9. 鏄惧崱鎸栫熆绠楀姏鐨勮＄畻鏂规硶鏄灏嗘樉鍗＄殑鎸栫熆绠楀姏锛堝崟浣嶄负mh/s锛夎浆鎹涓篢銆備緥濡傦紝rx470鏄惧崱鐨勬寲鐭跨畻鍔涗负215mh/s锛岃浆鎹涓篢鍚庝负0.000215T銆
10. 鏄惧崱鎸栫熆绠楀姏鐨勮＄畻鏂规硶鏄灏嗘樉鍗＄殑鎸栫熆绠楀姏锛堝崟浣嶄负mh/s锛夎浆鎹涓篢銆備緥濡傦紝rx470鏄惧崱鐨勬寲鐭跨畻鍔涗负215mh/s锛岃浆鎹涓篢鍚庝负0.000215T銆