电脑参数——显卡篇

转自微信公众号-- 美西兰巴科技,略删改。

其实显卡和CPU有很多共通之处,其实他们都依仗于一块晶圆切割下来的硅片做成的处理器。而显卡的参数却有一些不同,显卡的参数有,核心、流处理器、架构、制程、核心频率、显存频率、显存位宽、接口、功耗。

首先显卡和CPU在直观上给大家最大的不同是什么?是不是从来没有听说过“多核的显卡”(一些旗舰硬把两个塞在一个卡上的除外),其原因后面再说。

核心\核心频率——和CPU一样,显卡也有自己的架构和名字,比如GM204、GM107等等,这些都是核心的代号,正如CPU的Haswell、Ivy Bridge等等。而这,也同样是显卡性能最重要的区别项,显卡的核心频率和CPU有一些区别,你会看到的主流CPU频率远大于显卡核心频率,这是由设计架构不通造成的,显卡没有所谓指令集,且显卡设计出来,主要便是为了协同CPU工作,来处理并发数相当大的图形任务,所以它的处理逻辑和CPU也不尽相同,吞吐量太大,所以频率上去首先会导致发热的急剧上升,且还需要显存频率的协同,所以目前的设计决定了这样的频率。

显存——显存在现在的显卡上都很大,基本上是1G起跑,这就相当于是一块专门给显卡用的“内存条”,GPU同样有L1、L2的缓存(有些没有L2,看具体架构),但GPU很少标注该参数,不过我们也没必要太纠结这个,而显存需要注意的一点是显存在市场是有GDDR3和GDDR5两种的,GDDR3的性能远低于GDDR5,所以即使是大容量的GDDR3,也是没有GDDR5效率更高的。

显存位宽——我们都知道显存是显卡的“内存”,那么显存位宽就是显存到GPU的这条“路”有多宽,所以仅仅显存大并没有用,如果路很窄,你的通过能力还是会受限,就像道路如果只有一个车道,即使车快也容易拥堵。

显存频率——指显存在显卡上工作时的频率,也可以简单的和真正的“内存条”的频率做对比,其实是差不多的意思,频率越高工作速度也快,效率也越高。

流处理器——流处理器是为了应对简单但数量庞大的并行运算用的。因为设计上的截然不同,所以流处理器在N卡和A卡上并不一样,很具体的差别很容易查到,这里就不罗列了,简单来说,就是N卡的流处理器更复杂一些,能够胜任一些逻辑运算,而A卡的流处理器,按照分组来算,大多数只能完成简单运算,而1个完成高级运算。所以通常会看到A卡有更多的流处理器,而N卡要少一些,这个也没有个孰优孰劣,设计理念的不同而已。这也是为什么大家拿A卡挖矿,因为挖矿就是简单运算,但量很大,这时候流处理器多的优势就显现出来了。而流处理器和“真正”的处理器的区别你可以这样理解,处理器是教授,你问啥他都能达,而且效率很快,但问题是你给一千、一万道100以内的加减乘除让教授做,教授的效率就远不如100个小学生来的快了。

接口——现在主流的接口都是PCI-E 3.0,不管A卡还是N卡,都是这样的接口,且PCI-E 3.0向下兼容PCI-E 2.0和1.X,其实和USB的意思挺像的。我们需要注意的仅仅是如果你的显卡是中高端显卡,那么PCI-E 2.0的带宽是会造成一些瓶颈的,比如H81的主板就都带的是PCI-E 2.0的接口。

制程——CPU有制程,GPU也同样是有,因为都是由数以亿计的晶体管构成的,所以GPU一样是纳米级的晶体管,目前最新的970、980是28nm的制程,据说明年会投产16nm产品(应是指下一代),GPU的制程这个东西和CPU的制程一样,更小的制程可以带来更小的功耗和发热。

功耗——显卡的功耗就要简单粗暴一些了,比如我们通常就直接能看到某显卡的功耗是60W等等,该数据主要是做你购买电源的参考。

其他——显卡还有一些参数,比如OpenGL的支持、DirectX的支持就类似CPU的指令集,只不过OpenGL是一个定义了一个跨编程语言、跨平台的编程接口规格的专业的图形程序接口。DirectX则是是微软创建的多媒体编程接口。硬件有其支持的最高版的OpenGL和DirectX的版本,但一些升级如果老硬件可以支持,也是可以升级的。然后就是显卡的接口,DVI、VGA、HDMI、DP这些接口主要也要看你的显示器来决定,本身的优劣上DP>HDMI≈DVI>VGA,实际实用上前三个区别不大,VGA略差。

总结——总而言之选择显卡首先应该选新不选旧,但因为现在厂商越来越喜欢挤牙膏(主要还是因为对手不给力,没错,说的又是你,AMD!!)所以有很多马甲卡,就是上一代换个名字就直接成了新一代,比如移动显卡上的860M和960M等等,只要注意看他们的核心代号以及其他参数对比就知道了。在核心相同的情况下,显存越大、位宽越大越好(GDDR5)。

内容概要:本文从关键概念、核心技巧、应用场景、代码案例分析及未来发展趋势五个维度探讨了Python编程语言的进阶之路。关键概念涵盖装饰器、生成器、上下文管理器、元类和异步编程,这些概念有助于开发者突破基础认知的核心壁垒。核心技巧方面,介绍了内存优化、性能加速、代码复用和异步处理的方法,例如使用生成器处理大数据流、numba库加速计算密集型任务等。应用场景展示了Python在大数据处理、Web开发、人工智能和自动化运维等多个领域的广泛运用,特别是在FastAPI框架中构建异步API服务的实战案例,详细分析了装饰器日志记录、异步数据库查询和性能优化技巧。最后展望了Python的未来发展趋势,包括异步编程的普及、类型提示的强化、AI框架的深度整合以及多语言协同。 适合人群:已经掌握Python基础语法,希望进一步提升编程技能的开发者,特别是有意向从事数据科学、Web开发或AI相关工作的技术人员。 使用场景及目标:①掌握Python进阶概念和技术,如装饰器、生成器、异步编程等,提升代码质量和效率;②学习如何在实际项目中应用这些技术,如通过FastAPI构建高效的异步API服务;③了解Python在未来编程领域的潜在发展方向,为职业规划提供参考。 阅读建议:本文不仅提供了理论知识,还包含了丰富的实战案例,建议读者在学习过程中结合实际项目进行练习,特别是尝试构建自己的异步API服务,并通过调试代码加深理解。同时关注Python社区的发展动态,及时掌握最新的技术和工具。
内容概要:本文档《Rust系统编程实战》详细介绍了Rust在系统编程领域的应用,强调了其内存安全、零成本抽象和高性能的特点。文档分为三个主要部分:核心实战方向、典型项目案例和技术关键点。在核心实战方向中,重点讲解了unsafe编程、FFI(外部函数接口)和底层API调用,涉及操作系统组件开发、网络编程、设备驱动开发、系统工具开发和嵌入式开发等多个领域,并列出了每个方向所需的技术栈和前置知识。典型项目案例部分以Linux字符设备驱动为例,详细描述了从环境搭建到核心代码实现的具体步骤,包括使用bindgen生成Linux内核API的Rust绑定,定义设备结构体,以及实现驱动核心函数。 适合人群:对系统编程有兴趣并有一定编程基础的开发者,尤其是那些希望深入了解操作系统底层机制、网络协议栈或嵌入式系统的工程师。 使用场景及目标:①掌握Rust在不同系统编程场景下的应用,如操作系统组件开发、网络编程、设备驱动开发等;②通过实际项目(如Linux字符设备驱动)的学习,理解Rust与操作系统内核的交互逻辑;③提高对unsafe编程、FFI和底层API调用的理解和运用能力。 阅读建议:由于文档内容较为深入且涉及多个复杂概念,建议读者在学习过程中结合实际操作进行练习,特别是在尝试实现Linux字符设备驱动时,务必按照文档提供的步骤逐步进行,并多加调试和测试。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值