算力hs
㈠ ROG幻14 Alan Walker典藏版正式發布 ROG游戲手機5s系列同場亮相
8月18日晚，ROG舉行新品發布會，聯手電筒音教主Alan Walker，正式推出ROG幻14 Alan Walker典藏版，全新升級的ROG 游戲 手機5s系列也一同亮相。
ROG幻14 Alan Walker典藏版是由ROG與Alan Walker聯手打造，既是 游戲 玩家的絕佳夥伴，同時又是音樂創作者的絕佳幫手。與幻14標准版相比，新機在外觀上有著非常個性化的設計，Alan Walker也參與了這款筆記本的打造，創造出了許多獨一無二的細節。
外形上，ROG標志性的光顯矩陣屏由以往的黑色調整為了具有獨特視覺的電光色，兩條織帶貫穿了筆記本的A面，彰顯了新品的獨特身份。同時印製了ROG LOGO以及Alan Walker簽名的銘牌，能夠根據角度變化反射出不同的色彩，十分個性。
ROG幻14 Alan Walker典藏版的鍵盤也做了個性化的調整，擁有了Alan Walker標志性顏色的鍵帽，A鍵和W鍵則印有Alan Walker的LOGO。同時，典藏版還定製了Alan Walker專屬開機動畫、壁紙音效，時刻彰顯了其獨特的身份。
配置上，ROG幻14 Alan Walker典藏版與標准版保持了一致，採用了AMD銳龍R9 5900HS處理器，搭載GeForce RTX 3050 Ti顯卡，屏幕則是採用了2K解析度，支持120Hz刷新率，覆蓋100% DCI-P3色域。該機還配備了16GB 3200內存，和1TB的NVMe固態存儲，配備76Whr容量電池，支持100W PD快充。
ROG幻14 Alan Walker典藏版目前已開啟銷售，售價為13999元。
發布會上，全新ROG 游戲 手機5s也一同亮相，則是ROG今年3月份發布的ROG 游戲 手機5系列的升級版。外觀部分，新機與上一代基本保持一致，但在處理器性能、屏幕觸控採用率等方面進行了升級。
此次ROG 游戲 手機5s系列搭載了高通驍龍888 Plus處理器，相比高通驍龍888，其主頻提升至3.0GHz，AI提升20%，提供了32TOPS的強大算力，帶來非常出色的 游戲 性能。
為確保強大性能的充分發揮，ROG 游戲 手機5s內置了矩陣式液冷散熱架構5.0，內置了3D真空腔均熱板以及大型石墨烯，以保證出色的散熱效果，有效降低高通驍龍888 Plus處理器溫度，為玩家帶來持久穩定的性能發揮，維持穩定的幀率表現，拒絕畫面卡頓。
ROG 游戲 手機5s系列配備了三星AMOLED電競屏，支持144Hz刷新率，以及1ms響應時間，並將此次還將原生觸控採用率提升至360Hz，帶來更加順滑的操控體驗。同時，屏幕具備了Delta E< 1的高色准，並通過了HDR10+認證，現實效果不俗。
ROG 游戲 手機的肩鍵操控一直為用戶所喜愛，此次ROG 游戲 手機5s也進行了升級，單側肩鍵可以實現3個點擊映射，更多的操控可能為玩家帶來了更多不同的 游戲 體驗。
此外，上一代所具備的6000mAh容量大電池、65W快充、側邊中置介面、經由瑞典音頻專家Dirac調校的雙立體聲揚聲器等特點，在新機上也都有所保留，包括酷冷風扇5等配件，新機也都一樣可支持。
最後是價格方面，ROG 游戲 手機5s 8+128GB版本售價為3999元，12+128GB版本售價為4299元，12+256GB版本售價為4699元，16+256GB版本售價為4999元，18+512GB版本售價為5899元；ROG 游戲 手機5s Pro則只有一個18+512GB版本，售價為8499元。新機將於8月24日10:00正式發售。
㈡ 從三大板塊的產品布局出發，看北京車展的「新四化」趨勢
推遲了近乎半年的北京車展終於在9月26日正式開幕。除了一大批重磅新車在北京車展上正式亮相或上市外，眾多車企也依託概念車的設計元素，藉此發布其未來產品的發展規劃。無論是合資品牌、自主品牌還是新勢力品牌的展台，都是人滿為患，水泄不通。今天買車君就以自己的角度為大家分析，上述提到國內汽車市場的三大板塊（合資、自主、新勢力）分別都在幹些什麼。
合資品牌布局新能源
眾所周知，目前汽車的驅動方式正從傳統的內燃機階段往電氣化階段大步邁進，近些年國家對新能源汽車政策的傾斜同時吸引著眾多合資車企布局國內的新能源市場。在雙積分政策的影響和驅動下，2020年合資車企的電動化趨勢有著肉眼可見的明顯加速。
本田為中國消費者帶來了HondaSUVe：concept純電動概念車和CR-VSPORTHYBRIDe+，標志著本田中國的產品將覆蓋混合動力HEV、插電式混合動力PHEV和純電動BEV全矩陣，開啟電動化進程的新時代；日產首款純電SUVAriya也在北京車展上迎來了中國區的首發亮相，同時e-POWER增程技術也將被首次引入國內；福特帶來了MustangMach-E，沃爾沃帶來了XC40Recharge純電動車，就連路虎攬勝、Jeep牧馬人等傳統大排量車款也推出了它們各自的插混車型，新能源化趨勢明顯。
本屆北京車展的主題是「智領未來」。從以上的三大板塊來看，確實也凸顯了全球汽車「新四化」的行業趨勢。如何在新消費趨勢下保持產品優勢，成為了各車企的「終極答卷」。兩天下來，買車君對各車企的新產品和技術有了更大的期待。另外，此次北京車展將很有可能是2020年全球唯一的A級車展，如果想對汽車行業有更深的了解，不妨直接去趟北京觀摩學習一下。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
㈢ 最高280 TOPS算力，黑芝麻科技發布華山二號，PK特斯拉FSD
晶元作為智能汽車的核心「大腦」，成為諸多車企、Tier 1、自動駕駛企業重點布局的領域。
圍繞著自動駕駛最為關鍵的計算單元，國內誕生了諸多自動駕駛晶元創新公司，在該領域的絕大部分市場份額依然被國外廠商控制的當下，他們正在爭取成為「國產自動駕駛晶元之光」。
成立於 2016 年的黑芝麻智能科技便是這一名號的有力爭奪者。
繼 2019 年 8 月底發布旗下首款車規級自動駕駛晶元華山一號（HS-1）A500 後，黑芝麻又在這個 6 月推出了相較於前代在性能上實現躍遷的全新系列產品——華山二號（HS-2），兩個系列產品的推出相隔僅 300 余天，整體研發效率可見一斑。
1、國產算力最高自動駕駛晶元的自我修養
華山二號系列自動駕駛晶元目前有兩個型號的產品，包括：
應用於?L3/L4?級自動駕駛的華山二號 A1000?；針對?ADAS/L2.5?自動駕駛的華山二號 A1000L。
簡單理解就是，A1000 是高性能版本，而 A1000L 則在性能上進行了裁剪。
這樣的產品型號設置也讓華山二號系列晶元能在不同的自動駕駛應用場景中進行集成。
相較於 A500 晶元，A1000?在算力上提升了近?8 倍，達到了?40 - 70TOPS，相應的功耗為?8W，能效比超過?6TOPS/W，這個數據指標目前在全球處於領先地位。
華山二號 A1000 之所以能有如此出色的能效表現，很大程度是因為這塊晶元是基於黑芝麻自研的多層異構性的?TOA 架構打造的。
這個架構將黑芝麻核心的圖像感測技術、圖像視頻壓縮編碼技術、計算機視覺處理技術以及深度學習技術有機地結合在了一起。
此外，這款晶元中內置的黑芝麻自研的高性能圖像處理核心?NeuralIQ ISP?以及神經網路加速引擎?DynamAI DL?也為其能效躍升提供了諸多助力。
需要注意的是，這里的算力數值之所以是浮動的，是因為計算方式的不同。
如果只計算 A1000 的卷積陣列算力，A1000 大致是 40TOPS，如果加上晶元上的 CPU 和 GPU 的算力，其總算力將達到?70TOPS。
在其他參數和特性方面，A1000 內置了 8 顆 CPU 核心，包含 DSP 數字信號處理和硬體加速器，支持市面上主流的自動駕駛感測器接入，包括激光雷達、毫米波雷達、4K 攝像頭、GPS 等等。
另外，為了滿足車路協同、車雲協同的要求，這款晶元不僅集成了 PCIE 高速介面，還有車規級千兆乙太網介面。
A1000 從設計開始就朝著車規級的目標邁進，它符合晶元 AEC-Q100 可靠性和耐久性 Grade 2 標准，晶元整體達到了 ISO 26262 功能安全 ASIL-B 級別，晶元內部還有滿足 ASIL-D 級別的安全島，整個晶元系統的功能安全等級為?ASIL-D。
從這些特性來看，A1000 是一款非常標準的車規級晶元，完全可以滿足在車載終端各種環境的使用要求。
A1000 晶元已於今年 4 月完成流片，採用的是台積電的 16nm FinFET 製程工藝。
今年 6 月，黑芝麻的研發團隊已經對這款晶元的所有模塊進行了性能測試，完全調試通過，接下來就是與客戶進行聯合測試，為最後的大規模量產做准備。
據悉，搭載這款晶元的首款車型將在?2021 年底量產。
隨著 A1000 和 A1000L 的推出，黑芝麻的自動駕駛晶元產品路線圖也更加清晰。
在華山二號之後，這家公司計劃在 2021 年的某個時點推出華山三號，主要面向的是 L4/L5 級自動駕駛平台，晶元算力將超越 200TOPS，同時會採用更先進的 7nm 製程工藝。
華山三號的?200TOPS?算力，將追平英偉達 Orin 晶元的算力。
去年 8 月和華山一號 A500 晶元一同發布的，還有黑芝麻自研的 FAD（Full Autonomous Driving）自動駕駛計算平台。
這個平台演化至今，在 A1000 和 A1000L 晶元的基礎上，有了更強的可擴展性，也有了更廣泛的應用場景。
針對低級別的 ADAS 場景，客戶可以基於 HS-2 A1000L 晶元搭建一個算力為 16TOPS、功耗為 5W 的計算平台。
而針對高級別的 L4 自動駕駛，客戶可以將 4 塊 HS-2 A1000 晶元並聯起來，實現高達 280TOPS 算力的計算平台。
當然，根據不同客戶需求，這些晶元的組合方式是可變換的。
與其他大多數自動駕駛晶元廠商一樣，黑芝麻也在可擴展、靈活變換的計算平台層面投入了更多研發精力，為的是更大程度上去滿足客戶對計算平台的需求。
反過來，這樣的做法也讓黑芝麻這樣的晶元廠商有了接觸更多潛在客戶的機會。
根據黑芝麻智能科技的規劃，今年 7 月將向客戶提供基於 A1000 的核心開發板。
到今年 9 月，他們還將推出應用於 L3 自動駕駛的域控制器（DCU），其中集成了兩顆 A1000 晶元，算力可達 140TOPS。
2、黑芝麻自動駕駛晶元產品「聖經」
借著華山二號系列晶元的發布，黑芝麻智能科技創始人兼 CEO 單記章也闡述了公司 2020 年的「AI 三次方」產品發展戰略，具體包括「看得懂、看得清和看得遠」。
這一戰略是基於目前市面上對自動駕駛域控制器和計算平台的諸多要求提出的，這些要求包括安全性、可靠性、易用性、開放性、可升級以及延續性等。
其中，看得懂直接指向的是?AI 技術能力，要求黑芝麻的晶元產品能夠理解外界所有的信息，可以進行判斷和決策。
而看得懂的基礎是看得清，這指的是黑芝麻晶元產品的圖像處理能力，需要具備准確接收外界信息的能力。
這里尤其以攝像頭感測器為代表，其信息量最大、數據量也最多，當然感測器融合也不可或缺。
看得遠則指的是車輛不僅要感知周邊環境，還要了解更大范圍的環境信息，這就涉及到了車路協同、車雲協同這樣的互聯技術，所以我們看到黑芝麻的晶元產品非常注重對互聯技術的支持。
作為一家自動駕駛晶元研發商，這一戰略將成為黑芝麻後續晶元產品研發的「聖經」。
3、定位 Tier 2，綁定 Tier 1，服務 OEM
現階段，發展智能汽車已經成為了國家意志，在政策如此支持的情況下，智能汽車的市場爆發期指日可待。
根據艾瑞咨詢的報告數據顯示，到 2025 年全球將會有 6662 萬輛智能汽車的存量，中國市場的智能汽車保守預計在 1600 萬輛左右。
如此規模龐大的智能汽車增量市場，將為那些打造智能汽車「大腦」的晶元供應商培育出無限的產品落地機會。
作為其中一員，黑芝麻智能科技也將融入到這股潮流之中，很有機會成長為潮流的引領者。
作為一家自動駕駛晶元研發商，黑芝麻智能科技將自己定位為?Tier 2，未來將綁定 Tier 1 合作夥伴，進而為車企提供產品和服務。
當然，黑芝麻不僅能提供車載晶元，未來還將為客戶提供自動駕駛感測器和演算法的解決方案，還有工具鏈、操作平台等產品。
憑借著此前發布的華山一號 A500 晶元，黑芝麻智能科技已經與中國一汽和中科創達兩家達成了深入的合作夥伴關系，將在自動駕駛晶元、視覺感知演算法等領域展開了諸多項目合作。
另外，全球頂級供應商博世也與黑芝麻建立起了戰略合作關系。
目前，黑芝麻的華山一號 A500 晶元已經開啟了量產，其與國內頭部車企關於 L2+ 和 L3 級別自動駕駛的項目也正在展開。
如此快速的落地進程，未來可期。
有意思的是，黑芝麻此番發布華山二號系列晶元，包括中國一汽集團的副總經理王國強、上汽集團總工程師祖似傑、蔚來汽車 CEO 李斌以及博世中國區總裁陳玉東在內的多位行業大佬都為其雲站台。
這背後意味著什麼？給我們留下了很大的想像空間。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
㈣ 硬核且科幻的游戲旗艦：紅魔6S Pro動手玩
8月下旬的時候，紅魔 游戲 手機官方微博，就曝出了海報，將在 9月6日正式發布紅魔6S Pro。
9月6日這款手機帶著更加炫酷的設計，更加強勁的硬體性能它來了。紅魔6S Pro在外觀工藝、散熱設計、觸控延時等方面進行了全面的革新和加強，那麼這款硬核的紅魔6S Pro是否是你的菜呢。
外觀設計：硬核科幻美學
紅魔6S Pro正面搭載一款6.8英寸的AMOLED超清電競全面屏，擁有最高165hz的刷新率，以及720hz的觸控采樣率，支持DCI-P3 100%廣色域，並且採用晶鑽排列，解析度為2400*1080。支持DC調光，SGS低藍光護眼認證、SGS高刷低拖影認證。此外它搭載的第七代屏下超薄光學指紋在支持支付解鎖等場景下還支持心率檢測功能。
作為一台為 游戲 定製的手機，紅魔6S Pro在中框上有了很多強化，左側是一鍵進入 游戲 空間，風扇進氣孔，音量鍵，右側則是450hz雙獨立IC 觸控肩鍵，和散熱風扇出風口和電源鍵。頂部則是3.5mm耳機介面底部則是SIM卡槽，typec介面和揚聲器開孔，整個機身擁有三顆MIC孔，可在 游戲 中進行清晰的人聲提取以及隊友之間相互及時交流。
紅魔6S Pro背部的設計可以說極具辨識度，一半透明，一半黑化，硬核又科幻，像是一位 游戲 中的忍者武士，半遮面具讓你猜不透它的身份，這款氘鋒透明版的透明部分分別展示了20000轉離心風扇，驍龍888+處理器，165hz，LPDDR5等硬核參數，其中離心風扇還帶有燈效，當然紅魔標志的LOGO也保留了紅色燈效。
黑化的部分帶有本次升級的500hz紅魔腰鍵，支持滑動觸控等更多手勢的操作。三攝相機在中間顯得非常小，這使得橫握也十分舒適。
強大性能：強勁散熱
紅魔6S Pro配備了驍龍888處理器，主要的升級有兩點，一是X1大核升級到了3.0Ghz，另一個是AI算力提升到了32TOPS。
紅魔6S Pro跑分直接來到了86萬+，另外UFS3.1旗艦快閃記憶體也支持HS-G4規范，可以看到讀取相對於普遍的1700Mb/s有了一定的優勢。
紅魔6S Pro經過第一次系統升級推送後，基本上大家常玩的《和平精英》《王者榮耀》《QQ飛車》等 游戲 都能支持高幀率暢玩。
不過作為一台 游戲 手機，顯然它對於 游戲 的專屬定製肯定是和普通手機不一樣的。在 游戲 中我們可以隨時調出肩鍵和腰鍵的映射，可自由調節震動反饋和觸發靈敏度，整個手機多出的三個按鍵能助玩家在 游戲 中獲得更多的操作。
此外，在 游戲 空間內我們可以看到風扇設置，幀率顯示， 游戲 變聲， 游戲 錄制，以及備受好評的 游戲 充電分離，這項功能可以讓你在玩 游戲 時候邊沖邊玩，從而斷開電池充電，有效的保護了電池壽命。
本次紅魔6S Pro還新增了插件庫，音效設置，隨心換鍵，偵查模式，魔姬黑話，長按輔助、連點輔助、准心輔助、連招模式，狩獵模式，4D震感等。值得一提的是魔姬黑話能進行 游戲 場景播報，在王者榮耀復活時決賽圈開啟等 游戲 場景會有語音或者文字播報，進一步增加了 游戲 樂趣。操控面板也能設置包括觸控采樣，靈敏度、跟手性。
資源庫中還有很多類似於PC上的宏定義設置引導，這讓新手玩家更能打出大神的操作感，此外紅魔裝備庫還提供散熱背夾、耳機等一大堆 游戲 配件助力玩家增加 游戲 樂趣性。
對於在手機上的 游戲 體驗我想紅魔已經做得夠好了，而紅魔6S Pro還新增了投屏模式，支持直播優化、無線投屏、息屏投屏、小窗投屏。
投屏過後，我們可以使用電腦鍵盤進行操作，也可以把手機作為 游戲 手柄，經過實測，投屏的延遲非常小， 游戲 畫面可達到60幀。對於一些喜歡直播的玩家這個功能可以說非常友好，先投屏然後在推流到直播平台，將高清流暢的畫面完全展示給觀眾。
對於一款 游戲 手機來說充電和散熱也至關重要，紅魔6S Pro附送120W氮化鎵充電器配備4500mAh電池。5分鍾充電50%、17分鍾充電100%，而且手機本身採用雙電芯全極耳結構，加上風冷極速快充，續航和充電都能兼顧。此外在散熱方面紅魔6S Pro除了20000轉的離心風扇外主動散熱外，還有相變散熱材料、峽谷散熱風道、超導銅箔、高導熱凝膠、開放式屏蔽罩、復合石墨烯、VC散熱片、航空鋁材中框等被動散熱材料加持，可以說主動+被動散熱雙管齊下，紅魔6S Pro是最涼快的驍龍888Plus手機。
Red Magic OS 4.5新體驗
作為一款為 游戲 而生的 游戲 手機系統，它基於最新的安卓11深度開發，在兼顧 游戲 體驗的同時也能兼顧用戶的日常使用。另外就是在桌面新增了一些 游戲 相關組件，可讓用戶更加直觀快捷的操作手機。
首先紅魔6S Pro有雙Smart PA揚聲器，並支持DTS Ultra X環繞音響，可模擬聲源位置，讓玩家彷彿置身在真實場景中，如果佩戴3.5mm耳機還支持0延遲技術，為玩家帶來更好的音效體驗。
紅魔6S Pro支持單獨的GPU驅動升級，就像PC一樣，可單獨檢查升級，不斷增強 游戲 的穩定性，另外風扇的調節中依然保留了智能和極速兩種模式，充電時可散熱， 游戲 時也可散熱。
紅魔6S Pro更多的是在於內在的優化，首先就是Magic GPU 1.0，以及TC補幀3.0。依託於騰訊Solar Core 游戲 引擎這些都能保證在 游戲 的時候讓畫面減少撕裂，畫面不卡頓，抖動，幀率也更加穩定。另外紅魔6S Pro的紅魔Arc Reactor性能引擎能夠學慣用戶使用習慣，提前預載入縮短開機、應用啟動時間，此外RAM Boost內存壓縮技術，擴展虛擬內存技術都能讓手機在日常的使用中讀寫更加快速。
拍照：6400萬AI三攝
紅魔6S Pro主攝採用6400萬像素，輔以800萬像素超廣角以及200萬像素微距，這樣的相機組合完全可以滿足日常拍照所需。
作為一台 游戲 手機雖然拍照並不是紅魔6S Pro的強項，但是從整個樣張來看，它表現還是不錯的，雖然算不上出色，但和中高端價位的手機PK一下也未嘗不可，整個樣張並沒有那種討好眼球的鮮艷感，顯得比較樸素真實。
另外相機上雖然不夠強悍，但是紅魔6S Pro的相機功能倒是不少，像是友商宣傳的，星空、星軌、多重曝光、以及Vlog的希區柯克變焦都支持，視頻拍攝上也支持4K60幀、8K30幀。
總結：
紅魔6S Pro作為紅魔最新推出的 游戲 手機，在性能上毋庸置疑，本次升級最多的是一些內在體驗，更加硬核科幻的外觀設計，更強的720hz屏幕觸控采樣，以及450hz雙肩鍵和全新的紅魔腰鍵，更強的散熱設計以及支持心率監測的超薄屏下指紋，對於是想新入手 游戲 手機的用戶，紅魔6S Pro毋庸置疑就是當下最強的存在。
㈤ 與生活緊密相連 體驗MG領航Venus系統
[汽車之家?互聯出行]?上汽車型所搭載的斑馬智聯系統已經作了多次重大升級，目前系統已經升級到了斑馬Venus1.0版本，不僅界面風格作了重新設計，同時還引入了大量的聯網功能，其中就包含二十餘種支付寶小程序，覆蓋出行時可能遇到的各種消費需求。借著今天體驗MG領航的契機，我們先來體驗一下這套智聯系統吧。
●?文章總結：
智能表現方面，斑馬Venus1.0系統在所有中國品牌中算是走在了前列，其優異的表現不僅僅是依靠「聰明」的語音助手，接入的大量支付寶小程序一定程度上提升了出行的便利性，甚至還可以在您原本需要掏出手機掃碼支付加油費和停車費的時候，系統內置的無感加油/停車功能也免去了您掏出手機、解鎖、打開App掃碼、輸入密碼或生物識別的麻煩。或許在不久的將來，像斑馬Venus這樣的智聯車機也有可能成為生活中必不可少的好夥伴。（文/圖/攝汽車之家朱力神）
㈥ 華為光貓有哪幾種型號
你好華為光貓的型號有：HG8010、HG8110、HG8120、HG8240、HG814；
二、2013-2015年華為光貓的型號有：
1.聯通：HG8321R、HG8342R、HG8346R、HG8347R；
2.移動：HG8321、HG8120C、HG8340M、HG8341M、HG8342M、HG8346M；
3.電信：HG8120C、HG8245C、HG8240H。
三、2016年後華為光貓的型號有：
1.聯通：HG8321R小款千兆版；
2.移動：HG8546M、HG8545M、HS8545V、HS8546V；
3.電信：HG8145S、悅ME SA1456C超千兆
支持Wi-Fi 6 160MHz超大帶寬
目前，業界部分Wi-Fi 6隻支持80MHz頻寬，而OptiXstar支持Wi-Fi 6 160MHz超大頻寬，這相當於車道增寬了一倍，網速自然就提升一倍，從850Mbps提升到1800Mbps左右，實現了超千兆速率。
創新NP網路架構
運營商的寬頻接入網從GPON/EPON升級到10G PON後，家庭接入帶寬將從百兆提升至超千兆，相應的家庭光貓的速率和轉發能力也要跟上，為此，OptiXstar採用創新NP網路架構，支持Wi-Fi 6業務100%業務流硬轉發，可避免報文累積、排隊而導致網速低、時延大等問題，為在線網課、辦公和游戲帶來流暢的體驗。同時，創新的NP架構還能大幅降低光貓功耗和體積，以及節省大量CPU算力，將更多CPU資源留給更多新業務。僅供參考哦
㈦ 手機上運行的深度神經網路模型-MobileNet
文章引用自《 從MobileNet看輕量級神經網路的發展 》，詳情請點擊原文觀看
前 言
隨著深度學習的火熱，計算機視覺領域內的卷積神經網路模型也層出不窮。從1998年的LeNet，到2012年引爆深度學習熱潮的AlexNet，再到後來2014年的VGG，2015年的ResNet，深度學習網路模型在圖像處理中應用的效果越來越好。神經網路體積越來越大，結構越來越復雜，預測和訓練需要的硬體資源也逐步增多，往往只能在高算力的伺服器中運行深度學習神經網路模型。移動設備因硬體資源和算力的限制，很難運行復雜的深度學習網路模型。
深度學習領域內也在努力促使神經網路向小型化發展。在保證模型准確率的同時體積更小，速度更快。到了2016年直至現在，業內提出了SqueezeNet、ShuffleNet、NasNet、MnasNet以及MobileNet等輕量級網路模型。這些模型使移動終端、嵌入式設備運行神經網路模型成為可能。而MobileNet在輕量級神經網路中較具代表性。
谷歌在2019年5月份推出了最新的MobileNetV3。新版MobileNet使用了更多新特性，使得MobileNet非常具有研究和分析意義，本文將對MobileNet進行詳細解析。
MobileNet的優勢
MobileNet網路擁有更小的體積，更少的計算量，更高的精度。在輕量級神經網路中擁有極大的優勢。
1
更小的體積
MobileNet相比經典的大型網路，參數量明顯更少，參數量越少模型體積越小。
2
更少的計算量
MobileNet優化網路結構使模型計算量成倍下降。
3
更高的准確率
MobileNet憑借網路結構優化，在更少的參數及更少的計算量情況下，網路精度反而超過了部分大型神經網路。在最新的MobileNetV3-Large中，實現ImageNet數據集Top1准確率達到75.2%。
4
更快的速度
使用Google Pixel-1手機測試，MobileNet各版本都能保持運行時間在120ms以下，最新版MobileNetV3-Large運行時間達到66ms，參數量和計算量更低的MobileNetV3-Small更是能達到22ms；GoogleNet運行速度約為250ms，而VGG-16由於一次性需要載入至內存的空間已超過500MB，手機系統會報內存溢出錯誤導致無法運行。
5
多種應用場景
MobileNet可以在移動終端實現眾多的應用，包括目標檢測，目標分類，人臉屬性識別和人臉識別等。
MobileNet各版本介紹
1
MobileNetV1網路結構
整個網路不算平均池化層與softmax層，共28層；
在整個網路結構中步長為2的卷積較有特點，卷積的同時充當下采樣的功能；
第一層之後的26層都為深度可分離卷積的重復卷積操作；
每一個卷積層（含常規卷積、深度卷積、逐點卷積）之後都緊跟著批規范化和ReLU激活函數；
最後一層全連接層不使用激活函數。
2
MobileNetV2網路結構
MobileNetV2中主要引入線性瓶頸結構和反向殘差結構。
MobileNetV2網路模型中有共有17個Bottleneck層（每個Bottleneck包含兩個逐點卷積層和一個深度卷積層），一個標准卷積層（conv），兩個逐點卷積層（pw conv），共計有54層可訓練參數層。MobileNetV2中使用線性瓶頸（Linear Bottleneck）和反向殘差（Inverted Resials）結構優化了網路，使得網路層次更深了，但是模型體積更小，速度更快了。
3
MobileNetV3網路結構
MobileNetV3分為Large和Small兩個版本，Large版本適用於計算和存儲性能較高的平台，Small版本適用於硬體性能較低的平台。
Large版本共有15個bottleneck層，一個標准卷積層，三個逐點卷積層。
Small版本共有12個bottleneck層，一個標准卷積層，兩個逐點卷積層。
MobileNetV3中引入了5×5大小的深度卷積代替部分3×3的深度卷積。引入Squeeze-and-excitation（SE）模塊和h-swish（HS）激活函數以提高模型精度。結尾兩層逐點卷積不使用批規范化（Batch Norm），MobileNetV3結構圖中使用NBN標識。
（圖片來源https://arxiv.org/pdf/1905.02244.pdf）
網路結構上相對於MobileNetV2的結尾部分做了優化，去除三個高階層，如上圖所示。去除後減少了計算量和參數量，但是模型的精度並沒有損失。
值得一提的是，不論是Large還是Small版本，都是使用神經架構搜索（NAS）技術生成的網路結構。
4
MobileNet各版本特性
MobileNet實現計算量減小、參數量減少的同時保證了較高的准確率,這和其擁有的特性息息相關：
MobileNetV1提出的特性
MobileNetV2提出的特性
MobileNetV3提出的特性
MobileNet各個版本擁有的特性匯總
下文將對上表中的各個特性詳細闡述。
MobileNet的特性詳解
1
深度可分離卷積
從MobileNetV1開始，到V2、V3的線性瓶頸結構都大量使用了深度可分離卷積。
深度可分離卷積（Depthwise Separable Convolution）是一種卷積結構。它是由一層深度卷積（Depthwise convolution）與一層逐點卷積（Pointwise Convolution）組合而成的，每一層卷積之後都緊跟著批規范化和ReLU激活函數。跟標准卷積的區別就是精度基本不變的情況下，參數與計算量都明顯減少。
深度卷積
深度卷積（Depthwise convolution, DW）不同於常規卷積操作，深度卷積中一個卷積核只有一維，負責一個通道，一個通道只被一個卷積核卷積；常規卷積每個卷積核的維度與輸入維度相同，每個通道單獨做卷積運算後相加。
以一張5x5x3（長和寬為5，RGB3通道）的彩色圖片舉例。每層深度卷積卷積核的數量與上一層的通道數相同（通道和卷積核一一對應）。設padding=1，stride=1，一個三通道的圖像經過運算後生成了3個特徵圖，如下圖所示：
深度卷積完成後的輸出特徵圖通道數與輸入層的通道數相同，無法擴展通道數。而且這種運算對輸入層的每個通道獨立進行卷積運算，沒有有效的利用不同通道在相同空間位置上的特徵信息。因此需要逐點卷積來將生成的特徵圖進行組合生成新的特徵圖。
逐點卷積
逐點卷積（Pointwise Convolution, PW）的運算與標准卷積運算非常相似。
逐點卷積卷積核大小為1×1xM（M為輸入數據的維度），每次卷積一個像素的區域。逐點卷積運算會將上一層的特徵圖在深度方向上進行加權組合，生成新的特徵圖，新的特徵圖的大小與輸入數據大小一致；然後組合各通道的特徵圖，以較少的計算量進行降維或升維操作（改變輸出數據的維度）。
以一張5x5x3（長和寬為5，RGB3通道）的彩色圖片舉例，使用4個1x1x3的逐點卷積核進行卷積，逐點卷積運算後生成了4個特徵圖。這個例子是使用逐點卷積進行升維的操作，特徵圖從5x5x3 升維到5x5x4。如下圖所示：
深度可分離卷積結構解析
將深度卷積和逐點卷積組成深度可分離卷積後的示意圖，如下圖所示：
首先進行深度卷積操作，得出的特徵圖各通道之間是不關聯的。接著進行逐點卷積把深度卷積輸出的特徵圖各通道關聯起來。
深度可分離卷積使用了更小的空間代價（參數減少）和更少的時間代價（計算量更少）實現了標准卷積層一樣的效果（提取特徵）。
一般的設Df為輸入特徵圖邊長，Dk為卷積核邊長，特徵圖和卷積核均為長寬一致，輸入通道數為M，輸出通道數為N，則:
標准卷積計算量為：Df×Df×Dk×Dk×M×N
深度卷積的計算量為：Df×Df×Dk×Dk×M
逐點卷積的計算量為：Df×Df×M×N
上圖所示實現輸入特徵圖大小為5×5×3，輸出特成圖大小為5×5×4，設padding=1，stride=1，深度卷積卷積核大小為3×3，標准卷積也使用3×3尺寸卷積核。實現相同的卷積效果，參數量（不包含偏置）與計算量對比如下表所示：
深度可分離卷積的演變
事實上深度可分離卷積不是在MobileNetV1中第一次提出的，而是在2016年由谷歌的Xception網路結構中提出的。MobileNetV1在Xception的基礎上，對深度可分離卷積進行了改進，做到了計算量與參數量的下降：
假定M為輸入層的通道數，N為輸出層的通道數。
Xcenption的深度可分離卷積是由輸入參數開始，使用1x1xMxN卷積將輸入層的通道數轉換為目標通道數，再通過3x3x1卷積核對每個通道進行卷積，每次卷積過後使用ReLU進行激活。
MobileNetV1的深度可分離卷積則是先使用3x3x1xM對輸入層的每個通道分別卷積，之後通過1x1xMxN將輸入層通道數轉換為輸出層通道數，每次卷積過後做一次批規范化操作，再使用ReLU進行激活。
這里我們使用MobileNetV1網路結構的第一個深度可分離卷積層來舉例，輸入層維度為112x112x32，輸出層維度為112x112x64，Xception與MobileNet的深度可分離卷積的計算量與參數個數對比如下表：
由此可知將PW卷積與DW卷積的順序調整後，優化了網路的空間復雜度和時間復雜度。
2
寬度因子
MobileNet本身的網路結構已經比較小並且執行延遲較低，但為了適配更定製化的場景，MobileNet提供了稱為寬度因子（Width Multiplier）的超參數給我們調整。寬度因子在MobileNetV1、V2、V3都可以運用。
通過寬度因子，可以調整神經網路中間產生的特徵的大小，調整的是特徵數據通道數大小，從而調整了運算量的大小。
寬度因子簡單來說就是新網路中每一個模塊要使用的卷積核數量相較於標準的MobileNet比例。對於深度卷積結合1x1方式的卷積核，計算量為：
算式中α即為寬度因子，α常用的配置為1,0.75,0.5,0.25；當α等於1時就是標準的MobileNet。通過參數α可以非常有效的將計算量和參數數量約減到α的平方倍。
下圖為MobileNetV1使用不同α系數進行網路參數的調整時，在ImageNet上的准確率、計算量、參數數量之間的關系（每一個項中最前面的數字表示α的取值）。
（數據來源https://arxiv.org/pdf/1704.04861.pdf）
可以看到當輸入解析度固定為224x224時，隨著寬度因子的減少，模型的計算量和參數越來越小。從上表可以看到， 0.25 MobileNet的正確率比標准版1.0MobileNet低20%，但計算量和參數量幾乎只有標准版1.0MobileNet計算量、參數量的10%！對於計算資源和存儲資源都十分緊張的移動端平台，可以通過α寬度因子調節網路的餐數量是非常實用的，在真正使用時我們可以按需調整α寬度因子達到准確率與性能的平衡。
3
解析度因子
MobileNet還提供了另一個超參數解析度因子（Resolution Multiplier）供我們自定義網路結構，解析度因子同樣在MobileNetV1、V2、V3都可以運用。
解析度因子一般用β來指代，β的取值范圍在(0,1]之間，是作用於每一個模塊輸入尺寸的約減因子，簡單來說就是將輸入數據以及由此在每一個模塊產生的特徵圖都變小了，結合寬度因子α，深度卷積結合1x1方式的卷積核計算量為：
下圖為MobileNetV1使用不同的β系數作用於標准MobileNet時，在ImageNet上對精度和計算量的影響（α固定1.0）
（數據來源https://arxiv.org/pdf/1704.04861.pdf）
上圖中的 224、192、160、128 對應的解析度因子分別為 1、 6/7、5/7、4/7。
β=1時，輸入圖片的解析度為224x224，卷積後的圖像大小變化為： 224x224 、112x112、56x56、28x28、14x14、7x7。
β= 6/7時，輸入圖片的解析度為192x192，卷積後各層特徵圖像大小變化為：192x192、96x96、48x48、24x24、12x12、6x6。
卷積特徵圖像的大小變化不會引起參數量的變化，只改變模型M-Adds計算量。上圖中 224解析度模型測試ImageNet數據集准確率為70.6%，192解析度的模型准確率為69.1%，但是M-Adds計算量減少了151M，對移動平台計算資源緊張的情況下，同樣可以通過β解析度因子調節網路輸入特徵圖的解析度，做模型精度與計算量的取捨。
4
規范化
深度學習中的規范化操作（Normalization），有助於加快基於梯度下降法或隨機梯度下降法模型的收斂速度，提升模型的精度，規范化的參數能夠提升模型泛化能力，提高模型的可壓縮性。
按照規范化操作涉及對象的不同可以分為兩大類，一類是對輸入值進行規范化操作，比如批規范化（Batch Normalization）、層規范化（Layer Normalization）、實例規范化（Instance Normalization）、組規范化（Group Normalization）方法都屬於這一類。另外一類是對神經網路中參數進行規范化操作，比如使用L0,L1范數。
批規范化
批規范化（Batch Normalization）幾乎存在於MobileNetV1、V2、V3的每個卷積層的後面，目的是加快訓練收斂速度，提升准確率。
批規范化是一種對數值的特殊函數變換方法，也就是說假設原始的某個數值是 x，套上一個起到規范化作用的函數，對規范化之前的數值 x 進行轉換，形成一個規范化後的數值，即：
所謂規范化，是希望轉換後的數值滿足一定的特性，至於對數值具體如何變換，跟規范化目標有關，不同的規范化目標導致具體方法中函數所採用的形式不同。通過自適應的重新參數化的方法，克服神經網路層數加深導致模型難以訓練的問題。
參數規范化
參數規范化（Weight Normalization， WN）是規范化的一種, 通過人為的設定稀疏演算法，去除模型中多餘的參數（置為0）使得模型參數稀疏化，可以通過L1範式實現。
參數規范化是防止模型過分擬合訓練數據。當訓練一批樣本的時候，隨著訓練的推移模型會越來越趨向於擬合樣本數據。因為參數太多，會導致模型復雜度上升，容易過擬合。
需要保證模型"簡單"的基礎上最小化訓練誤差，這樣得到的參數才具有好的泛化性能（也就是測試誤差也小），而模型"簡單"就是通過規則函數來實現的。
如上圖所示，左側分類明顯的是欠擬合，模型並沒有能夠擬合數據。中間圖示為合適的擬合，右邊圖示是過擬合，模型在訓練樣本中擬合度是很好的，但是卻違背了特徵分類規律，在新的測試樣本中表現糟糕，影響模型的泛化能力。顯然右側模型在訓練是受到額外參數干擾。參數規則化能夠使參數稀疏，減少額外參數的干擾，提高泛化能力。
模型擁有稀疏的參數（模型中有大量參數為0），也有利於通過壓縮演算法壓縮模型的大小。
5
線性瓶頸
線性瓶頸英文為Linear Bottleneck，是從Bottleneck結構演變而來的，被用於MobileNetV2與V3。
Bottleneck結構首次被提出是在ResNet網路中。該結構第一層使用逐點卷積，第二層使用3×3大小卷積核進行深度卷積，第三層再使用逐點卷積。MobileNet中的瓶頸結構最後一層逐點卷積使用的激活函數是Linear，所以稱其為線性瓶頸結構（Linear Bottleneck）。線性瓶頸結構有兩種，第一種是步長為1時使用殘差結構，第二種是步長為2時不使用殘差結構。
其中輸入通道數為M，擴大倍數系數為T。T的值為大於0 的正數，當 0<T<1時，第一層逐點卷積起到的作用是降維。當 1<T時，第一層逐點卷積起到的作用是升維。
第二層為深度卷積，輸入通道數 = 輸出通道數 = M×T。
第三層為逐點卷積，作用是關聯深度卷積後的特徵圖並輸出指定通道數N。
線性瓶頸結構相對標准卷積能夠減少參數數量，減少卷積計算量。從空間和時間上優化了網路。
6
反向殘差
MobileNetV2中以ResNet的殘差（Resials）結構為基礎進行優化，提出了反向殘差（Inverted Resials）的概念，之後也同樣運用與MobileNetV3中。
ResNet中提出的殘差結構解決訓練中隨著網路深度增加而出現的梯度消失問題，使反向傳播過程中深度網路的淺層網路也能得到梯度，使淺層網路的參數也可訓練，從而增加特徵表達能力。
ResNet的殘差結構實際是在線性瓶頸結構的基礎上增加殘差傳播。如下圖所示：
ResNet中的殘差結構使用第一層逐點卷積降維，後使用深度卷積，再使用逐點卷積升維。
MobileNetV2版本中的殘差結構使用第一層逐點卷積升維並使用Relu6激活函數代替Relu，之後使用深度卷積，同樣使用Relu6激活函數，再使用逐點卷積降維，降維後使用Linear激活函數。這樣的卷積操作方式更有利於移動端使用（有利於減少參數與M-Adds計算量），因維度升降方式與ResNet中的殘差結構剛好相反，MobileNetV2將其稱之為反向殘差（Inverted Resials）。
7
5x5 的深度卷積
MobileNetV3中，深度卷積大量使用5x5大小的卷積核。這是因為使用神經結構搜索（NAS）技術計算出的MobileNetV3網路結構的過程中，發現了在深度卷積中使用5x5大小的卷積核比使用3x3大小的卷積核效果更好，准確率更高。關於NAS技術將會在下文的單獨章節中做介紹。
8
Squeeze-and-excitation 模塊
Squeeze-and-Excitation模塊（簡稱SE模塊）的首次提出是在2017年的Squeeze-and-Excitation Networks(SENet)網路結構中，在MNasNet中進行了改進，之後在MobileNetV3中大量使用。研究人員期望通過精確的建模卷積特徵各個通道之間的作用關系來改善網路模型的表達能力。為了達到這個期望，提出了一種能夠讓網路模型對特徵進行校準的機制，使得有效的權重大，無效或效果小的權重小的效果，這就是SE模塊。
（圖片來源https://arxiv.org/pdf/1905.02244.pdf）
如上圖，MobileNetV3的SE模塊被運用在線性瓶頸結構最後一層上，代替V2中最後的逐點卷積，改為先進行SE操作再逐點卷積。這樣保持了網路結構每層的輸入和輸出，僅在中間做處理，類似於軟體開發中的鉤子。
SE模塊結構詳解
下圖表示一個SE 模塊。主要包含Squeeze和Excitation兩部分。W，H表示特徵圖寬，高。C表示通道數，輸入特徵圖大小為W×H×C。
壓縮（Squeeze）
第一步是壓縮（Squeeze）操作，如下圖所示
這個操作就是一個全局平均池化（global average pooling）。經過壓縮操作後特徵圖被壓縮為1×1×C向量。
激勵（Excitation）
接下來就是激勵（Excitation）操作，如下圖所示
由兩個全連接層組成，其中SERatio是一個縮放參數，這個參數的目的是為了減少通道個數從而降低計算量。
第一個全連接層有C*SERatio個神經元，輸入為1×1×C，輸出1×1×C×SERadio。
第二個全連接層有C個神經元，輸入為1×1×C×SERadio，輸出為1×1×C。
scale操作
最後是scale操作，在得到1×1×C向量之後，就可以對原來的特徵圖進行scale操作了。很簡單，就是通道權重相乘，原有特徵向量為W×H×C，將SE模塊計算出來的各通道權重值分別和原特徵圖對應通道的二維矩陣相乘，得出的結果輸出。
這里我們可以得出SE模塊的屬性：
參數量 = 2×C×C×SERatio
計算量 = 2×C×C×SERatio
總體來講SE模塊會增加網路的總參數量，總計算量，因為使用的是全連接層計算量相比卷積層並不大，但是參數量會有明顯上升，所以MobileNetV3-Large中的總參數量比MobileNetV2多了2M。
MobileNetV3中的SE模塊
SE模塊的使用是很靈活的，可以在已有網路上添加而不打亂網路原有的主體結構。
ResNet中添加SE模塊形成SE-ResNet網路，SE模塊是在bottleneck結構之後加入的，如下圖左邊所示。
MobileNetV3版本中SE模塊加在了bottleneck結構的內部，在深度卷積後增加SE塊，scale操作後再做逐點卷積，如上圖右邊所示。MobileNetV3版本的SERadio系數為0.25。使用SE模塊後的MobileNetV3的參數量相比MobileNetV2多了約2M，達到5.4M，但是MobileNetV3的精度得到了很大的提升，在圖像分類和目標檢測中准確率都有明顯提升。
9
h-swish激活函數
MobileNetV3中發現swish激活函數能夠有效提高網路的精度，但是swish的計算量太大了，並不適合輕量級神經網路。MobileNetV3找到了類似swish激活函數但是計算量卻少很多的替代激活函數h-swish（hard version of swish）如下所示：
sigmoid、h-sigmoid、swish、h-swish激活函數的比較：
（圖片來源https://arxiv.org/pdf/1905.02244.pdf）
這種非線性在保持精度的情況下帶來了很多優勢，首先ReLU6在眾多軟硬體框架中都可以實現，其次量化時避免了數值精度的損失，運行快。這一非線性改變將模型的延時增加了15%。但它帶來的網路效應對於精度和延時具有正向促進，剩下的開銷可以通過融合非線性與先前層來消除。
㈧ 618買游戲本「水很深」有了這份攻略讓你遠離大坑
點擊右上方「關注」，第一時間獲取 科技 資訊、技能攻略、產品體驗，私信我回復「01」，送你一份玩機技能大禮包。
---------------------------------
顯卡漲價、固態硬碟漲價，就連機械硬碟都漲價了，最近半年的DIY市場對於想要裝機的朋友來說實在是惡意滿滿，以至於 游戲 本居然成為了最劃算的 游戲 主機升級方案。
我們來計算一下性價比就知道了，一張未鎖算力的RTX 3060顯卡售價是6500-7000元，而一款搭載RTX 3060顯卡的 游戲 筆記本電腦，售價則是7500-8500，其中不少品牌在618的活動價都能有個500-1000的優惠。
而且，RTX 3060是一款很有意思的顯卡，它的移動版和桌面版性能幾乎相同，唯一的區別就在於顯存，桌面版的顯存是移動版的兩倍，在高解析度顯示的情況下將會有著一定優勢，但是在1080P下基本沒有區別。
不過，雖然現在看來 游戲 本的性價比很高，但是這裡面的水也遠比台式機更深， 獨顯直連、顯卡功耗、散熱三大坑，可不是所有人都能夠避開的，那麼我們該如何挑選一款合格的 游戲 本，在618又有哪些 游戲 本值得選購呢？
游戲 本都有哪些坑？拋開顏值、重量、厚度等方面的影響，我們這次只討論對 游戲 性能影響最大的幾個問題，讓大家能夠以最快速度分清一款 游戲 本是否值得購買。
1、獨顯直連
獨顯直連可以說是最近兩年裡網上討論熱度最大的一個功能，簡單地說就是讓獨顯繞開核顯，將畫面支持輸出到顯示屏，一定程度上能夠降低延遲且提升性能。支持者認為獨顯直連可以有效提升 游戲 性能，反方則認為提升不大，不過，在RTX 20/30系移動版顯卡推出後，這個爭論基本上是塵埃落定。
在RTX 20系/30系顯卡上， 支持獨顯直連功能的 游戲 本最高是可以獲得10%左右的 游戲 性能提升 ，對於 游戲 本來說這個提升已經是相當地可觀。而且，隨著獨顯直連的普及，大多數高端 游戲 本都已經支持該功能，不需要玩家付出額外的費用就可以獲得，白給的性能誰不愛呢？
不過仍然有少數的 游戲 本並不支持，所以在購買時最好看看詳情頁是否有相關介紹，如果沒有介紹則可以詢問客服，目前已知全系支持獨顯直連的 游戲 本有聯想的拯救者2020/2021系列、機械革命的蛟龍5/7系列、惠普的暗影精靈7系列等。
2、顯卡功耗
顯卡功耗在往年也是不少玩家所關注的重點，只不過今年的RTX 30系顯卡上市後，這個問題就變得更加難以捉摸了。因為英偉達在新一代顯卡上給筆記本廠商開放了更加自由的功耗調整許可權，不再對顯卡進行普通版、Max-Q版的區分，同時也開放了更高的功耗上限。
以RTX 3060為例，它的功耗可以在60W-115W之間浮動，顯卡本身的功耗上限為115W，不過一些 游戲 本支持Dynamic Boost2.0技術， 在散熱允許的情況下，可以額外提升15W的顯卡功耗，解鎖最高130W的功耗，在該功耗下移動版的RTX 3060性能將十分接近桌面版。
在測試中，60W版本的RTX 3060與130W版本的RTX 3060相比，性能差距最大可達到30%以上，體現到 游戲 上區別已經是十分明顯。所以，如果想要選購一款性能足以滿足需求的 游戲 本，功耗是必須重點關注的對象，否則你的RTX 3060可能性能還不如上一代的滿血版RTX 2060也是有可能的。
3、散熱設計
散熱設計應該就無需小雷多講了， 對於筆記本電腦來說，散熱直接決定了長時間使用時的體驗，同時也決定著電腦的性能上限。
舉個例子，假設一個散熱上限為150W的電腦，如果使用的是130W滿血版RTX 3060+45W的標壓處理器，那麼就很可能會遇到溫度牆，導致電腦主動限制硬體性能，以此來避免電腦的損壞。
反饋到 游戲 上就是一開始幀數還能達到70、80fps，在玩了半小時後就突然降低到60甚至更低的fps，突然的卡頓足以讓玩家的 游戲 體驗一落千丈。如果不想撞溫度牆，唯一的辦法就是降低畫質、限制FPS上限，以此來限制顯卡的功耗，防止過熱。
另一方面， 充裕的散熱上限設計，也能夠降低高功耗下的風扇噪音，可以避免因為風扇滿速運轉所帶來的噪音問題。
除了以上三個方面值得關注外，處理器、顯卡型號、屏幕參數等也是值得考慮的，不過以上硬體往往要基於價格來考慮，所以不好用一個統一的標准對其進行衡量。另外，在 游戲 本中也有一部分特殊的存在——輕薄 游戲 本，這種為了兼具輕薄和續航而在性能上進行妥協的產品，也很難以普通 游戲 本的標准來進行要求。
如果你不想費心思去一一對比，那麼也可以參考小雷給出的推薦名單來購買。
考慮到不同預算、性能要求，本次推薦將會分為三類：入門款、高性能款和特殊款，同時以京東的618價格為准，其餘平台的優惠暫不考慮，大家有興趣購買的話可以自行對比價格。
入門款
對於入門款，小雷將以低於6000元、滿足一般的 游戲 需求為出發點來進行推薦，該分類下的 游戲 本足以滿足一般的網游和3A 游戲 的遊玩需求，無法滿足3A 游戲 的高畫質高幀率運行需求。
1、微星俠客 GF65 i7-10750H+RTX 2060
微星的 游戲 本雖然在國內名聲不顯，但是在國外卻是能夠與華碩抗衡的存在，其中GF65雖然是定位最低的 游戲 本，但是在散熱等方面的表現卻相當出色。在618的活動產品中，6299元的GF65算是一款十分不錯的入門款 游戲 本，
i7-10750H在性能測試中雖然不如R7-4800H，但是實際表現也頗為不錯，而且支持雷電介面，而RTX 2060雖然被譽為「智商卡」但是6299的價格下依然可以接受，性能也足以滿足1080P下的大多數 游戲 流暢運行。而且，在6000價位想要買到一線的散熱水準，目前也就微星能夠提供了（拯救者沒貨.jpg）。
2、榮耀獵人 V700 i5-10300H+GTX 1660Ti 60Hz/144Hz版
作為榮耀品牌的第一款 游戲 本產品，榮耀獵人除了在上市之初引起了不少討論外，後續的討論度確實不高，而且因為起售價較高，所以也是叫好不叫座。不過，在618期間的降價幅度也是很大，其中60Hz屏幕的版本到手價僅5399元，對於主要玩3A 游戲 的朋友來說，60Hz的屏幕足以滿足需求，而且也剛好是GTX 1660Ti的 游戲 優勢區間。
另一款144Hz版本的售價是5999元，適合主要玩競技類 游戲 的玩家選擇，比如守望先鋒、CS：GO、LOL、彩虹六號、Dota2等，以GTX 1660Ti的性能在中偏高的畫質設置下，足以滿足144Hz穩定運行的需求。
另一方面，榮耀獵人在做工、散熱等方面也有著不錯的表現，綜合來看是目前性價比最高的 游戲 本之一。唯一的問題在於，大部分城市的售後可能都需要通過返廠的方式來完成，無法做到聯想那樣的現場維修、檢測。
高性能款
高性能款，小雷對這一類型的 游戲 本要求是能夠滿足3A 游戲 在1080P下的高幀數運行及2K高畫質下的60fps流暢運行，且價格在10000以下。
1、機械革命 蛟龍7 R5-4800H+RTX 3060
機械革命雖然名聲不如戴爾、聯想、華碩等廠商，此前也一度被認為是三線品牌，但是在使用了自主研發的模具後，口碑也是直線上升，已經超越了其它產品進入到二線筆記本品牌中。
這款售價7999元的蛟龍7採用的就是旗艦同款模具，在散熱等方面有著出色的表現，同時支持獨顯直連並配置了一塊2K解析度+165Hz刷新率的顯示屏。性能方面，R7-4800H雖然不如R7-5800H給力，但是大多數下差別並不明顯，所以綜合來看算是目前性價比最高的 游戲 處理器之一。
另外，RTX 3060桌面版雖然被不少人嫌棄性能，但是在移動端卻表現優越，而且蛟龍7的RTX 3060為130W滿血版，天梯榜性能甚至略微超過上一代的RTX 2080 Max-Q，如果不是6GB顯存限制了其在高解析度下的發揮，性價比還將會進一步提升。
2、暗影精靈7 i7-11800H+RTX 3060
惠普的暗影精靈系列也是頗具名氣的一線 游戲 本品牌，不過往年的表現基本不如拯救者，所以一直被穩壓一頭。但是在新一代的暗影精靈7上採用的是上一代暗影精靈6 Pro的旗艦模具，在散熱等方面表現較為出色，且顏值和重量、厚度都不錯，在下放到標准版後綜合來看性價比還是不錯的。
i7-11800H在測試中 游戲 性能甚至超越了R9-5900H，另一方面英特爾處理器也支持雷電4介面，對於想要外接顯示器的朋友來說幫助很大。不過，暗影精靈7的RTX 3060顯卡功耗僅為115W，對比130W滿血版性能差距在10%左右，大多數 游戲 下表現差別不會很大。
另外，暗影精靈7搭載的也並非2K屏幕而是1080P的144Hz屏幕，雖然對於大多數玩家來說已經足夠了，配置基本對標聯想的R7000P，只不過R7000P原價購買難度太貴，淘寶加價幅度也不小，綜合考慮下來還不如選擇暗影精靈7，至少目前的加價幅度仍在可以接受的范圍內。
輕薄款
輕薄 游戲 本，算是最近幾年火起來的一個新分量。簡單地說，為了滿足一些用戶的特殊需求所開發的產品，輕薄款就基本不考慮過多的性能了，而是更注重於設計、性能釋放等方面的表現。
1、ROG 幻14 R9-4900HS+RTX 2060 Max-Q
ROG的幻系列在輕薄 游戲 本領域也算是大名鼎鼎的存在，R9-4900HS的處理器加上RTX 2060顯卡，基本上能夠滿足一般的3A 游戲 需求，雖然在2K解析度下可能無法達到太高的幀數，但是滿足流暢運行是毫無壓力的。
而在塞入了高性能硬體的情況下，幻14仍然做到了1.6kg的重量和17.9mm的厚度，基本上與一般的商務本相當。另外，在充電方面也是支持PD快充，滿足輕裝出行的需要。除了R9+2060的版本外，在拼多多還有6698的R7+1660Ti版本選擇，如果願意冒險的話，拼多多的版本是目前性價比最高的。
2、微星Stealth 15M i7-11375H+RTX 3060
微星Stealth 15M基本上是9000價位檔唯一能夠提供RTX 3060顯卡的輕薄 游戲 本，唯一的問題就是搭載的處理器為i7-11375H。雖然名義上屬於酷睿i7系列，實際上從核心數來看是屬於i3系列的一顆產品，單核性能出色但是多核性能甚至不如R5系列處理器。
簡單來說，如果想要應付一般的 游戲 需求，同時又不喜歡厚重的 游戲 本，那麼1.7kg重，16.15mm的Stealth 15M會是不錯的選擇，但是如果想用來當生產力工具，進行諸如渲染等工作，那麼處理器的劣勢就較大了。目前Stealth 15M的京東售價為9269，性價比還是較高的。
目前 游戲 本市場雖然存在一定程度的溢價，但是對比起顯卡的溢價來說算是很低，而且各品牌的官方店和商城不定時會放一批原價貨源，在618期間的備貨也相對充足，對於剛需的朋友來說，目前算是一個較好的購買時間點。
有的朋友可能疑惑，為什麼小雷推薦的產品里沒有拯救者？那不是口碑最好的 游戲 本系列嗎？確實，拯救者如果是按照官方價格來購買，很香，問題就在於拯救者太受歡迎，基本上都需要加價才能購買到，而且有些熱銷款式乾脆就沒貨，對於想馬上上手的朋友來說並不是個好選擇。
當然，如果大家有耐心，而且不急用的話，那麼也可以蹲守一下各大電商平台和聯想官方商城，也許就能好運的買上一台原價拯救者也說不定。
----------------------------------
作者：雷 科技 團隊，致力於聚焦 科技 與生活，關注並私信回復「01」，送你一份玩機技能大禮包。
㈨ ALC5686解碼晶元怎麼樣
ALC5686 對比 ALC4042 32bit 384khz 性能更好
網頁鏈接來自typec.org/alc5686.html
ALC5686 是Type C耳機音效卡晶元，對比 ALC4042 32bit 384khz 性能更好;120DB SNR 90DB THD，最低功耗及底噪。單聲道ADC麥克風前置功放Booster;PLL，調節器和USB收發器。ALC5686是可編程的通過跳線針腳或外部EEPROM。客戶可通過外部EEPROM自定義獨特的USB VID / PID /產品字元串/製造商字元串和最大/最小/初始音量。此外，ALC5686支持HID標準的音量控制引腳如播放/音量增加/遞減/錄音靜音/播放靜音/播放LED/靜音LED。 ALC5686還配備了一個反POP雜訊電路設計和內部振盪器，無需外部晶體振盪器。
ALC5686-改進
音頻編解碼器的USB 2.0介面
支持USB FS和HS模式
USB音頻輸入/輸出介面
支持USB上的PCM流
非晶體設計
支持全速和高速傳輸模式
支持帶有LPM/L1特性的UAC1.0/2.0和ADC3.0
支持外部快閃記憶體
音頻數據支持高達32位的數據長度和8k~384k的采樣率
在3.5mm加密狗應用程序上拔下USB插頭時，功耗極低
VBUS<100uA
嵌入式256kB快閃記憶體
主I2S介面
僅支持主模式
支持48kHz采樣率
支持16/20/24/32位數據長度
主I2C介面
高達2兆赫的時鍾頻率
嵌入式直流-直流降壓型開關穩壓器
ALC5686在音頻特徵、功能、可靠度、各種認證規范相容度、BOM成本上均較ALC4042具有優勢
ALC5686完勝ALC4042 BES3100
㈩ 孩子八歲報比特幣口算班會不會太晚了
口算比特幣已經是過去式了，不如學手工製作CPU晶元專業吧，所謂手藝人走到哪都有飯吃。
應該去報一個博士直通班，8歲博士後。
太晚了，在我們那美剋星，1歲就應該會走路，2歲要會說話，3歲就要求熟練掌握傅里葉變換了。你這個廢了，重新生一個吧。
說實話太晚了
我大概給你算一下：比特幣算不動了，拿以太幣舉例：
假設你一天不吃不喝，一直算不出錯。 之前看過有人嘗試一天大概能算6個散列。為了方便計算，咱們取10個，
這樣你的哈希率就是10h/day。（10次每天）
低端顯卡1660ti 哈希率是30Mh/S （30百萬次每秒）
按照現在（2021年5月4日11:54:44）的價格，30Mhs一天大概是20元。也就是說:
一天計算出30X1024X1024X60X60X24=2 717 908 992 000個散列的話，你可以獲得20元。
好的，那麼咱們可以看一下你孩子一天能算多少錢：
已知現在（2021年5月4日11:56:43）1Mhs=0.69元，取整：0.7元。
那麼1hs就是6.9e-7元 然而你孩子是10h/day，換算成h/sec就是0.0001(四捨五入)
好，那麼看看你孩子一天能算多少錢：6.9e-7x0.0001=6.9e-11元，，，，，，，
哥，，，別算了，，，一天0.000000000069元，
就算難度不變，你不吃不喝算100年也就2.5e-6元，，，
就算漲1000％，也只是2.5e-5元，，，一分錢都不到，，，
這還沒算上你這點算力根本出不了塊就讓別人搶走了，，，圖個啥，，還不如學奧數，，，，
比特幣口算班？呵呵！口算就口算！還比特幣口算！比特幣那種是能用口算算出來的？我建議是別學這種沒什麼用的東西！
我覺得應該報碳達峰美術班，或者區塊鏈口才班
都是些啥東西呀？家長同志！你是惡魔嗎？比特幣口算班！都已經8歲高齡的孩子了，這腦袋瓜還能學進去嗎！勸你放棄吧！建議去報一個清華大學的MBA培訓班 ，或許孩子的後半生還能挽救一下！[比心][比心]
這個主要取決於家長的智商[靈光一閃]
8歲錯過最佳學習時間了，一般建議孩子在出生3個月內學習筆算比特幣，6個月內學習口算比特幣，1歲之前掌握心算比特幣
你這都8歲了，實在太晚了，刪號重練吧
應該報名天頂星語言速成班