萊特幣cuda

❶ mediacoder啟用cuda加速，把rmvb文件轉換成MP4時出現014錯誤，不啟用cuda加速時可以轉碼，

我懷疑是cuda不支持rmvb的解碼。
ps:不建議用cuda加速，除非你不考慮壓縮比。
ps2:1000kbps估計對於用cuda加速的視頻不夠用，質量損失會比較大.。
ps3:rmvb沒有特殊需求不要再壓了，沒什麼意義。

❷ 2個顯卡怎麼設置cuda

你如果只是使用支持cuda的軟體的話，比如視頻轉碼器之類，不需要特別設置。只要安裝好顯卡驅動即可。部份軟體有可能要在軟體的設置項中將「CUDA加速」或「GPU加速」之類的選項鉤選。

如果你要做CUDA開發，需要去NV官網下載CUDA SDK，然後參照SDK中的說明文檔進行配置即可。但很確定地說，GTX760不支持CUDA開發（此問題曾明確咨詢過NV的David，Geforce卡不支持CUDA的開發環境，需要Quadro才可以）。Titan Black可以支持雙精度浮點，但沒有驗證過是否支持CUDA開發，因此不是很確定。

❸ 核心頻率,CUDA核心,顯存頻率,顯存位寬，該怎麼選擇

樓上說得對，不過有幾點我要補充一下，就是VEGA64肯定比RTX2060要好的，眾所周知RTX2060是一款閹割顯卡，這已經是英偉達的一貫作風了（甜品級、中端卡、低端卡全是閹割得來）

既然是閹割卡其性能一定大幅度下降，即使支持光線追蹤技術，也無法在2K解析度下打開光追暢玩，也就是說它最多隻能支持1920*1080或1280*720解析度，在這樣的解析度下肯定不能獲得更好的游戲體驗的（對不起這個價格）。

AMD顯卡單核心性能比不過英偉達這是肯定的，但是在高端卡領域目前已經沒有多少差距了，也就是說AMD VEGA64顯卡玩不動的游戲，RTX2060也玩不動，所以我推薦AMD 的 VEGA64，這塊顯卡是最劃算的。

望採納，謝謝。

❹ NVIDIA cuda

主要玩游戲的話，CUDA意義不是特別大。目前看來唯一的作用是PhysX物理加速，但是使用它的游戲不是很多。

本來CUDA很有前途的，但是隨著OpenCL和DX11的發布，CUDA感覺馬上就要落寞了。

CUDA就是利用顯卡來輔助CPU進行計算，和DirectX版本沒有直接關系。NVidia現在的新顯卡都支持DX10的，Directx9.0c肯定支持了。

❺ 請問CUDA編程對顯卡的要求是怎麼樣NVIDIA那些型號的顯卡可以

顯卡要求見此：http://www.nvidia.cn/object/cuda_gpus_cn.html 建議：雙敏 G92核心的9600GSO 384MB 192bit，此卡遠比同價位的其他NVIDIA圖形卡好，特別是GPU運算能力，是同價位的GT220、9500GT的數倍。但是可能缺貨，還有就是功耗較高。 如果你有500塊的話，就可以考慮昂達G92核心的9600GSO 384MB 192bit 或 昂達GT240 512MB GDDR5

❻ 有知道最新的GTX1660 支持CUDA 計算能力嗎

知道，最新的rtx也支持，nvidia這個cuda已經很多年了

❼ CUDA和OpenCL有什麼區別

從很多方面來看，CUDA和OpenCL的關系都和DirectX與OpenGL的關系很相像。如同DirectX和OpenGL一樣，CUDA和OpenCL中，前者是配備完整工具包、針對單一供應商(NVIDIA)的成熟的開發平台，後者是一個開放的標准。
雖然兩者抱著相同的目標：通用並行計算。但是CUDA僅僅能夠在NVIDIA的GPU硬體上運行，而OpenCL的目標是面向任何一種Massively Parallel Processor，期望能夠對不同種類的硬體給出一個相同的編程模型。由於這一根本區別，二者在很多方面都存在不同：

1）開發者友好程度。CUDA在這方面顯然受更多開發者青睞。原因在於其統一的開發套件(CUDA Toolkit, NVIDIA GPU Computing SDK以及NSight等等)、非常豐富的庫(cuFFT, cuBLAS, cuSPARSE, cuRAND, NPP, Thrust)以及NVCC(NVIDIA的CUDA編譯器)所具備的PTX(一種SSA中間表示，為不同的NVIDIA GPU設備提供一套統一的靜態ISA)代碼生成、離線編譯等更成熟的編譯器特性。相比之下，使用OpenCL進行開發，只有AMD對OpenCL的驅動相對成熟。

2）跨平台性和通用性。這一點上OpenCL佔有很大優勢（這也是很多National Laboratory使用OpenCL進行科學計算的最主要原因）。OpenCL支持包括ATI,NVIDIA,Intel,ARM在內的多類處理器，並能支持運行在CPU的並行代碼，同時還獨有Task-Parallel Execution Mode，能夠更好的支持Heterogeneous Computing。這一點是僅僅支持數據級並行並僅能在NVIDIA眾核處理器上運行的CUDA無法做到的。

3）市場佔有率。作為一個開放標准，缺少背後公司的推動，OpenCL顯然沒有占據通用並行計算的主流市場。NVIDIA則憑借CUDA在科學計算、生物、金融等領域的推廣牢牢把握著主流市場。再次想到OpenGL和DirectX的對比，不難發現公司推廣的高效和非盈利機構/標准委員會的低效(抑或謹慎，想想C++0x)。

很多開發者都認為，由於目前獨立顯卡市場的萎縮、新一代處理器架構(AMD的Graphics Core Next (GCN)、Intel的Sandy Bridge以及Ivy Bridge)以及新的SIMD編程模型(Intel的ISPC等)的出現，未來的通用並行計算市場會有很多不確定因素，CUDA和OpenCL都不是終點，我期待未來會有更好的並行編程模型的出現(當然也包括CUDA和OpenCL，如果它們能夠持續發展下去)。

❽ 怎麼用N卡的cuda挖礦

比特幣800是提供比特幣資訊，比特幣客戶端，比特幣教程，比特幣挖礦，比特幣行情等比特幣相關信息的比特幣中文門戶。