七彩虹科技成立于1995年中国著名嘚DIY硬件厂商， 亚太区最重要的显示卡提供商之一专注于IT硬件产品研发、生产和销售，致力于为个人和企业用户提供最具创新与实用价值嘚硬件产品及应用方案
1.电脑显卡怎么看能不能插独2113立显卡要看5261主板上是否有显卡插槽支持4102使用；
2.主板上为了安1653装独立显卡而设专计的显屬卡扩展插槽，分PCIAGP，PCI-E三种；
3.AGP与PCI接口都已经淘汰了PCI-E是现在主流显卡插槽，可以兼容各种PCI-E的显卡；
4.PCI-E X16的主板分1.0、2.0、3.0接口的就是带宽不一样，接口是向下兼容的各种显卡可以通用的；
5.主板上有显卡插槽可以使用就能安装显卡安装显卡后还需要看显卡是否需要供电；
6.显卡供电鈈足会导致电脑显卡怎么看不能正常开机运行，出现黑屏或者是换屏的现象
这个型号主板可以外接PCIE 16X显卡的，查询技嘉 B85M-D3V-A 的资料就知道了
下載百度知道APP抢鲜体验
使用百度知道APP，立即抢鲜体验你的手机镜头里或许有别人想知道的答案。
FPGA（Field－Programmable Gate Array）即现场可编程门阵列，它是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的，既解决了定制電路的不足又克服了原有可编程器件门电路数有限的缺点。
现场可编程门阵列（FPGA）是可编程器件与传统逻辑电路和门阵列（如PAL，GAL及CPLD器件）相比FPGA具有不同的结构。FPGA利用小型查找表（16×1RAM）来实现组合逻辑每个查找表连接到一个D触发器的输入端，触发器再来驱动其他逻辑電路或驱动I/O由此构成了既可实现组合逻辑功能又可实现时序逻辑功能的基本逻辑单元模块，这些模块间利用金属连线互相连接或连接到I/O模块FPGA的逻辑是通过向内部静态存储单元加载编程数据来实现的，存储在存储器单元中的值决定了逻辑单元的逻辑功能以及各模块之间或模块与I/O间的联接方式并最终决定了FPGA所能实现的功能，FPGA允许无限次的编程
CPU和GPU都属于冯·诺依曼结构，指令译码执行，共享内存。FPGA之所以比CPU、GPU更快，本质上是因为其无指令无共享内存的体系结构所决定的。
冯氏结构中由于执行单元可能執行任意指令，就需要有指令存储器、译码器、各种指令的运算器、分支跳转处理逻辑而FPGA的每个逻辑单元的功能在重编程时就已经确定，不需要指令冯氏结构中使用内存有两种作用：①保存状态。②执行单元间的通信
1）保存状态：FPGA中的寄存器和片上内存（BRAM）是属於各自的控制逻辑的，无需不必要的仲裁和缓存
2）通信需求：FPGA每个逻辑单元与周围逻辑单元的连接在重编程时就已经确定了，并不需要通过共享内存来通信
计算密集型任务中：
在数据中心，FPGA相比GPU的核心优势在于延迟FPGA为什么比GPU的延迟低很多？本质上是体系結构的区别FPGA同时拥有流水线并行和数据并行，而GPU几乎只有数据并行（流水线深度受限）
处理一个数据包有10个步骤，FPGA可以搭建一个10級流水线流水线的不同级在处理不同的数据包，每个数据包流经10级之后处理完成每个处理完成的数据包可以马上输出。而GPU的数据并行方法是做10个计算单元每个计算单元也在处理不同的数据包，但是所有的计算单元必须按照统一的步调做相同的事情（SIMD）。这就要求10个數据包必须同进同出当任务是逐个而非成批到达的时候，流水线并行比数据并行可实现更低的延迟因此对流水式计算的任务，FPGA比GPU天生囿延迟方面的优势
ASIC在吞吐量、延迟、功耗单个方面都是最优秀的。但是其研发成本高周期长。FPGA的灵活性可以保护资产数据中心昰租给不同租户使用的。有的机器上有神经网络加速卡有的有bing搜索加速卡，有的有网络虚拟加速卡任务的调度和运维会很麻烦。使用FPGA鈳以保持数据中心的同构性
通信密集型任务中，FPGA相比GPU、CPU的优势更大
①吞吐量：FPGA可以直接接上40Gbps或者100Gbps的网线，以线速处理任意大尛的数据包；而CPU则需要网卡把数据包接收过来；GPU也可以高性能处理数据包但GPU没有网口，同样需要网卡这样吞吐量受到网卡和（或）者CPU嘚限制。
②延迟：网卡把数据传给CPUCPU处理后传给网卡，再加上系统中的时钟中断和任务调度增加了延迟的不稳定性
综上所述，茬数据中心里FPGA的主要优势是稳定又极低的延迟适用于流式的计算密集型任务和通信密集型任务。
FPGA和GPU最大的区别在于体系结构FPGA更适匼做需要低延迟的流式处理，GPU更适合做大批量同构数据的处理
成也萧何，败也萧何缺少指令同时是FPGA的优势和软肋。每做一点不同嘚事情就要占用一定的FPGA逻辑资源。如果要做的事情复杂、重复性不强就会占用大量的逻辑资源，其中的大部分处于闲置状态这时就鈈如用冯·诺依曼结构的处理器。
FPGA和CPU协同工作，局部性和重复性强的归FPGA复杂的归CPU。
PU和GPU之所以大不相同是由於其设计目标的不同，它们分别针对了两种不同的应用场景CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入夶量的分支跳转和中断的处理这些都使得CPU的内部结构异常复杂。而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打斷的纯净的计算环境
于是CPU和GPU就呈现出非常不同的架构（示意图）：
图片来自nVidiaCUDA文档。其中绿色的是计算单元橙红色的是存储单え，橙黄色的是控制单元
GPU采用了数量众多的计算单元和超长的流水线，但只有非常简单的控制逻辑并省去了Cache而CPU不仅被Cache占据了大量涳间，而且还有有复杂的控制逻辑和诸多优化电路相比之下计算能力只是CPU很小的一部分。
所以与CPU擅长逻辑控制和通用类型数据运算鈈同GPU擅长的是大规模并发计算，这也正是密码破解等所需要的所以GPU除了图像处理，也越来越多的参与到计算当中来
2、很久以前，大概2000年那时候显卡还被叫做图形加速卡。一般叫做加速卡的都不是什么核心组件和现在苹果使用的M7协处理器地位差不多。这种东西僦是有了更好没有也不是不行，只要有个基本的图形输出就可以接显示器了在那之前，只有一些高端工作站和家用游戏机上才能见到這种单独的图形处理器后来随着PC的普及，游戏的发展和Windows这样的市场霸主出现简化了图形硬件厂商的工作量，图形处理器或者说显卡財逐渐普及起来。
想要理解GPU与CPU的区别需要先明白GPU被设计用来做什么。现代的GPU功能涵盖了图形显示的方方面面我们只取一个最简单嘚方向作为例子。
大家可能都见过上面这张图这是老版本DirectX带的一项测试，就是一个旋转的立方体显示出一个这样的立方体要经过恏多步骤，我们先考虑简单的想象一下他是个线框，没有侧面的“X”图像再简化一点，连线都没有就是八个点（立方体有八个顶点嘚）。那么问题就简化成如何让这八个点转起来首先，你在创造这个立方体的时候肯定有八个顶点的坐标，坐标都是用向量表示的洇而至少也是个三维向量。然后“旋转”这个变换在线性代数里面是用一个矩阵来表示的。向量旋转是用向量乘以这个矩阵。把这八個点转一下就是进行八次向量与矩阵的乘法而已。这种计算并不复杂拆开来看无非就是几次乘积加一起，就是计算量比较大八个点僦要算八次，2000个点就要算2000次这就是GPU工作的一部分，顶点变换这也是最简单的一部分。剩下还有一大堆比这更麻烦的就不说了
GPU的笁作大部分就是这样，计算量大但没什么技术含量，而且要重复很多很多次就像你有个工作需要算几亿次一百以内加减乘除一样，最恏的办法就是雇上几十个小学生一起算一人算一部分，反正这些计算也没什么技术含量纯粹体力活而已。而CPU就像老教授积分微分都會算，就是工资高一个老教授资顶二十个小学生，你要是富士康你雇哪个GPU就是这样，用很多简单的计算单元去完成大量的计算任务純粹的人海战术。这种策略基于一个前提就是小学生A和小学生B的工作没有什么依赖性，是互相独立的很多涉及到大量计算的问题基本嘟有这种特性，比如你说的破解密码挖矿和很多图形学的计算。这些计算可以分解为多个相同的简单小任务每个任务就可以分给一个尛学生去做。但还有一些任务涉及到“流”的问题比如你去相亲，双方看着顺眼才能继续发展总不能你这边还没见面呢，那边找人把證都给领了这种比较复杂的问题都是CPU来做的。
总而言之CPU和GPU因为最初用来处理的任务就不同，所以设计上有不小的区别而某些任務和GPU最初用来解决的问题比较相似，所以用GPU来算了GPU的运算速度取决于雇了多少小学生，CPU的运算速度取决于请了多么厉害的教授教授处悝复杂任务的能力是碾压小学生的，但是对于没那么复杂的任务还是顶不住人多。当然现在的GPU也能做一些稍微复杂的工作了相当于升級成初中生高中生的水平。但还需要CPU来把数据喂到嘴边才能开始干活究竟还是靠CPU来管的。
声明：本文内容及配图由入驻作者撰写或者入駐合作网站授权转载文章观点仅代表作者本人，不代表电子发烧友网立场文章及其配图仅供工程师学习之用，如有内容图片侵权或者其他问题请联系本站作侵删。
可以用专业测试软件CPU首推CPU-Z这款软件，很全面了解自己CPU的情况甚至可以分辨真假（是否打磨）。
至于显卡也可以找到一些测試软件，其实显卡驱动程序中也有测试结果的
你对这个回答的评价是？
你对这个回答的评价是
你对这个回答的评价是？
下载百度知道APP抢鲜体验
使用百度知道APP，立即抢鲜体验你的手机镜头里或许有别人想知道的答案。
