Nuevo T-Rex 0.14.4 Nvidia Minero Con Soporte para el Algoritmo X16Rv2

El más reciente de la T-Rex GPU de Nvidia minero versión 0.14.4 también ha introducido el soporte para el nuevo X16Rv2 algoritmo, como el z-enemigo 2.2 minero hizo (el Ravencoin es que se bifurcan a partir del próximo mes). Aunque z-enemigo era técnicamente primero con un lanzamiento oficial, hubo beta no oficial de t-rex 0.14.2 puestos a disposición por la PEXA proyecto de un par de días antes. Haga nota de que ya se puede probar X16Rv2 de minería de datos con PEXA de la Moneda en mainnet y no sólo en las piscinas que han implementado RVN testnet de minería de datos con el X16Rv2 algo.

El rendimiento en cuanto a que parece que el T-Rex 0.14.4 minero ofertas similares o ligeramente más rápido hashrate en comparación con Z-Enemigo 2.2 en la mayoría de las combinaciones de algoritmos en la GTX 1080 Ti después de una prueba rápida, aunque lo mejor es que se le compare en su propio minería de hardware. También T-Rex ha implementado un nuevo parámetro de línea de comandos que permite a la empresa minera para que cambie automáticamente a un nuevo algoritmo en el conjunto de usuarios de la horquilla de tiempo (por ejemplo, RVN: –en forma de horquilla en x16rv2=2019-10-01T16:00:00). Tenga en cuenta que el T-Rex es un cerrado de origen minero con 1% de desarrollo de tarifa integrada. También asegúrese de que usted tiene una reciente del controlador de vídeo instalado (el más reciente para CUDA 10 de soporte) como los binarios para Linux y Windows son compilados para CUDA 9.1/9.2/10.0.

Para más información y para descargar y probar la última versión del T-Rex minero…

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

394Más publicaciones en Minería categoría
Recomendado para ti
La inteligencia artificial es señalada por su supuesto impacto ambiental, como Bitcoin

Entrenar un modelo de IA demanda una gran cantidad de recursos. La eficiencia del hardware...