❶ 1050 有矿卡吗 小白一个想问问再买个二手1050
GTX1050显卡，肯定没有矿卡，你可以放心。
挖矿需要的是强大的算力，所以使用的都是高端显卡，即使中端显卡都不会考虑。
GTX1050显卡，属于10系列的低端显卡，性能有限，无法用来挖矿，所以不会有这个版本的矿卡，放心吧。
❷ 显卡挖矿好挖吗
亲测用1050ti也能挖，以挖狗狗币为例，1050ti显卡只有5-6MH/s的算力一天大约挖1.5-2个收益4-6元，扣完电费净收益较低。顶配3080显卡算力达到120 MH/s算力，一天挖五六十个没问题，一天毛收益120+（不算电费），净收益一百左右吧。
❸ 挖矿用什么显卡好
在加密货币领域，显卡挖矿是一种通过解决计算难题来获取数字货币奖励的过程。选择合适的显卡对于挖矿效率至关重要。本文将探讨挖矿用什么显卡好，帮助您选择合适的硬件设备，提高挖矿收益。
显卡挖矿，也称为GPU挖矿，是利用显卡的图形处理单元（GPU）进行高速计算，解决特定的计算难题。这些难题通常涉及到哈希算法、椭圆曲线算法等。解决这些难题需要大量的计算能力和存储空间，而显卡在这方面具有优势。
选择合适的显卡时，可以考虑NVIDIA和AMD这两个主流品牌。NVIDIA是显卡领域的领军企业，其产品在性能和稳定性方面表现出色。NVIDIA的GeForce系列显卡在挖矿方面具有广泛的应用。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等型号的显卡在挖矿领域较为常见。而AMD是另一家显卡制造商，其产品在价格和性能方面具有一定优势。AMD的Radeon系列显卡在挖矿方面也有一定的应用，例如，AMD Radeon RX 580、AMD Radeon RX 570、AMD Radeon RX 560等型号的显卡在挖矿领域较为常见。
除了以上两种品牌之外，还有Intel的集成显卡等其他品牌的显卡可供选择。然而，考虑到挖矿需要大量的计算能力和存储空间，建议选择性能较强的独立显卡。
在选择显卡时，需要注意显卡的算力，即每秒能够进行的哈希运算次数。一般来说，算力越高，挖矿效率也越高。此外，还需要注意显卡的功耗和温度特性。高功耗可能导致过热和缩短硬件寿命，而低功耗则可以降低电力成本并减少散热需求。因此，在选择显卡时，建议选择功耗适中且散热性能良好的产品。对于挖矿而言，显存大小也是一个重要的考虑因素。一般来说，显存越大，能够处理的计算任务也越多。因此，在选择显卡时，建议选择具有足够大显存容量的产品。
在选择显卡时，还需要考虑其稳定性和兼容性。确保选择的显卡与您的计算机系统和操作系统兼容，并且能够在长时间运行下保持稳定。最后，需要关注市场供应和价格情况。由于加密货币市场的波动性较大，显卡的价格也会随之变化。在购买时，建议根据当前市场情况和您的预算做出合适的选择。
综上所述，选择合适的显卡对于挖矿效率至关重要。在选择显卡时，需要综合考虑其性能、功耗、温度、显存大小、稳定性和兼容性等方面因素。同时，还需要关注市场供应和价格情况。综合考虑这些因素，选择最适合您需求的显卡，可以提高挖矿收益并降低成本。
❹ 实现人工智能的三要素
数据——人工智能的粮食
实现人工智能的首要因素是数据，数据是一切智慧物体的学习资源，没有了数据，任何智慧体都很难学习到知识。自从有记录以来，人类 社会 发展了数千年，在这期间，人类 社会 不断发展变化，从最早的原始 社会 到奴隶 社会 ，再到封建 社会 、资本主义 社会 、 社会 主义 社会 ，未来还会发展到共产主义 社会 ，在这漫长的发展过程中，都少不了数据做为人类 社会 发展的动力。
人类 社会 之所以发展的越来越高级文明，离不开学习知识，而知识的传播流传越快，则 社会 发展也越快，在封建 社会 以前，知识的传播从口口相传到甲骨文，再到竹简记录，就算是封建 社会 后期的纸质记录，其知识的传播速度也无法和今天的互联网知识的传播速度相提并论。
一般来说，知识的获取来自两种途径，一种是通过他人的经验而获得的知识，也就是他人将知识整理成册，然后供大家学习，这也是目前的主流学习方式；另一种就是通过自己的 探索 而获得的知识，这种学习方式目前只存在高精尖领域的知识学习，由于在已有的开放 社会 资源中，找不到可以学习的知识，只有自我 探索 获取。
无论哪种学习方式，都要通过学习载体来传播知识，无论是面对面讲述，实践操作，还是书本记录，或是电子刊物，亦或者影像资料等，这些都是学习载体，我们都可以称其为数据，学习数据的质量从根本上影响了学习的效果，所以对于人类学习而言，找一个好的老师，有一本好的书籍都是非常重要的学习选择。
既然人类的学习非常依赖于数据的质量，那么AI学习知识的时候，是否也会存在同样的问题呢？答案当然是肯定的，不仅如此，而且AI学习知识的时候对于数据的依赖还要高于人类。人类相比目前的AI而言，是具有推理能力的，在学习某些具有关联性知识的时候，通过推理联想可以获得更多的知识。从另一角度来讲，在某种特定场景下，即使数据不够完整全面，对于人类的学习影响也不会太大，因为人类会利用推理和想象来完成缺失的知识。而目前AI的推理能力还处于初级研究阶段，更多的难题还等着业内技术人员来攻克。
由此可见，目前AI学习知识大部分基本都是依赖于数据的质量的，在这种情况下，连人工智能专家吴恩达都发出人工智能=80%数据+20%算法模型的感慨，可见人工智能的“粮食安全”问题还是非常紧迫的，如果“粮食”出现了质量安全问题，那么最终将会导致人工智能“生病”。可见数据的好坏基本上大概率的决定了智能化的高低，有人会说，我可以通过提高算法模型来提高效果啊，不幸的是，在数据上稍微不注意造成了质量问题，需要在算法上历尽千辛万苦来提高效果，而且还不一定弥补得上，数据对于人工智能最终的发展结构可见一斑。
算力——人工智能的身体
算力是实现人工智能的另一个重要因素，算力在一定程度上体现了人工智能的速度和效率。一般来说算力越大，则实现更高级人工智能的可能性也更大。算力是依附于设备上的，所以一般谈论算力，都是在说具体的设备，比如CPU、GPU、DPU、TPU、NPU、BPU等，都是属于算力设备，只是他们有各自不同的能力而已。具体介绍可以阅读 《CPU、GPU、DPU、TPU、NPU...傻傻分不清楚？实力扫盲——安排!》 一文，介绍相当全面，从APU到ZPU，各种PU全部介绍完了，扫盲是够了。
算力设备除了上面的各种PU之外，每一种设备下面还会分不同的系列，比如英伟达的GPU在PC端有消费级的GeForce系列，专业制图的 Quadro 系列、专业计算的 Tesla系列 等，而GeForce系列细分还可以分为GT、GTX、RTX等，当然每种子系列下还可以继续细分，比如GTX下面有GTX1050、GTX1050Ti......GTX1080、GTX1080Ti，还有GTX Titan等更强大的系列，RTX下面也一样包括了更详细的等级划分，具体选择哪个系列要看具体使用场景而定，当然还和自身的消费实力相关，算力性能越强大也意味着更多的真金白银。
下面是RTX20系列的各种显卡的性能对比：
RTX30系列的各种显卡的对比：
此外，英伟达还有嵌入式端的各种显卡系列，比如适用于自主机器AI平台的JetSon系列、DRIVE AGX系列、Clara AGX系列等，以及云端的一些计算资源。同样每种系列还是做了进一步的细分，比如Jetson下面就根据其算力核心数就分成了Jetson Nano、Jetson TX2、Jetson Xavier NX、Jetson AGX Xavier等四款设备。
对于厂家而言，产品分的越细，越利于宣传和推广，对于消费者而言，可选择性也大大增加，但是也对消费者的基本知识也有了要求，如果不清楚各种产品的差异，那么就很容易选择错误，而现在的显卡市场就是如此，需要一些专业的知识才能够选对自己所需的显卡类型。希望大家经过科普后都能够选对自己的显卡型号，是打 游戏 、制图、还是计算，心里要有一个对应的系列型号才行，不然可要陷入选择困难症中了。
以目前人工智能主流技术深度学习为例，它的学习过程就是将需要学习的数据放在在算力设备上运行，经过神经网络亿万次的计算和调整，得到一个最优解的过程。如果把数据当成人工智能的“粮食”，那么算力就是撑起人工智能的“身体”，所有的吃进去的“粮食”都需要“身体”来消化，提取“营养”帮助成长。同样，人工智能的数据也是需要经过算力来逐一运算，从而提取数据的特征来作为智能化程度的标志的。
算法——人工智能的大脑
算法是人工智能程序与非人工智能程序的核心区别，可以这么理解，就算有了数据、有了算力，但是如果没有核心算力，也只能算是一个看起来比较高大上的资源库而已，由于没有算法的设计，相当于把一大堆的资源堆积了起来，而没有有效的应用。而算法就是使得这对资源有效利用的思想和灵魂。
算法和前两者比起来，算法更加的依赖于个人的思想，在同一家公司里，公司可以给每个算法工程师配备同样的数据资料和算力资源，但是无法要求每个算法工程师设计出来的算法程序的一致性。而算法程序的不一致性，也导致了最终智能化的程度千差万别。
相对于数据是依赖于大众的贡献，算力是依赖于机构组织的能力，而算法更加的依赖于个人，虽然很多公司是算法团队，但是真正提出核算算法思想的也就是那么一两个人，毫不夸张的说其他人都是帮助搬砖的，只是这种算法层面的搬砖相对纯软件工程的搬砖，技能要求要更高而已。这点和建筑设计一样，很多著名的建筑设计，其思想都是来自于一个人或者两个人，很少见到一个著名的设计其思想是由七八个人想出来的。
由于算法设计的独特性，和数据与算力相比，在人工智能的三个要素中，算法对人工智能的影响更大，这是因为在平时的工作当中，只要大家花上时间和费用，基本都可以找到好一些的数据和算力设备，但是算法由于其独特性，很多的算法是有专利或者没有向外界开源的，这个时候的差异就要在算法上体现出来了。
现在的大学和培训机构的人工智能专业，其学习方向也主要是以算法为主。因为数据是由大众产生，又由一些互联网大厂存储的，一般个人很少会去做这一块；而算力设备是由芯片公司控制着的；做为独立的个人最能够发挥效力的就在人工智能的算法方向了。培养优秀的算法人才对于人工智能的发展至关重要。目前市场上关于图像视觉、语音信号、自然语言、自动化等方向的算法工程师供不应求，薪资水平也是远超其他互联网软件行业的岗位。
后记：
当前，国内人工智能发展正处于高速成长期，未来将会进入爆发期，无论从业者是处于人工智能的数据处理方向，还是人工智能的算力设备研发方向，或者是人工智能的算法研发方向，都将会迎来巨大的行业红利和丰厚的回报。而人工智能算法方向又是学习回报比最高的一个方向，做为没有背景的个人，是进入人工智能行业的最佳选择 。
文/deep man
❺ 1050挖矿一天赚多少
1050挖矿一天赚3500~4000美金。如果按2021年9月份的以太坊的价格来计算的话，现在的以太坊价格基本上维持在3500~4000美金左右。你的电脑的显卡算力是1050，这就意味着你每天可以挖到170~190元的以太坊。当然这个价格并不固定，这不仅需要看你实际算力如何，也需要看你的矿池，更需要看当前以太坊的价格。
❻ 1050ti和1650差多少
GTX1050Ti和GTX1650主要是差在架构、纹理单元、流处理器数量、核心频率、显存频率上，对于这一点还是需要了解的。
在架构上，GTX1050Ti采用的是基于16纳米工艺的GP107-400帕斯卡架构，而GTX1650则是采用的基于12纳米工艺的TU117-300图灵架构，相对来说，GTX1650的性能提升也是比较明显的。
除此之外，GTX1050Ti的纹理单元为48、流处理器数量为768个，而GTX1650的纹理单元则为74、流处理器数量则为896个。
GTX1050Ti的核心频率为1290~1392MHz，显存频率为7008MHz，而GTX1650的核心频率则为1485~1665MHz，显存频率为8004MHz。
资料拓展：显卡是个人计算机最基本组成部分之一，用途是将计算机系统所需要的显示信息进行转换驱动显示器。
并向显示器提供逐行或隔行扫描信号，控制显示器的正确显示，是连接显示器和个人计算机主板的重要组件，是“人机对话”的重要设备之一。
❼ 小顾讲堂：相同功耗的CPU和GPU哪个算力更强
相同功耗的，也就是常见百w以内的CPU和gpu，显卡是gtx1050ti功耗75w，像gtx1060功耗130w，CPU可以是i7六核十二线程级别，还是CPU性能是专门用于数据处理的，性能相对较强，
如果排除功耗，高端独显芯片运算性能早就超过了CPU速度。
❽ 1050ti鍜1060鎼鐮栧规瘮
1060鐨勬ц兘鏇撮珮涓浜涖
1銆1050Ti鐨勭畻鍔涘ぇ绾︿负12MH/s锛屽姛鑰楀ぇ绾︿负70W宸﹀彸銆
2銆1060鐨勭畻鍔涘垯鍦20-24MH/s涔嬮棿锛屽姛鑰楀ぇ绾︿负120W宸﹀彸銆
❾ 1030矿卡多吗
1030矿卡不多吗。因为10系显卡中的GT1030矿卡最少，GT1030显卡因为算力非常低所以矿卡最少，GTX1050没有矿卡。所以1030矿卡不多吗。