算力hs
㈠ ROG幻14 Alan Walker典藏版正式发布 ROG游戏手机5s系列同场亮相
8月18日晚，ROG举行新品发布会，联手电音教主Alan Walker，正式推出ROG幻14 Alan Walker典藏版，全新升级的ROG 游戏 手机5s系列也一同亮相。
ROG幻14 Alan Walker典藏版是由ROG与Alan Walker联手打造，既是 游戏 玩家的绝佳伙伴，同时又是音乐创作者的绝佳帮手。与幻14标准版相比，新机在外观上有着非常个性化的设计，Alan Walker也参与了这款笔记本的打造，创造出了许多独一无二的细节。
外形上，ROG标志性的光显矩阵屏由以往的黑色调整为了具有独特视觉的电光色，两条织带贯穿了笔记本的A面，彰显了新品的独特身份。同时印制了ROG LOGO以及Alan Walker签名的铭牌，能够根据角度变化反射出不同的色彩，十分个性。
ROG幻14 Alan Walker典藏版的键盘也做了个性化的调整，拥有了Alan Walker标志性颜色的键帽，A键和W键则印有Alan Walker的LOGO。同时，典藏版还定制了Alan Walker专属开机动画、壁纸音效，时刻彰显了其独特的身份。
配置上，ROG幻14 Alan Walker典藏版与标准版保持了一致，采用了AMD锐龙R9 5900HS处理器，搭载GeForce RTX 3050 Ti显卡，屏幕则是采用了2K分辨率，支持120Hz刷新率，覆盖100% DCI-P3色域。该机还配备了16GB 3200内存，和1TB的NVMe固态存储，配备76Whr容量电池，支持100W PD快充。
ROG幻14 Alan Walker典藏版目前已开启销售，售价为13999元。
发布会上，全新ROG 游戏 手机5s也一同亮相，则是ROG今年3月份发布的ROG 游戏 手机5系列的升级版。外观部分，新机与上一代基本保持一致，但在处理器性能、屏幕触控采用率等方面进行了升级。
此次ROG 游戏 手机5s系列搭载了高通骁龙888 Plus处理器，相比高通骁龙888，其主频提升至3.0GHz，AI提升20%，提供了32TOPS的强大算力，带来非常出色的 游戏 性能。
为确保强大性能的充分发挥，ROG 游戏 手机5s内置了矩阵式液冷散热架构5.0，内置了3D真空腔均热板以及大型石墨烯，以保证出色的散热效果，有效降低高通骁龙888 Plus处理器温度，为玩家带来持久稳定的性能发挥，维持稳定的帧率表现，拒绝画面卡顿。
ROG 游戏 手机5s系列配备了三星AMOLED电竞屏，支持144Hz刷新率，以及1ms响应时间，并将此次还将原生触控采用率提升至360Hz，带来更加顺滑的操控体验。同时，屏幕具备了Delta E< 1的高色准，并通过了HDR10+认证，现实效果不俗。
ROG 游戏 手机的肩键操控一直为用户所喜爱，此次ROG 游戏 手机5s也进行了升级，单侧肩键可以实现3个点击映射，更多的操控可能为玩家带来了更多不同的 游戏 体验。
此外，上一代所具备的6000mAh容量大电池、65W快充、侧边中置接口、经由瑞典音频专家Dirac调校的双立体声扬声器等特点，在新机上也都有所保留，包括酷冷风扇5等配件，新机也都一样可支持。
最后是价格方面，ROG 游戏 手机5s 8+128GB版本售价为3999元，12+128GB版本售价为4299元，12+256GB版本售价为4699元，16+256GB版本售价为4999元，18+512GB版本售价为5899元；ROG 游戏 手机5s Pro则只有一个18+512GB版本，售价为8499元。新机将于8月24日10:00正式发售。
㈡ 从三大板块的产品布局出发，看北京车展的“新四化”趋势
推迟了近乎半年的北京车展终于在9月26日正式开幕。除了一大批重磅新车在北京车展上正式亮相或上市外，众多车企也依托概念车的设计元素，借此发布其未来产品的发展规划。无论是合资品牌、自主品牌还是新势力品牌的展台，都是人满为患，水泄不通。今天买车君就以自己的角度为大家分析，上述提到国内汽车市场的三大板块（合资、自主、新势力）分别都在干些什么。
合资品牌布局新能源
众所周知，目前汽车的驱动方式正从传统的内燃机阶段往电气化阶段大步迈进，近些年国家对新能源汽车政策的倾斜同时吸引着众多合资车企布局国内的新能源市场。在双积分政策的影响和驱动下，2020年合资车企的电动化趋势有着肉眼可见的明显加速。
本田为中国消费者带来了HondaSUVe：concept纯电动概念车和CR-VSPORTHYBRIDe+，标志着本田中国的产品将覆盖混合动力HEV、插电式混合动力PHEV和纯电动BEV全矩阵，开启电动化进程的新时代；日产首款纯电SUVAriya也在北京车展上迎来了中国区的首发亮相，同时e-POWER增程技术也将被首次引入国内；福特带来了MustangMach-E，沃尔沃带来了XC40Recharge纯电动车，就连路虎揽胜、Jeep牧马人等传统大排量车款也推出了它们各自的插混车型，新能源化趋势明显。
本届北京车展的主题是“智领未来”。从以上的三大板块来看，确实也凸显了全球汽车“新四化”的行业趋势。如何在新消费趋势下保持产品优势，成为了各车企的“终极答卷”。两天下来，买车君对各车企的新产品和技术有了更大的期待。另外，此次北京车展将很有可能是2020年全球唯一的A级车展，如果想对汽车行业有更深的了解，不妨直接去趟北京观摩学习一下。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
㈢ 最高280 TOPS算力，黑芝麻科技发布华山二号，PK特斯拉FSD
芯片作为智能汽车的核心「大脑」，成为诸多车企、Tier 1、自动驾驶企业重点布局的领域。
围绕着自动驾驶最为关键的计算单元，国内诞生了诸多自动驾驶芯片创新公司，在该领域的绝大部分市场份额依然被国外厂商控制的当下，他们正在争取成为「国产自动驾驶芯片之光」。
成立于 2016 年的黑芝麻智能科技便是这一名号的有力争夺者。
继 2019 年 8 月底发布旗下首款车规级自动驾驶芯片华山一号（HS-1）A500 后，黑芝麻又在这个 6 月推出了相较于前代在性能上实现跃迁的全新系列产品——华山二号（HS-2），两个系列产品的推出相隔仅 300 余天，整体研发效率可见一斑。
1、国产算力最高自动驾驶芯片的自我修养
华山二号系列自动驾驶芯片目前有两个型号的产品，包括：
应用于?L3/L4?级自动驾驶的华山二号 A1000?；针对?ADAS/L2.5?自动驾驶的华山二号 A1000L。
简单理解就是，A1000 是高性能版本，而 A1000L 则在性能上进行了裁剪。
这样的产品型号设置也让华山二号系列芯片能在不同的自动驾驶应用场景中进行集成。
相较于 A500 芯片，A1000?在算力上提升了近?8 倍，达到了?40 - 70TOPS，相应的功耗为?8W，能效比超过?6TOPS/W，这个数据指标目前在全球处于领先地位。
华山二号 A1000 之所以能有如此出色的能效表现，很大程度是因为这块芯片是基于黑芝麻自研的多层异构性的?TOA 架构打造的。
这个架构将黑芝麻核心的图像传感技术、图像视频压缩编码技术、计算机视觉处理技术以及深度学习技术有机地结合在了一起。
此外，这款芯片中内置的黑芝麻自研的高性能图像处理核心?NeuralIQ ISP?以及神经网络加速引擎?DynamAI DL?也为其能效跃升提供了诸多助力。
需要注意的是，这里的算力数值之所以是浮动的，是因为计算方式的不同。
如果只计算 A1000 的卷积阵列算力，A1000 大致是 40TOPS，如果加上芯片上的 CPU 和 GPU 的算力，其总算力将达到?70TOPS。
在其他参数和特性方面，A1000 内置了 8 颗 CPU 核心，包含 DSP 数字信号处理和硬件加速器，支持市面上主流的自动驾驶传感器接入，包括激光雷达、毫米波雷达、4K 摄像头、GPS 等等。
另外，为了满足车路协同、车云协同的要求，这款芯片不仅集成了 PCIE 高速接口，还有车规级千兆以太网接口。
A1000 从设计开始就朝着车规级的目标迈进，它符合芯片 AEC-Q100 可靠性和耐久性 Grade 2 标准，芯片整体达到了 ISO 26262 功能安全 ASIL-B 级别，芯片内部还有满足 ASIL-D 级别的安全岛，整个芯片系统的功能安全等级为?ASIL-D。
从这些特性来看，A1000 是一款非常标准的车规级芯片，完全可以满足在车载终端各种环境的使用要求。
A1000 芯片已于今年 4 月完成流片，采用的是台积电的 16nm FinFET 制程工艺。
今年 6 月，黑芝麻的研发团队已经对这款芯片的所有模块进行了性能测试，完全调试通过，接下来就是与客户进行联合测试，为最后的大规模量产做准备。
据悉，搭载这款芯片的首款车型将在?2021 年底量产。
随着 A1000 和 A1000L 的推出，黑芝麻的自动驾驶芯片产品路线图也更加清晰。
在华山二号之后，这家公司计划在 2021 年的某个时点推出华山三号，主要面向的是 L4/L5 级自动驾驶平台，芯片算力将超越 200TOPS，同时会采用更先进的 7nm 制程工艺。
华山三号的?200TOPS?算力，将追平英伟达 Orin 芯片的算力。
去年 8 月和华山一号 A500 芯片一同发布的，还有黑芝麻自研的 FAD（Full Autonomous Driving）自动驾驶计算平台。
这个平台演化至今，在 A1000 和 A1000L 芯片的基础上，有了更强的可扩展性，也有了更广泛的应用场景。
针对低级别的 ADAS 场景，客户可以基于 HS-2 A1000L 芯片搭建一个算力为 16TOPS、功耗为 5W 的计算平台。
而针对高级别的 L4 自动驾驶，客户可以将 4 块 HS-2 A1000 芯片并联起来，实现高达 280TOPS 算力的计算平台。
当然，根据不同客户需求，这些芯片的组合方式是可变换的。
与其他大多数自动驾驶芯片厂商一样，黑芝麻也在可扩展、灵活变换的计算平台层面投入了更多研发精力，为的是更大程度上去满足客户对计算平台的需求。
反过来，这样的做法也让黑芝麻这样的芯片厂商有了接触更多潜在客户的机会。
根据黑芝麻智能科技的规划，今年 7 月将向客户提供基于 A1000 的核心开发板。
到今年 9 月，他们还将推出应用于 L3 自动驾驶的域控制器（DCU），其中集成了两颗 A1000 芯片，算力可达 140TOPS。
2、黑芝麻自动驾驶芯片产品「圣经」
借着华山二号系列芯片的发布，黑芝麻智能科技创始人兼 CEO 单记章也阐述了公司 2020 年的「AI 三次方」产品发展战略，具体包括「看得懂、看得清和看得远」。
这一战略是基于目前市面上对自动驾驶域控制器和计算平台的诸多要求提出的，这些要求包括安全性、可靠性、易用性、开放性、可升级以及延续性等。
其中，看得懂直接指向的是?AI 技术能力，要求黑芝麻的芯片产品能够理解外界所有的信息，可以进行判断和决策。
而看得懂的基础是看得清，这指的是黑芝麻芯片产品的图像处理能力，需要具备准确接收外界信息的能力。
这里尤其以摄像头传感器为代表，其信息量最大、数据量也最多，当然传感器融合也不可或缺。
看得远则指的是车辆不仅要感知周边环境，还要了解更大范围的环境信息，这就涉及到了车路协同、车云协同这样的互联技术，所以我们看到黑芝麻的芯片产品非常注重对互联技术的支持。
作为一家自动驾驶芯片研发商，这一战略将成为黑芝麻后续芯片产品研发的「圣经」。
3、定位 Tier 2，绑定 Tier 1，服务 OEM
现阶段，发展智能汽车已经成为了国家意志，在政策如此支持的情况下，智能汽车的市场爆发期指日可待。
根据艾瑞咨询的报告数据显示，到 2025 年全球将会有 6662 万辆智能汽车的存量，中国市场的智能汽车保守预计在 1600 万辆左右。
如此规模庞大的智能汽车增量市场，将为那些打造智能汽车「大脑」的芯片供应商培育出无限的产品落地机会。
作为其中一员，黑芝麻智能科技也将融入到这股潮流之中，很有机会成长为潮流的引领者。
作为一家自动驾驶芯片研发商，黑芝麻智能科技将自己定位为?Tier 2，未来将绑定 Tier 1 合作伙伴，进而为车企提供产品和服务。
当然，黑芝麻不仅能提供车载芯片，未来还将为客户提供自动驾驶传感器和算法的解决方案，还有工具链、操作平台等产品。
凭借着此前发布的华山一号 A500 芯片，黑芝麻智能科技已经与中国一汽和中科创达两家达成了深入的合作伙伴关系，将在自动驾驶芯片、视觉感知算法等领域展开了诸多项目合作。
另外，全球顶级供应商博世也与黑芝麻建立起了战略合作关系。
目前，黑芝麻的华山一号 A500 芯片已经开启了量产，其与国内头部车企关于 L2+ 和 L3 级别自动驾驶的项目也正在展开。
如此快速的落地进程，未来可期。
有意思的是，黑芝麻此番发布华山二号系列芯片，包括中国一汽集团的副总经理王国强、上汽集团总工程师祖似杰、蔚来汽车 CEO 李斌以及博世中国区总裁陈玉东在内的多位行业大佬都为其云站台。
这背后意味着什么？给我们留下了很大的想象空间。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
㈣ 硬核且科幻的游戏旗舰：红魔6S Pro动手玩
8月下旬的时候，红魔 游戏 手机官方微博，就曝出了海报，将在 9月6日正式发布红魔6S Pro。
9月6日这款手机带着更加炫酷的设计，更加强劲的硬件性能它来了。红魔6S Pro在外观工艺、散热设计、触控延时等方面进行了全面的革新和加强，那么这款硬核的红魔6S Pro是否是你的菜呢。
外观设计：硬核科幻美学
红魔6S Pro正面搭载一款6.8英寸的AMOLED超清电竞全面屏，拥有最高165hz的刷新率，以及720hz的触控采样率，支持DCI-P3 100%广色域，并且采用晶钻排列，分辨率为2400*1080。支持DC调光，SGS低蓝光护眼认证、SGS高刷低拖影认证。此外它搭载的第七代屏下超薄光学指纹在支持支付解锁等场景下还支持心率检测功能。
作为一台为 游戏 定制的手机，红魔6S Pro在中框上有了很多强化，左侧是一键进入 游戏 空间，风扇进气孔，音量键，右侧则是450hz双独立IC 触控肩键，和散热风扇出风口和电源键。顶部则是3.5mm耳机接口底部则是SIM卡槽，typec接口和扬声器开孔，整个机身拥有三颗MIC孔，可在 游戏 中进行清晰的人声提取以及队友之间相互及时交流。
红魔6S Pro背部的设计可以说极具辨识度，一半透明，一半黑化，硬核又科幻，像是一位 游戏 中的忍者武士，半遮面具让你猜不透它的身份，这款氘锋透明版的透明部分分别展示了20000转离心风扇，骁龙888+处理器，165hz，LPDDR5等硬核参数，其中离心风扇还带有灯效，当然红魔标志的LOGO也保留了红色灯效。
黑化的部分带有本次升级的500hz红魔腰键，支持滑动触控等更多手势的操作。三摄相机在中间显得非常小，这使得横握也十分舒适。
强大性能：强劲散热
红魔6S Pro配备了骁龙888处理器，主要的升级有两点，一是X1大核升级到了3.0Ghz，另一个是AI算力提升到了32TOPS。
红魔6S Pro跑分直接来到了86万+，另外UFS3.1旗舰闪存也支持HS-G4规范，可以看到读取相对于普遍的1700Mb/s有了一定的优势。
红魔6S Pro经过第一次系统升级推送后，基本上大家常玩的《和平精英》《王者荣耀》《QQ飞车》等 游戏 都能支持高帧率畅玩。
不过作为一台 游戏 手机，显然它对于 游戏 的专属定制肯定是和普通手机不一样的。在 游戏 中我们可以随时调出肩键和腰键的映射，可自由调节震动反馈和触发灵敏度，整个手机多出的三个按键能助玩家在 游戏 中获得更多的操作。
此外，在 游戏 空间内我们可以看到风扇设置，帧率显示， 游戏 变声， 游戏 录制，以及备受好评的 游戏 充电分离，这项功能可以让你在玩 游戏 时候边冲边玩，从而断开电池充电，有效的保护了电池寿命。
本次红魔6S Pro还新增了插件库，音效设置，随心换键，侦查模式，魔姬黑话，长按辅助、连点辅助、准心辅助、连招模式，狩猎模式，4D震感等。值得一提的是魔姬黑话能进行 游戏 场景播报，在王者荣耀复活时决赛圈开启等 游戏 场景会有语音或者文字播报，进一步增加了 游戏 乐趣。操控面板也能设置包括触控采样，灵敏度、跟手性。
资源库中还有很多类似于PC上的宏定义设置引导，这让新手玩家更能打出大神的操作感，此外红魔装备库还提供散热背夹、耳机等一大堆 游戏 配件助力玩家增加 游戏 乐趣性。
对于在手机上的 游戏 体验我想红魔已经做得够好了，而红魔6S Pro还新增了投屏模式，支持直播优化、无线投屏、息屏投屏、小窗投屏。
投屏过后，我们可以使用电脑键盘进行操作，也可以把手机作为 游戏 手柄，经过实测，投屏的延迟非常小， 游戏 画面可达到60帧。对于一些喜欢直播的玩家这个功能可以说非常友好，先投屏然后在推流到直播平台，将高清流畅的画面完全展示给观众。
对于一款 游戏 手机来说充电和散热也至关重要，红魔6S Pro附送120W氮化镓充电器配备4500mAh电池。5分钟充电50%、17分钟充电100%，而且手机本身采用双电芯全极耳结构，加上风冷极速快充，续航和充电都能兼顾。此外在散热方面红魔6S Pro除了20000转的离心风扇外主动散热外，还有相变散热材料、峡谷散热风道、超导铜箔、高导热凝胶、开放式屏蔽罩、复合石墨烯、VC散热片、航空铝材中框等被动散热材料加持，可以说主动+被动散热双管齐下，红魔6S Pro是最凉快的骁龙888Plus手机。
Red Magic OS 4.5新体验
作为一款为 游戏 而生的 游戏 手机系统，它基于最新的安卓11深度开发，在兼顾 游戏 体验的同时也能兼顾用户的日常使用。另外就是在桌面新增了一些 游戏 相关组件，可让用户更加直观快捷的操作手机。
首先红魔6S Pro有双Smart PA扬声器，并支持DTS Ultra X环绕音响，可模拟声源位置，让玩家仿佛置身在真实场景中，如果佩戴3.5mm耳机还支持0延迟技术，为玩家带来更好的音效体验。
红魔6S Pro支持单独的GPU驱动升级，就像PC一样，可单独检查升级，不断增强 游戏 的稳定性，另外风扇的调节中依然保留了智能和极速两种模式，充电时可散热， 游戏 时也可散热。
红魔6S Pro更多的是在于内在的优化，首先就是Magic GPU 1.0，以及TC补帧3.0。依托于腾讯Solar Core 游戏 引擎这些都能保证在 游戏 的时候让画面减少撕裂，画面不卡顿，抖动，帧率也更加稳定。另外红魔6S Pro的红魔Arc Reactor性能引擎能够学习用户使用习惯，提前预加载缩短开机、应用启动时间，此外RAM Boost内存压缩技术，扩展虚拟内存技术都能让手机在日常的使用中读写更加快速。
拍照：6400万AI三摄
红魔6S Pro主摄采用6400万像素，辅以800万像素超广角以及200万像素微距，这样的相机组合完全可以满足日常拍照所需。
作为一台 游戏 手机虽然拍照并不是红魔6S Pro的强项，但是从整个样张来看，它表现还是不错的，虽然算不上出色，但和中高端价位的手机PK一下也未尝不可，整个样张并没有那种讨好眼球的鲜艳感，显得比较朴素真实。
另外相机上虽然不够强悍，但是红魔6S Pro的相机功能倒是不少，像是友商宣传的，星空、星轨、多重曝光、以及Vlog的希区柯克变焦都支持，视频拍摄上也支持4K60帧、8K30帧。
总结：
红魔6S Pro作为红魔最新推出的 游戏 手机，在性能上毋庸置疑，本次升级最多的是一些内在体验，更加硬核科幻的外观设计，更强的720hz屏幕触控采样，以及450hz双肩键和全新的红魔腰键，更强的散热设计以及支持心率监测的超薄屏下指纹，对于是想新入手 游戏 手机的用户，红魔6S Pro毋庸置疑就是当下最强的存在。
㈤ 与生活紧密相连 体验MG领航Venus系统
[汽车之家?互联出行]?上汽车型所搭载的斑马智联系统已经作了多次重大升级，目前系统已经升级到了斑马Venus1.0版本，不仅界面风格作了重新设计，同时还引入了大量的联网功能，其中就包含二十余种支付宝小程序，覆盖出行时可能遇到的各种消费需求。借着今天体验MG领航的契机，我们先来体验一下这套智联系统吧。
●?文章总结：
智能表现方面，斑马Venus1.0系统在所有中国品牌中算是走在了前列，其优异的表现不仅仅是依靠“聪明”的语音助手，接入的大量支付宝小程序一定程度上提升了出行的便利性，甚至还可以在您原本需要掏出手机扫码支付加油费和停车费的时候，系统内置的无感加油/停车功能也免去了您掏出手机、解锁、打开App扫码、输入密码或生物识别的麻烦。或许在不久的将来，像斑马Venus这样的智联车机也有可能成为生活中必不可少的好伙伴。（文/图/摄汽车之家朱力神）
㈥ 华为光猫有哪几种型号
你好华为光猫的型号有：HG8010、HG8110、HG8120、HG8240、HG814；
二、2013-2015年华为光猫的型号有：
1.联通：HG8321R、HG8342R、HG8346R、HG8347R；
2.移动：HG8321、HG8120C、HG8340M、HG8341M、HG8342M、HG8346M；
3.电信：HG8120C、HG8245C、HG8240H。
三、2016年后华为光猫的型号有：
1.联通：HG8321R小款千兆版；
2.移动：HG8546M、HG8545M、HS8545V、HS8546V；
3.电信：HG8145S、悦ME SA1456C超千兆
支持Wi-Fi 6 160MHz超大带宽
目前，业界部分Wi-Fi 6只支持80MHz频宽，而OptiXstar支持Wi-Fi 6 160MHz超大频宽，这相当于车道增宽了一倍，网速自然就提升一倍，从850Mbps提升到1800Mbps左右，实现了超千兆速率。
创新NP网络架构
运营商的宽带接入网从GPON/EPON升级到10G PON后，家庭接入带宽将从百兆提升至超千兆，相应的家庭光猫的速率和转发能力也要跟上，为此，OptiXstar采用创新NP网络架构，支持Wi-Fi 6业务100%业务流硬转发，可避免报文累积、排队而导致网速低、时延大等问题，为在线网课、办公和游戏带来流畅的体验。同时，创新的NP架构还能大幅降低光猫功耗和体积，以及节省大量CPU算力，将更多CPU资源留给更多新业务。仅供参考哦
㈦ 手机上运行的深度神经网络模型-MobileNet
文章引用自《 从MobileNet看轻量级神经网络的发展 》，详情请点击原文观看
前 言
随着深度学习的火热，计算机视觉领域内的卷积神经网络模型也层出不穷。从1998年的LeNet，到2012年引爆深度学习热潮的AlexNet，再到后来2014年的VGG，2015年的ResNet，深度学习网络模型在图像处理中应用的效果越来越好。神经网络体积越来越大，结构越来越复杂，预测和训练需要的硬件资源也逐步增多，往往只能在高算力的服务器中运行深度学习神经网络模型。移动设备因硬件资源和算力的限制，很难运行复杂的深度学习网络模型。
深度学习领域内也在努力促使神经网络向小型化发展。在保证模型准确率的同时体积更小，速度更快。到了2016年直至现在，业内提出了SqueezeNet、ShuffleNet、NasNet、MnasNet以及MobileNet等轻量级网络模型。这些模型使移动终端、嵌入式设备运行神经网络模型成为可能。而MobileNet在轻量级神经网络中较具代表性。
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义，本文将对MobileNet进行详细解析。
MobileNet的优势
MobileNet网络拥有更小的体积，更少的计算量，更高的精度。在轻量级神经网络中拥有极大的优势。
1
更小的体积
MobileNet相比经典的大型网络，参数量明显更少，参数量越少模型体积越小。
2
更少的计算量
MobileNet优化网络结构使模型计算量成倍下降。
3
更高的准确率
MobileNet凭借网络结构优化，在更少的参数及更少的计算量情况下，网络精度反而超过了部分大型神经网络。在最新的MobileNetV3-Large中，实现ImageNet数据集Top1准确率达到75.2%。
4
更快的速度
使用Google Pixel-1手机测试，MobileNet各版本都能保持运行时间在120ms以下，最新版MobileNetV3-Large运行时间达到66ms，参数量和计算量更低的MobileNetV3-Small更是能达到22ms；GoogleNet运行速度约为250ms，而VGG-16由于一次性需要加载至内存的空间已超过500MB，手机系统会报内存溢出错误导致无法运行。
5
多种应用场景
MobileNet可以在移动终端实现众多的应用，包括目标检测，目标分类，人脸属性识别和人脸识别等。
MobileNet各版本介绍
1
MobileNetV1网络结构
整个网络不算平均池化层与softmax层，共28层；
在整个网络结构中步长为2的卷积较有特点，卷积的同时充当下采样的功能；
第一层之后的26层都为深度可分离卷积的重复卷积操作；
每一个卷积层（含常规卷积、深度卷积、逐点卷积）之后都紧跟着批规范化和ReLU激活函数；
最后一层全连接层不使用激活函数。
2
MobileNetV2网络结构
MobileNetV2中主要引入线性瓶颈结构和反向残差结构。
MobileNetV2网络模型中有共有17个Bottleneck层（每个Bottleneck包含两个逐点卷积层和一个深度卷积层），一个标准卷积层（conv），两个逐点卷积层（pw conv），共计有54层可训练参数层。MobileNetV2中使用线性瓶颈（Linear Bottleneck）和反向残差（Inverted Resials）结构优化了网络，使得网络层次更深了，但是模型体积更小，速度更快了。
3
MobileNetV3网络结构
MobileNetV3分为Large和Small两个版本，Large版本适用于计算和存储性能较高的平台，Small版本适用于硬件性能较低的平台。
Large版本共有15个bottleneck层，一个标准卷积层，三个逐点卷积层。
Small版本共有12个bottleneck层，一个标准卷积层，两个逐点卷积层。
MobileNetV3中引入了5×5大小的深度卷积代替部分3×3的深度卷积。引入Squeeze-and-excitation（SE）模块和h-swish（HS）激活函数以提高模型精度。结尾两层逐点卷积不使用批规范化（Batch Norm），MobileNetV3结构图中使用NBN标识。
（图片来源https://arxiv.org/pdf/1905.02244.pdf）
网络结构上相对于MobileNetV2的结尾部分做了优化，去除三个高阶层，如上图所示。去除后减少了计算量和参数量，但是模型的精度并没有损失。
值得一提的是，不论是Large还是Small版本，都是使用神经架构搜索（NAS）技术生成的网络结构。
4
MobileNet各版本特性
MobileNet实现计算量减小、参数量减少的同时保证了较高的准确率,这和其拥有的特性息息相关：
MobileNetV1提出的特性
MobileNetV2提出的特性
MobileNetV3提出的特性
MobileNet各个版本拥有的特性汇总
下文将对上表中的各个特性详细阐述。
MobileNet的特性详解
1
深度可分离卷积
从MobileNetV1开始，到V2、V3的线性瓶颈结构都大量使用了深度可分离卷积。
深度可分离卷积（Depthwise Separable Convolution）是一种卷积结构。它是由一层深度卷积（Depthwise convolution）与一层逐点卷积（Pointwise Convolution）组合而成的，每一层卷积之后都紧跟着批规范化和ReLU激活函数。跟标准卷积的区别就是精度基本不变的情况下，参数与计算量都明显减少。
深度卷积
深度卷积（Depthwise convolution, DW）不同于常规卷积操作，深度卷积中一个卷积核只有一维，负责一个通道，一个通道只被一个卷积核卷积；常规卷积每个卷积核的维度与输入维度相同，每个通道单独做卷积运算后相加。
以一张5x5x3（长和宽为5，RGB3通道）的彩色图片举例。每层深度卷积卷积核的数量与上一层的通道数相同（通道和卷积核一一对应）。设padding=1，stride=1，一个三通道的图像经过运算后生成了3个特征图，如下图所示：
深度卷积完成后的输出特征图通道数与输入层的通道数相同，无法扩展通道数。而且这种运算对输入层的每个通道独立进行卷积运算，没有有效的利用不同通道在相同空间位置上的特征信息。因此需要逐点卷积来将生成的特征图进行组合生成新的特征图。
逐点卷积
逐点卷积（Pointwise Convolution, PW）的运算与标准卷积运算非常相似。
逐点卷积卷积核大小为1×1xM（M为输入数据的维度），每次卷积一个像素的区域。逐点卷积运算会将上一层的特征图在深度方向上进行加权组合，生成新的特征图，新的特征图的大小与输入数据大小一致；然后组合各通道的特征图，以较少的计算量进行降维或升维操作（改变输出数据的维度）。
以一张5x5x3（长和宽为5，RGB3通道）的彩色图片举例，使用4个1x1x3的逐点卷积核进行卷积，逐点卷积运算后生成了4个特征图。这个例子是使用逐点卷积进行升维的操作，特征图从5x5x3 升维到5x5x4。如下图所示：
深度可分离卷积结构解析
将深度卷积和逐点卷积组成深度可分离卷积后的示意图，如下图所示：
首先进行深度卷积操作，得出的特征图各通道之间是不关联的。接着进行逐点卷积把深度卷积输出的特征图各通道关联起来。
深度可分离卷积使用了更小的空间代价（参数减少）和更少的时间代价（计算量更少）实现了标准卷积层一样的效果（提取特征）。
一般的设Df为输入特征图边长，Dk为卷积核边长，特征图和卷积核均为长宽一致，输入通道数为M，输出通道数为N，则:
标准卷积计算量为：Df×Df×Dk×Dk×M×N
深度卷积的计算量为：Df×Df×Dk×Dk×M
逐点卷积的计算量为：Df×Df×M×N
上图所示实现输入特征图大小为5×5×3，输出特成图大小为5×5×4，设padding=1，stride=1，深度卷积卷积核大小为3×3，标准卷积也使用3×3尺寸卷积核。实现相同的卷积效果，参数量（不包含偏置）与计算量对比如下表所示：
深度可分离卷积的演变
事实上深度可分离卷积不是在MobileNetV1中第一次提出的，而是在2016年由谷歌的Xception网络结构中提出的。MobileNetV1在Xception的基础上，对深度可分离卷积进行了改进，做到了计算量与参数量的下降：
假定M为输入层的通道数，N为输出层的通道数。
Xcenption的深度可分离卷积是由输入参数开始，使用1x1xMxN卷积将输入层的通道数转换为目标通道数，再通过3x3x1卷积核对每个通道进行卷积，每次卷积过后使用ReLU进行激活。
MobileNetV1的深度可分离卷积则是先使用3x3x1xM对输入层的每个通道分别卷积，之后通过1x1xMxN将输入层通道数转换为输出层通道数，每次卷积过后做一次批规范化操作，再使用ReLU进行激活。
这里我们使用MobileNetV1网络结构的第一个深度可分离卷积层来举例，输入层维度为112x112x32，输出层维度为112x112x64，Xception与MobileNet的深度可分离卷积的计算量与参数个数对比如下表：
由此可知将PW卷积与DW卷积的顺序调整后，优化了网络的空间复杂度和时间复杂度。
2
宽度因子
MobileNet本身的网络结构已经比较小并且执行延迟较低，但为了适配更定制化的场景，MobileNet提供了称为宽度因子（Width Multiplier）的超参数给我们调整。宽度因子在MobileNetV1、V2、V3都可以运用。
通过宽度因子，可以调整神经网络中间产生的特征的大小，调整的是特征数据通道数大小，从而调整了运算量的大小。
宽度因子简单来说就是新网络中每一个模块要使用的卷积核数量相较于标准的MobileNet比例。对于深度卷积结合1x1方式的卷积核，计算量为：
算式中α即为宽度因子，α常用的配置为1,0.75,0.5,0.25；当α等于1时就是标准的MobileNet。通过参数α可以非常有效的将计算量和参数数量约减到α的平方倍。
下图为MobileNetV1使用不同α系数进行网络参数的调整时，在ImageNet上的准确率、计算量、参数数量之间的关系（每一个项中最前面的数字表示α的取值）。
（数据来源https://arxiv.org/pdf/1704.04861.pdf）
可以看到当输入分辨率固定为224x224时，随着宽度因子的减少，模型的计算量和参数越来越小。从上表可以看到， 0.25 MobileNet的正确率比标准版1.0MobileNet低20%，但计算量和参数量几乎只有标准版1.0MobileNet计算量、参数量的10%！对于计算资源和存储资源都十分紧张的移动端平台，可以通过α宽度因子调节网络的餐数量是非常实用的，在真正使用时我们可以按需调整α宽度因子达到准确率与性能的平衡。
3
分辨率因子
MobileNet还提供了另一个超参数分辨率因子（Resolution Multiplier）供我们自定义网络结构，分辨率因子同样在MobileNetV1、V2、V3都可以运用。
分辨率因子一般用β来指代，β的取值范围在(0,1]之间，是作用于每一个模块输入尺寸的约减因子，简单来说就是将输入数据以及由此在每一个模块产生的特征图都变小了，结合宽度因子α，深度卷积结合1x1方式的卷积核计算量为：
下图为MobileNetV1使用不同的β系数作用于标准MobileNet时，在ImageNet上对精度和计算量的影响（α固定1.0）
（数据来源https://arxiv.org/pdf/1704.04861.pdf）
上图中的 224、192、160、128 对应的分辨率因子分别为 1、 6/7、5/7、4/7。
β=1时，输入图片的分辨率为224x224，卷积后的图像大小变化为： 224x224 、112x112、56x56、28x28、14x14、7x7。
β= 6/7时，输入图片的分辨率为192x192，卷积后各层特征图像大小变化为：192x192、96x96、48x48、24x24、12x12、6x6。
卷积特征图像的大小变化不会引起参数量的变化，只改变模型M-Adds计算量。上图中 224分辨率模型测试ImageNet数据集准确率为70.6%，192分辨率的模型准确率为69.1%，但是M-Adds计算量减少了151M，对移动平台计算资源紧张的情况下，同样可以通过β分辨率因子调节网络输入特征图的分辨率，做模型精度与计算量的取舍。
4
规范化
深度学习中的规范化操作（Normalization），有助于加快基于梯度下降法或随机梯度下降法模型的收敛速度，提升模型的精度，规范化的参数能够提升模型泛化能力，提高模型的可压缩性。
按照规范化操作涉及对象的不同可以分为两大类，一类是对输入值进行规范化操作，比如批规范化（Batch Normalization）、层规范化（Layer Normalization）、实例规范化（Instance Normalization）、组规范化（Group Normalization）方法都属于这一类。另外一类是对神经网络中参数进行规范化操作，比如使用L0,L1范数。
批规范化
批规范化（Batch Normalization）几乎存在于MobileNetV1、V2、V3的每个卷积层的后面，目的是加快训练收敛速度，提升准确率。
批规范化是一种对数值的特殊函数变换方法，也就是说假设原始的某个数值是 x，套上一个起到规范化作用的函数，对规范化之前的数值 x 进行转换，形成一个规范化后的数值，即：
所谓规范化，是希望转换后的数值满足一定的特性，至于对数值具体如何变换，跟规范化目标有关，不同的规范化目标导致具体方法中函数所采用的形式不同。通过自适应的重新参数化的方法，克服神经网络层数加深导致模型难以训练的问题。
参数规范化
参数规范化（Weight Normalization， WN）是规范化的一种, 通过人为的设定稀疏算法，去除模型中多余的参数（置为0）使得模型参数稀疏化，可以通过L1范式实现。
参数规范化是防止模型过分拟合训练数据。当训练一批样本的时候，随着训练的推移模型会越来越趋向于拟合样本数据。因为参数太多，会导致模型复杂度上升，容易过拟合。
需要保证模型"简单"的基础上最小化训练误差，这样得到的参数才具有好的泛化性能（也就是测试误差也小），而模型"简单"就是通过规则函数来实现的。
如上图所示，左侧分类明显的是欠拟合，模型并没有能够拟合数据。中间图示为合适的拟合，右边图示是过拟合，模型在训练样本中拟合度是很好的，但是却违背了特征分类规律，在新的测试样本中表现糟糕，影响模型的泛化能力。显然右侧模型在训练是受到额外参数干扰。参数规则化能够使参数稀疏，减少额外参数的干扰，提高泛化能力。
模型拥有稀疏的参数（模型中有大量参数为0），也有利于通过压缩算法压缩模型的大小。
5
线性瓶颈
线性瓶颈英文为Linear Bottleneck，是从Bottleneck结构演变而来的，被用于MobileNetV2与V3。
Bottleneck结构首次被提出是在ResNet网络中。该结构第一层使用逐点卷积，第二层使用3×3大小卷积核进行深度卷积，第三层再使用逐点卷积。MobileNet中的瓶颈结构最后一层逐点卷积使用的激活函数是Linear，所以称其为线性瓶颈结构（Linear Bottleneck）。线性瓶颈结构有两种，第一种是步长为1时使用残差结构，第二种是步长为2时不使用残差结构。
其中输入通道数为M，扩大倍数系数为T。T的值为大于0 的正数，当 0<T<1时，第一层逐点卷积起到的作用是降维。当 1<T时，第一层逐点卷积起到的作用是升维。
第二层为深度卷积，输入通道数 = 输出通道数 = M×T。
第三层为逐点卷积，作用是关联深度卷积后的特征图并输出指定通道数N。
线性瓶颈结构相对标准卷积能够减少参数数量，减少卷积计算量。从空间和时间上优化了网络。
6
反向残差
MobileNetV2中以ResNet的残差（Resials）结构为基础进行优化，提出了反向残差（Inverted Resials）的概念，之后也同样运用与MobileNetV3中。
ResNet中提出的残差结构解决训练中随着网络深度增加而出现的梯度消失问题，使反向传播过程中深度网络的浅层网络也能得到梯度，使浅层网络的参数也可训练，从而增加特征表达能力。
ResNet的残差结构实际是在线性瓶颈结构的基础上增加残差传播。如下图所示：
ResNet中的残差结构使用第一层逐点卷积降维，后使用深度卷积，再使用逐点卷积升维。
MobileNetV2版本中的残差结构使用第一层逐点卷积升维并使用Relu6激活函数代替Relu，之后使用深度卷积，同样使用Relu6激活函数，再使用逐点卷积降维，降维后使用Linear激活函数。这样的卷积操作方式更有利于移动端使用（有利于减少参数与M-Adds计算量），因维度升降方式与ResNet中的残差结构刚好相反，MobileNetV2将其称之为反向残差（Inverted Resials）。
7
5x5 的深度卷积
MobileNetV3中，深度卷积大量使用5x5大小的卷积核。这是因为使用神经结构搜索（NAS）技术计算出的MobileNetV3网络结构的过程中，发现了在深度卷积中使用5x5大小的卷积核比使用3x3大小的卷积核效果更好，准确率更高。关于NAS技术将会在下文的单独章节中做介绍。
8
Squeeze-and-excitation 模块
Squeeze-and-Excitation模块（简称SE模块）的首次提出是在2017年的Squeeze-and-Excitation Networks(SENet)网络结构中，在MNasNet中进行了改进，之后在MobileNetV3中大量使用。研究人员期望通过精确的建模卷积特征各个通道之间的作用关系来改善网络模型的表达能力。为了达到这个期望，提出了一种能够让网络模型对特征进行校准的机制，使得有效的权重大，无效或效果小的权重小的效果，这就是SE模块。
（图片来源https://arxiv.org/pdf/1905.02244.pdf）
如上图，MobileNetV3的SE模块被运用在线性瓶颈结构最后一层上，代替V2中最后的逐点卷积，改为先进行SE操作再逐点卷积。这样保持了网络结构每层的输入和输出，仅在中间做处理，类似于软件开发中的钩子。
SE模块结构详解
下图表示一个SE 模块。主要包含Squeeze和Excitation两部分。W，H表示特征图宽，高。C表示通道数，输入特征图大小为W×H×C。
压缩（Squeeze）
第一步是压缩（Squeeze）操作，如下图所示
这个操作就是一个全局平均池化（global average pooling）。经过压缩操作后特征图被压缩为1×1×C向量。
激励（Excitation）
接下来就是激励（Excitation）操作，如下图所示
由两个全连接层组成，其中SERatio是一个缩放参数，这个参数的目的是为了减少通道个数从而降低计算量。
第一个全连接层有C*SERatio个神经元，输入为1×1×C，输出1×1×C×SERadio。
第二个全连接层有C个神经元，输入为1×1×C×SERadio，输出为1×1×C。
scale操作
最后是scale操作，在得到1×1×C向量之后，就可以对原来的特征图进行scale操作了。很简单，就是通道权重相乘，原有特征向量为W×H×C，将SE模块计算出来的各通道权重值分别和原特征图对应通道的二维矩阵相乘，得出的结果输出。
这里我们可以得出SE模块的属性：
参数量 = 2×C×C×SERatio
计算量 = 2×C×C×SERatio
总体来讲SE模块会增加网络的总参数量，总计算量，因为使用的是全连接层计算量相比卷积层并不大，但是参数量会有明显上升，所以MobileNetV3-Large中的总参数量比MobileNetV2多了2M。
MobileNetV3中的SE模块
SE模块的使用是很灵活的，可以在已有网络上添加而不打乱网络原有的主体结构。
ResNet中添加SE模块形成SE-ResNet网络，SE模块是在bottleneck结构之后加入的，如下图左边所示。
MobileNetV3版本中SE模块加在了bottleneck结构的内部，在深度卷积后增加SE块，scale操作后再做逐点卷积，如上图右边所示。MobileNetV3版本的SERadio系数为0.25。使用SE模块后的MobileNetV3的参数量相比MobileNetV2多了约2M，达到5.4M，但是MobileNetV3的精度得到了很大的提升，在图像分类和目标检测中准确率都有明显提升。
9
h-swish激活函数
MobileNetV3中发现swish激活函数能够有效提高网络的精度，但是swish的计算量太大了，并不适合轻量级神经网络。MobileNetV3找到了类似swish激活函数但是计算量却少很多的替代激活函数h-swish（hard version of swish）如下所示：
sigmoid、h-sigmoid、swish、h-swish激活函数的比较：
（图片来源https://arxiv.org/pdf/1905.02244.pdf）
这种非线性在保持精度的情况下带来了很多优势，首先ReLU6在众多软硬件框架中都可以实现，其次量化时避免了数值精度的损失，运行快。这一非线性改变将模型的延时增加了15%。但它带来的网络效应对于精度和延时具有正向促进，剩下的开销可以通过融合非线性与先前层来消除。
㈧ 618买游戏本“水很深”有了这份攻略让你远离大坑
点击右上方“关注”，第一时间获取 科技 资讯、技能攻略、产品体验，私信我回复“01”，送你一份玩机技能大礼包。
---------------------------------
显卡涨价、固态硬盘涨价，就连机械硬盘都涨价了，最近半年的DIY市场对于想要装机的朋友来说实在是恶意满满，以至于 游戏 本居然成为了最划算的 游戏 主机升级方案。
我们来计算一下性价比就知道了，一张未锁算力的RTX 3060显卡售价是6500-7000元，而一款搭载RTX 3060显卡的 游戏 笔记本电脑，售价则是7500-8500，其中不少品牌在618的活动价都能有个500-1000的优惠。
而且，RTX 3060是一款很有意思的显卡，它的移动版和桌面版性能几乎相同，唯一的区别就在于显存，桌面版的显存是移动版的两倍，在高分辨率显示的情况下将会有着一定优势，但是在1080P下基本没有区别。
不过，虽然现在看来 游戏 本的性价比很高，但是这里面的水也远比台式机更深， 独显直连、显卡功耗、散热三大坑，可不是所有人都能够避开的，那么我们该如何挑选一款合格的 游戏 本，在618又有哪些 游戏 本值得选购呢？
游戏 本都有哪些坑？抛开颜值、重量、厚度等方面的影响，我们这次只讨论对 游戏 性能影响最大的几个问题，让大家能够以最快速度分清一款 游戏 本是否值得购买。
1、独显直连
独显直连可以说是最近两年里网上讨论热度最大的一个功能，简单地说就是让独显绕开核显，将画面支持输出到显示屏，一定程度上能够降低延迟且提升性能。支持者认为独显直连可以有效提升 游戏 性能，反方则认为提升不大，不过，在RTX 20/30系移动版显卡推出后，这个争论基本上是尘埃落定。
在RTX 20系/30系显卡上， 支持独显直连功能的 游戏 本最高是可以获得10%左右的 游戏 性能提升 ，对于 游戏 本来说这个提升已经是相当地可观。而且，随着独显直连的普及，大多数高端 游戏 本都已经支持该功能，不需要玩家付出额外的费用就可以获得，白给的性能谁不爱呢？
不过仍然有少数的 游戏 本并不支持，所以在购买时最好看看详情页是否有相关介绍，如果没有介绍则可以询问客服，目前已知全系支持独显直连的 游戏 本有联想的拯救者2020/2021系列、机械革命的蛟龙5/7系列、惠普的暗影精灵7系列等。
2、显卡功耗
显卡功耗在往年也是不少玩家所关注的重点，只不过今年的RTX 30系显卡上市后，这个问题就变得更加难以捉摸了。因为英伟达在新一代显卡上给笔记本厂商开放了更加自由的功耗调整权限，不再对显卡进行普通版、Max-Q版的区分，同时也开放了更高的功耗上限。
以RTX 3060为例，它的功耗可以在60W-115W之间浮动，显卡本身的功耗上限为115W，不过一些 游戏 本支持Dynamic Boost2.0技术， 在散热允许的情况下，可以额外提升15W的显卡功耗，解锁最高130W的功耗，在该功耗下移动版的RTX 3060性能将十分接近桌面版。
在测试中，60W版本的RTX 3060与130W版本的RTX 3060相比，性能差距最大可达到30%以上，体现到 游戏 上区别已经是十分明显。所以，如果想要选购一款性能足以满足需求的 游戏 本，功耗是必须重点关注的对象，否则你的RTX 3060可能性能还不如上一代的满血版RTX 2060也是有可能的。
3、散热设计
散热设计应该就无需小雷多讲了， 对于笔记本电脑来说，散热直接决定了长时间使用时的体验，同时也决定着电脑的性能上限。
举个例子，假设一个散热上限为150W的电脑，如果使用的是130W满血版RTX 3060+45W的标压处理器，那么就很可能会遇到温度墙，导致电脑主动限制硬件性能，以此来避免电脑的损坏。
反馈到 游戏 上就是一开始帧数还能达到70、80fps，在玩了半小时后就突然降低到60甚至更低的fps，突然的卡顿足以让玩家的 游戏 体验一落千丈。如果不想撞温度墙，唯一的办法就是降低画质、限制FPS上限，以此来限制显卡的功耗，防止过热。
另一方面， 充裕的散热上限设计，也能够降低高功耗下的风扇噪音，可以避免因为风扇满速运转所带来的噪音问题。
除了以上三个方面值得关注外，处理器、显卡型号、屏幕参数等也是值得考虑的，不过以上硬件往往要基于价格来考虑，所以不好用一个统一的标准对其进行衡量。另外，在 游戏 本中也有一部分特殊的存在——轻薄 游戏 本，这种为了兼具轻薄和续航而在性能上进行妥协的产品，也很难以普通 游戏 本的标准来进行要求。
如果你不想费心思去一一对比，那么也可以参考小雷给出的推荐名单来购买。
考虑到不同预算、性能要求，本次推荐将会分为三类：入门款、高性能款和特殊款，同时以京东的618价格为准，其余平台的优惠暂不考虑，大家有兴趣购买的话可以自行对比价格。
入门款
对于入门款，小雷将以低于6000元、满足一般的 游戏 需求为出发点来进行推荐，该分类下的 游戏 本足以满足一般的网游和3A 游戏 的游玩需求，无法满足3A 游戏 的高画质高帧率运行需求。
1、微星侠客 GF65 i7-10750H+RTX 2060
微星的 游戏 本虽然在国内名声不显，但是在国外却是能够与华硕抗衡的存在，其中GF65虽然是定位最低的 游戏 本，但是在散热等方面的表现却相当出色。在618的活动产品中，6299元的GF65算是一款十分不错的入门款 游戏 本，
i7-10750H在性能测试中虽然不如R7-4800H，但是实际表现也颇为不错，而且支持雷电接口，而RTX 2060虽然被誉为“智商卡”但是6299的价格下依然可以接受，性能也足以满足1080P下的大多数 游戏 流畅运行。而且，在6000价位想要买到一线的散热水准，目前也就微星能够提供了（拯救者没货.jpg）。
2、荣耀猎人 V700 i5-10300H+GTX 1660Ti 60Hz/144Hz版
作为荣耀品牌的第一款 游戏 本产品，荣耀猎人除了在上市之初引起了不少讨论外，后续的讨论度确实不高，而且因为起售价较高，所以也是叫好不叫座。不过，在618期间的降价幅度也是很大，其中60Hz屏幕的版本到手价仅5399元，对于主要玩3A 游戏 的朋友来说，60Hz的屏幕足以满足需求，而且也刚好是GTX 1660Ti的 游戏 优势区间。
另一款144Hz版本的售价是5999元，适合主要玩竞技类 游戏 的玩家选择，比如守望先锋、CS：GO、LOL、彩虹六号、Dota2等，以GTX 1660Ti的性能在中偏高的画质设置下，足以满足144Hz稳定运行的需求。
另一方面，荣耀猎人在做工、散热等方面也有着不错的表现，综合来看是目前性价比最高的 游戏 本之一。唯一的问题在于，大部分城市的售后可能都需要通过返厂的方式来完成，无法做到联想那样的现场维修、检测。
高性能款
高性能款，小雷对这一类型的 游戏 本要求是能够满足3A 游戏 在1080P下的高帧数运行及2K高画质下的60fps流畅运行，且价格在10000以下。
1、机械革命 蛟龙7 R5-4800H+RTX 3060
机械革命虽然名声不如戴尔、联想、华硕等厂商，此前也一度被认为是三线品牌，但是在使用了自主研发的模具后，口碑也是直线上升，已经超越了其它产品进入到二线笔记本品牌中。
这款售价7999元的蛟龙7采用的就是旗舰同款模具，在散热等方面有着出色的表现，同时支持独显直连并配置了一块2K分辨率+165Hz刷新率的显示屏。性能方面，R7-4800H虽然不如R7-5800H给力，但是大多数下差别并不明显，所以综合来看算是目前性价比最高的 游戏 处理器之一。
另外，RTX 3060桌面版虽然被不少人嫌弃性能，但是在移动端却表现优越，而且蛟龙7的RTX 3060为130W满血版，天梯榜性能甚至略微超过上一代的RTX 2080 Max-Q，如果不是6GB显存限制了其在高分辨率下的发挥，性价比还将会进一步提升。
2、暗影精灵7 i7-11800H+RTX 3060
惠普的暗影精灵系列也是颇具名气的一线 游戏 本品牌，不过往年的表现基本不如拯救者，所以一直被稳压一头。但是在新一代的暗影精灵7上采用的是上一代暗影精灵6 Pro的旗舰模具，在散热等方面表现较为出色，且颜值和重量、厚度都不错，在下放到标准版后综合来看性价比还是不错的。
i7-11800H在测试中 游戏 性能甚至超越了R9-5900H，另一方面英特尔处理器也支持雷电4接口，对于想要外接显示器的朋友来说帮助很大。不过，暗影精灵7的RTX 3060显卡功耗仅为115W，对比130W满血版性能差距在10%左右，大多数 游戏 下表现差别不会很大。
另外，暗影精灵7搭载的也并非2K屏幕而是1080P的144Hz屏幕，虽然对于大多数玩家来说已经足够了，配置基本对标联想的R7000P，只不过R7000P原价购买难度太贵，淘宝加价幅度也不小，综合考虑下来还不如选择暗影精灵7，至少目前的加价幅度仍在可以接受的范围内。
轻薄款
轻薄 游戏 本，算是最近几年火起来的一个新分量。简单地说，为了满足一些用户的特殊需求所开发的产品，轻薄款就基本不考虑过多的性能了，而是更注重于设计、性能释放等方面的表现。
1、ROG 幻14 R9-4900HS+RTX 2060 Max-Q
ROG的幻系列在轻薄 游戏 本领域也算是大名鼎鼎的存在，R9-4900HS的处理器加上RTX 2060显卡，基本上能够满足一般的3A 游戏 需求，虽然在2K分辨率下可能无法达到太高的帧数，但是满足流畅运行是毫无压力的。
而在塞入了高性能硬件的情况下，幻14仍然做到了1.6kg的重量和17.9mm的厚度，基本上与一般的商务本相当。另外，在充电方面也是支持PD快充，满足轻装出行的需要。除了R9+2060的版本外，在拼多多还有6698的R7+1660Ti版本选择，如果愿意冒险的话，拼多多的版本是目前性价比最高的。
2、微星Stealth 15M i7-11375H+RTX 3060
微星Stealth 15M基本上是9000价位档唯一能够提供RTX 3060显卡的轻薄 游戏 本，唯一的问题就是搭载的处理器为i7-11375H。虽然名义上属于酷睿i7系列，实际上从核心数来看是属于i3系列的一颗产品，单核性能出色但是多核性能甚至不如R5系列处理器。
简单来说，如果想要应付一般的 游戏 需求，同时又不喜欢厚重的 游戏 本，那么1.7kg重，16.15mm的Stealth 15M会是不错的选择，但是如果想用来当生产力工具，进行诸如渲染等工作，那么处理器的劣势就较大了。目前Stealth 15M的京东售价为9269，性价比还是较高的。
目前 游戏 本市场虽然存在一定程度的溢价，但是对比起显卡的溢价来说算是很低，而且各品牌的官方店和商城不定时会放一批原价货源，在618期间的备货也相对充足，对于刚需的朋友来说，目前算是一个较好的购买时间点。
有的朋友可能疑惑，为什么小雷推荐的产品里没有拯救者？那不是口碑最好的 游戏 本系列吗？确实，拯救者如果是按照官方价格来购买，很香，问题就在于拯救者太受欢迎，基本上都需要加价才能购买到，而且有些热销款式干脆就没货，对于想马上上手的朋友来说并不是个好选择。
当然，如果大家有耐心，而且不急用的话，那么也可以蹲守一下各大电商平台和联想官方商城，也许就能好运的买上一台原价拯救者也说不定。
----------------------------------
作者：雷 科技 团队，致力于聚焦 科技 与生活，关注并私信回复“01”，送你一份玩机技能大礼包。
㈨ ALC5686解码芯片怎么样
ALC5686 对比 ALC4042 32bit 384khz 性能更好
网页链接来自typec.org/alc5686.html
ALC5686 是Type C耳机声卡芯片，对比 ALC4042 32bit 384khz 性能更好;120DB SNR 90DB THD，最低功耗及底噪。单声道ADC麦克风前置功放Booster;PLL，调节器和USB收发器。ALC5686是可编程的通过跳线针脚或外部EEPROM。客户可通过外部EEPROM自定义独特的USB VID / PID /产品字符串/制造商字符串和最大/最小/初始音量。此外，ALC5686支持HID标准的音量控制引脚如播放/音量增加/递减/录音静音/播放静音/播放LED/静音LED。 ALC5686还配备了一个反POP噪声电路设计和内部振荡器，无需外部晶体振荡器。
ALC5686-改进
音频编解码器的USB 2.0接口
支持USB FS和HS模式
USB音频输入/输出接口
支持USB上的PCM流
非晶体设计
支持全速和高速传输模式
支持带有LPM/L1特性的UAC1.0/2.0和ADC3.0
支持外部闪存
音频数据支持高达32位的数据长度和8k~384k的采样率
在3.5mm加密狗应用程序上拔下USB插头时，功耗极低
VBUS<100uA
嵌入式256kB闪存
主I2S接口
仅支持主模式
支持48kHz采样率
支持16/20/24/32位数据长度
主I2C接口
高达2兆赫的时钟频率
嵌入式直流-直流降压型开关稳压器
ALC5686在音频特征、功能、可靠度、各种认证规范相容度、BOM成本上均较ALC4042具有优势
ALC5686完胜ALC4042 BES3100
㈩ 孩子八岁报比特币口算班会不会太晚了
口算比特币已经是过去式了，不如学手工制作CPU芯片专业吧，所谓手艺人走到哪都有饭吃。
应该去报一个博士直通班，8岁博士后。
太晚了，在我们那美克星，1岁就应该会走路，2岁要会说话，3岁就要求熟练掌握傅里叶变换了。你这个废了，重新生一个吧。
说实话太晚了
我大概给你算一下：比特币算不动了，拿以太币举例：
假设你一天不吃不喝，一直算不出错。 之前看过有人尝试一天大概能算6个散列。为了方便计算，咱们取10个，
这样你的哈希率就是10h/day。（10次每天）
低端显卡1660ti 哈希率是30Mh/S （30百万次每秒）
按照现在（2021年5月4日11:54:44）的价格，30Mhs一天大概是20元。也就是说:
一天计算出30X1024X1024X60X60X24=2 717 908 992 000个散列的话，你可以获得20元。
好的，那么咱们可以看一下你孩子一天能算多少钱：
已知现在（2021年5月4日11:56:43）1Mhs=0.69元，取整：0.7元。
那么1hs就是6.9e-7元 然而你孩子是10h/day，换算成h/sec就是0.0001(四舍五入)
好，那么看看你孩子一天能算多少钱：6.9e-7x0.0001=6.9e-11元，，，，，，，
哥，，，别算了，，，一天0.000000000069元，
就算难度不变，你不吃不喝算100年也就2.5e-6元，，，
就算涨1000％，也只是2.5e-5元，，，一分钱都不到，，，
这还没算上你这点算力根本出不了块就让别人抢走了，，，图个啥，，还不如学奥数，，，，
比特币口算班？呵呵！口算就口算！还比特币口算！比特币那种是能用口算算出来的？我建议是别学这种没什么用的东西！
我觉得应该报碳达峰美术班，或者区块链口才班
都是些啥东西呀？家长同志！你是恶魔吗？比特币口算班！都已经8岁高龄的孩子了，这脑袋瓜还能学进去吗！劝你放弃吧！建议去报一个清华大学的MBA培训班 ，或许孩子的后半生还能挽救一下！[比心][比心]
这个主要取决于家长的智商[灵光一闪]
8岁错过最佳学习时间了，一般建议孩子在出生3个月内学习笔算比特币，6个月内学习口算比特币，1岁之前掌握心算比特币
你这都8岁了，实在太晚了，删号重练吧
应该报名天顶星语言速成班