gp

推荐使用百度地图 http://shouji.baidu.com/map/

IGP=Indicazione Geograficha Tipica法定地区命名（意大利语）VDP=Vin de Pays法定地区命名（法语）常见翻译“地区餐酒”意指在生产国所种植的葡萄（树龄6年以上）并在生产国经过法定工序（例如采摘-压榨-过滤-澄清-发酵等等）并在生产国装瓶的葡萄酒。我去，现在没有分辨能力的人真是太多了。这么深入浅出的回答居然没有被采纳？去采纳一个门外汉的回答，这个国家完了。。。。。。

得要显卡PWM芯片支持温度显示的才能显示。不支持的就不显示，或者显示出来也是个错的。市面上大多数显卡的PWM芯片都没有带温度传感器的，所以不用管那个了。

啥都不干待机60度太高了......满载60度还差不多

正常的，待机功耗小。满载显卡有上百瓦。和CPU一样，显卡的核心电压只有一点几伏因此电流巨大也是正常的（p=UI）

动手能力强可以自己拆了看看导热片接触是否良好 清理风扇和散热风口灰尘 散热金属片是否和GPU接触良好 更换硅脂 加铜箔改善散热等其实中高端笔记本显卡玩3D要求高的游戏发热厉害是很正常的事 特别是VRM不超100度我都视为正常

这个显卡这个温度也算是正常了，VRM温度基本是这样的。看了很多的评测，就是这个样子。

VRM的英文全称是Voltage Regulator Module，中文意思是电压调节模块

gtx980温度在30℃-80℃范围内，玩大型游戏夏天不超过85℃都属于正常范围。显卡一般是电脑硬件中发热量最大的硬件，而且笔记本显卡散热问题应该比笔记本CPU更严重，一般情况下显卡的温度是在30℃-80℃左右是正常的，由于外部温度原因，夏天显卡温度多数在50℃-85℃之间也是正常的范围，特别是中高端独立显卡，玩游戏时温度飙涨，笔记本显卡的耐热温度是120度，警告温度是90度。通常认为到80度左右是正常的，满载应该在85度左右，如果再高就不太正常了，但如果是冬天的话达到80度也是不正常的。

GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。GPU是相对于CPU的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。于是NVIDIA公司在1999年发布GeForce 256图形处理芯片时首先提出GPU的概念。GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时。GPU所采用的核心技术有硬体T&L、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体T&L技术可以说是GPU的标志。简单说GPU就是能够从硬件上支持T&L(Transform and Lighting，多边形转换与光源处理)的显示芯片，因为T&L是3D渲染中的一个重要部分，其作用是计算多边形的3D位置和处理动态光线效果，也可以称为“几何处理”。一个好的T&L单元，可以提供细致的3D物体和高级的光线特效；只大多数PC中，T&L的大部分运算是交由CPU处理的(这就也就是所谓的软件T&L)，由于CPU的任务繁多，除了T&L之外，还要做内存管理、输入响应等非3D图形处理工作，因此在实际运算的时候性能会大打折扣，常常出现显卡等待CPU数据的情况，其运算速度远跟不上今天复杂三维游戏的要求。即使CPU的工作频率超过1GHz或更高，对它的帮助也不大，由于这是PC本身设计造成的问题，与CPU的速度无太大关系。 VRM的英文全称是Voltage Regulator Module，中文意思是电压调节模块，其主要作为了通过对主板上直流—>直流(简称DC—>DC)转换电路的控制来为CPU提供稳定的工作电压，同时也对电脑启动时电压的变化情况和时序作出了明确的要求。根据VRM标准制定的电源电路能够满足不同CPU的要求，减少人工干预的复杂性，简化了稳压电路的电压控制设计。这个VRM标准是Intel专门为自家CPU所制定的电压标准，CPU管脚定义也属于VRM标准的范围。 为了能支持下一代Prescott处理器，Intel在研发I865/875P系列芯片组之时引入了VRM10.0电源规范。因此目前I865/875P系列主板是支持VRM10.0的，完全可以输出Prescott处理器所需要的标准电压。 FMB的英文全称是Flexible Motherboard，属于电源控制模块。这个FMB标准也是INTEL专门为不同的CPU所制定的电流标准，其也是根据CPU、VRM一起发展的。针对目前Northwood 处理器，Intel就制定了两个FMB标准：FMB1.0与FMB2.0，其中FMB2.0是针对高频P4制定的，主要是将最大电流量提升到78A。因为随着P4频率的提升、功耗也随之提高，在核心电压一定的情况下，就必须提高电流流量才能提供所需功率。 针对下一代Prescott处理器，Intel目前只制定了两个FMB标准：FMB1.0和FMB1.5电源规范。其中FMB1.0规范是针对持Socket478的Prescott处理器及I865、875主板制定的，其规定的最大电流量为78A，TDP(Thermal Design Power：热量设计功耗)为89W；而FMB1.5则针对Socket -T 775的Prescott处理器及未来Grantsdale主板制订的，规定最大电流量为91A，TDP为103W。 针对功耗过大的情况，Intel现在又着手制定了FMB2.0电源规范，其设计最大电流量提升到了119A，TDP则为120W。Prescott平台会有 FMB 2.0版本，预计最高可以支持TDF达到117W。 "电脑对输出电压的纹波还有较高的要求， 电源输出的各路直流电压的交流成分越小越好，因为纹波太大会对各种芯片有不良影响，以致造成整 机工作不稳定，在服务器主板上就有一个专门的电压调节模块(VRM)。它的作用就是为Xeon 处理器提 供一个稳定的电压，同时滤去对Xeon 处理器的电磁干扰。因为像这样的高速处理器，对电压的稳定性 要求相当高，如果外部的电压有一个小小的波动，就会影响处理器的正常运行，很容易导致运算错误。"

TensorFlow2.0不支持tensor在GPU和CPU之间相互转移？（） A.TRUEB.FALSE正确答案：B

梯度、全连接层、GPU加速、VisdomAshen_0nee 于2022-08-02 14:05:19pytorch机器学习深度学习文章目录前言一、常见函数的梯度二、激活函数及其梯度1、Sigmoid2、Tanh3、ReLU三、Loss 函数及其梯度1、Mean Squared Error（MSE）2、Softmax四、感知机的梯度1、单一输出感知机2、多输出感知机五、链式法则六、Multi-Layer Perceptron反向传播七、2D 函数优化实例八、交叉熵九、全连接层十、GPU 加速十一、MNIST 测试十二、Visdom 可视化前言本文为8月2日Pytorch笔记，分为十二个章节：常见函数的梯度：激活函数及其梯度：Sigmoid、Tanh、ReLU；Loss 函数及其梯度：MSE、Softmax；感知机的梯度：单一输出感知机、多输出感知机；链式法则；Multi-Layer Perceptron反向传播；2D 函数优化实例；交叉熵；全连接层；GPU 加速；MNIST 测试；Visdom 可视化。一、常见函数的梯度Function Derivativex sqrt x x u200b 1 2 x u2212 1 2 frac{1}{2}x^{-frac{1}{2}} 21u200bxu221221u200be x e^x ex e x e^x exa x a^x ax l n ( a ) a x ln(a)a^x ln(a)axl n ( x ) ln(x) ln(x) 1 x frac{1}{x} x1u200bl o g a ( x ) log_a(x) logau200b(x) 1 x l n ( a ) frac{1}{xln(a)} xln(a)1u200b二、激活函数及其梯度1、Sigmoidf ( x ) = σ ( x ) = 1 1 + e u2212 x f(x) = sigma (x) = frac{1}{1 + e^{-x}} f(x)=σ(x)=1+eu2212x1u200bσ ′ = σ ( 1 u2212 σ ) sigma" = sigma (1 - sigma) σ′=σ(1u2212σ)a = torch.linspace(-100, 100, 10)a>>> tensor([-100.0000, -77.7778, -55.5556, -33.3333, -11.1111, 11.1111, 33.3333, 55.5556, 77.7778, 100.0000])torch.sigmoid(a)>>> tensor([0.0000e+00, 1.6655e-34, 7.4564e-25, 3.3382e-15, 1.4945e-05, 9.9999e-01, 1.0000e+00, 1.0000e+00, 1.0000e+00, 1.0000e+00])2、Tanhf ( x ) = t a n h ( x ) = e x u2212 e u2212 x e x + e u2212 x = 2 s i g m o i d ( 2 x ) u2212 1 f(x) = tanh(x) = frac{e^x - e^{-x}}{e^x + e^{-x}} = 2sigmoid(2x) - 1 f(x)=tanh(x)=ex+eu2212xexu2212eu2212xu200b=2sigmoid(2x)u22121d d x t a n h ( x ) = 1 u2212 t a n h 2 ( x ) frac{d}{dx}tanh(x) = 1 - tanh^2(x) dxdu200btanh(x)=1u2212tanh2(x)a = torch.linspace(-1, 1, 10)a>>> tensor([-1.0000, -0.7778, -0.5556, -0.3333, -0.1111, 0.1111, 0.3333, 0.5556, 0.7778, 1.0000])torch.tanh(a)>>> tensor([-0.7616, -0.6514, -0.5047, -0.3215, -0.1107, 0.1107, 0.3215, 0.5047, 0.6514, 0.7616])3、ReLUf ( x ) = { 0 f o r x < 0 x f o r x ≥ 0 f(x) = egin{cases} 0quad for x < 0 \ xquad for x ge 0 end{cases} f(x)={0forx<0xforx≥0u200bf ′ ( x ) = { 0 f o r x < 0 1 f o r x ≥ 0 f"(x) = egin{cases} 0quad for x < 0 \ 1quad for x ge 0 end{cases} f′(x)={0for x<01for x≥0u200ba = torch.linspace(-1, 1, 10)a>>> tensor([-1.0000, -0.7778, -0.5556, -0.3333, -0.1111, 0.1111, 0.3333, 0.5556, 0.7778, 1.0000])torch.relu(a)>>> tensor([0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.1111, 0.3333, 0.5556, 0.7778, 1.0000])三、Loss 函数及其梯度1、Mean Squared Error（MSE）l o s s = ∑ [ y u2212 ( w x + b ) ] 2 = ∑ [ y u2212 ( f θ ( x ) ) ] 2 L 2 u2212 n o r m = ∣ ∣ y u2212 ( w x + b ) ∣ ∣ 2 loss = sum [y - (wx+b)]^2 = sum [y - (f_ heta (x))]^2\ L2 - norm = ||y - (wx+b)||_2 loss=∑[yu2212(wx+b)]2=∑[yu2212(fθu200b(x))]2L2u2212norm=∣∣yu2212(wx+b)∣∣2u200b▽ l o s s ▽ θ = 2 ∑ [ y u2212 f θ ( x ) ] u2217 ▽ f θ ( x ) ▽ θ frac{igtriangledown loss}{igtriangledown heta} = 2sum [y - f_ heta (x)] * frac{igtriangledown f_ heta(x)}{igtriangledown heta} ▽θ▽lossu200b=2∑[yu2212fθu200b(x)]u2217▽θ▽fθu200b(x)u200bautograd.grad:x = torch.ones(1)x>>> tensor([1.])w = torch.full([1], 2)w>>> tensor([2.])mse = F.mse_loss(torch.ones(1), x*w)mse>>> tensor(1.)w = torch.full([1], 2.)w.requires_grad_()>>> tensor([2.], requires_grad=True)mse = F.mse_loss(torch.ones(1), x*w)torch.autograd.grad(mse, [w])>>> (tensor([2.]),)2、Softmaxp i = e a i ∑ k = 1 N e a k p_i = frac{e^{a_i}}{ extstyle sum_{k=1}^{N} e^{a_k}} piu200b=∑k=1Nu200beaku200beaiu200bu200bu2202 p i u2202 a j = { p ) i ( 1 u2212 p ) i ) i f i = j u2212 p j u22c5 p i i f i ≠ j frac{partial p_i}{partial a_j} = egin{cases} p)i(1-p)i)quad ifquad i=j \ -p_jcdot p_iquad if quad i e j end{cases} u2202aju200bu2202piu200bu200b={p)i(1u2212p)i)ifi=ju2212pju200bu22c5piu200bifiue020=ju200ba = torch.rand(3)a>>> tensor([0.6954, 0.7334, 0.5293])a.requires_grad_()>>> tensor([0.6954, 0.7334, 0.5293], requires_grad=True)p = F.softmax(a, dim=0)p>>> tensor([0.3465, 0.3600, 0.2935], grad_fn=<SoftmaxBackward0>)torch.autograd.grad(p[1], [a], retain_graph=True)>>> (tensor([-0.1247, 0.2304, -0.1057]),)torch.autograd.grad(p[2], [a], retain_graph=True)>>> (tensor([-0.1017, -0.1057, 0.2074]),)四、感知机的梯度1、单一输出感知机x = torch.rand(1, 10)w = torch.rand(1, 10, requires_grad=True)o = torch.sigmoid(x @ w.t())o.shape>>> torch.Size([1, 1])loss = F.mse_loss(torch.ones(1, 1), o)loss.shape>>> torch.Size([])loss.backward()w.grad>>> tensor([[-0.0040, -0.0001, -0.0239, -0.0109, -0.0004, -0.0213, -0.0250, -0.0292, -0.0187, -0.0247]])2、多输出感知机x = torch.rand(1, 10)w = torch.rand(2, 10, requires_grad=True)o = torch.sigmoid(x @ w.t())o.shape>>> torch.Size([1, 2])loss = F.mse_loss(torch.ones(1, 2), o)loss>>> tensor(0.0048, grad_fn=<MseLossBackward0>)loss.backward()w.grad>>> tensor([[-0.0048, -0.0026, -0.0059, -0.0019, -0.0029, -0.0014, -0.0031, -0.0004, -0.0028, -0.0035], [-0.0024, -0.0013, -0.0029, -0.0010, -0.0015, -0.0007, -0.0016, -0.0002, -0.0014, -0.0017]])五、链式法则Function Derivativex n x^n xn n x n u2212 1 nx^{n-1} nxnu22121f g fg fg f g ′ + f ′ g fg" + f"g fg′+f′gf / g f/g f/g f ′ g u2212 g ′ f g 2 frac{f"g - g"f}{g^2} g2f′gu2212g′fu200bf ( g ( x ) ) f(g(x)) f(g(x)) f ′ ( g ( x ) ) g ′ ( x ) f"(g(x))g"(x) f′(g(x))g′(x)d y d x = d y d u d u d x frac{dy}{dx} = frac{dy}{du}frac{du}{dx} dxdyu200b=dudyu200bdxduu200bx = torch.tensor(1.)w1 = torch.tensor(2., requires_grad=True)b1 = torch.tensor(1.)w2 = torch.tensor(2., requires_grad=True)b2 = torch.tensor(1.)y1 = x*w1 + b1y2 = y1*w2 + b2dy2_dy1 = torch.autograd.grad(y2, [y1], retain_graph=True)[0]dy1_dw1 = torch.autograd.grad(y1, [w1], retain_graph=True)[0]dy2_dw1 = torch.autograd.grad(y2, [w1], retain_graph=True)[0]dy2_dy1 * dy1_dw1>>> tensor(2.)dy2_dw1>>> tensor(2.)六、Multi-Layer Perceptron反向传播For an output layer node k ∈ K : k in K: k∈K:u2202 E u2202 W j k = O j O k ( 1 u2212 O k ) ( O k u2212 t k ) frac{partial E}{partial W_{jk}} = O_jO_k(1-O_k)(O_k - t_k) u2202Wjku200bu2202Eu200b=Oju200bOku200b(1u2212Oku200b)(Oku200bu2212tku200b)For a hidden layer node j ∈ J : j in J: j∈J:u2202 E u2202 W i j = O i O j ( 1 u2212 O j ) ∑ k ∈ K O k ( 1 u2212 O k ) ( O k u2212 t k ) W j k frac{partial E}{partial W_{ij}} = O_iO_j(1 - O_j)sum_{k in K} O_k(1 - O_k)(O_k - t_k) W_{jk} u2202Wiju200bu2202Eu200b=Oiu200bOju200b(1u2212Oju200b)k∈K∑u200bOku200b(1u2212Oku200b)(Oku200bu2212tku200b)Wjku200b七、2D 函数优化实例Himmelblau function:f ( x , y ) = ( x 2 + y u2212 11 ) 2 + ( x + y 2 u2212 7 ) 2 f(x, y) = (x^2 + y -11)^2 + (x + y^2 - 7)^2 f(x,y)=(x2+yu221211)2+(x+y2u22127)2import torchimport numpy as npfrom matplotlib import pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Ddef himmelblau(x): return (x[0] ** 2 + x[1] - 11) ** 2 + (x[0] + x[1] ** 2 - 7) ** 2x = np.arange(-6, 6, 0.1)y = np.arange(-6, 6, 0.1)print("x, y range: ", x.shape, y.shape)X, Y = np.meshgrid(x, y)print("X, Y maps: ", X.shape, Y.shape)Z = himmelblau([X, Y])fig = plt.figure("himmelblau")ax = fig.gca(projection="3d")ax.plot_surface(X, Y, Z)ax.view_init(60, -30)ax.set_xlabel("x")ax.set_ylabel("y")plt.show()# [1., 0.], [-4, 0.], [4, 0.]x = torch.tensor([-4., 0.], requires_grad=True)optimizer = torch.optim.Adam([x], lr=1e-3)for step in range(20000): pred = himmelblau(x) optimizer.zero_grad() pred.backward() optimizer.step() if step % 2000 == 0: print("step {}: x = {}, f(x) = {}" .format(step, x.tolist(), pred.item()))>>> x, y range: (120,) (120,) X, Y maps: (120, 120) (120, 120) step 0: x = [-3.999000072479248, -0.0009999999310821295], f(x) = 146.0 step 2000: x = [-3.526559829711914, -2.5002429485321045], f(x) = 19.4503231048584 step 4000: x = [-3.777446746826172, -3.2777843475341797], f(x) = 0.0012130826944485307 step 6000: x = [-3.7793045043945312, -3.283174753189087], f(x) = 5.636138666886836e-09 step 8000: x = [-3.779308319091797, -3.28318190574646], f(x) = 7.248672773130238e-10 step 10000: x = [-3.7793095111846924, -3.28318452835083], f(x) = 8.822098607197404e-11 step 12000: x = [-3.7793102264404297, -3.2831854820251465], f(x) = 8.185452315956354e-12 step 14000: x = [-3.7793102264404297, -3.2831859588623047], f(x) = 0.0 step 16000: x = [-3.7793102264404297, -3.2831859588623047], f(x) = 0.0 step 18000: x = [-3.7793102264404297, -3.2831859588623047], f(x) = 0.0八、交叉熵H ( p , q ) = ∑ p ( x ) l o g q ( x ) = H ( p ) + D K L ( p ∣ q ) H(p, q) = sum p(x)log q(x) = H(p) + D_{KL}(p|q) H(p,q)=∑p(x)log q(x)=H(p)+DKLu200b(p∣q)x = torch.randn(1, 784)w = torch.rand(10, 784)logits = x @ w.t()logits.shape>>> torch.Size([1, 10])pred = F.softmax(logits, dim=1)pred_log = torch.log(pred)F.cross_entropy(logits, torch.tensor([3]))>>> tensor(21.5533)F.nll_loss(pred_log, torch.tensor([3]))>>> tensor(21.5533)九、全连接层Network Architecture：# Network Architecturew1, b1 = torch.rand(200, 784, requires_grad=True), torch.zeros(200, requires_grad=True)w2, b2 = torch.rand(200, 200, requires_grad=True), torch.zeros(200, requires_grad=True)w3, b3 = torch.rand(10, 200, requires_grad=True), torch.zeros(10, requires_grad=True)# Trainoptimizer = optim.SGD([w1, b1, w2, b2, w3, b3], lr=learning_rate)criteon = nn.CrossEntropyLoss()for epoch in range(epochs): for batch_idx, (data, target) in enumerate(train_loader): data = data.view(-1, 28*28) logits = forward(data) loss = criteon(logits, target) optimizer.zero_grad() loss.backward() optimizer.step()nn.Linear:x = torch.rand(1, 784)x.shape>>> torch.Size([1, 784])layer1 = nn.Linear(784, 200)layer2 = nn.Linear(200, 200)layer3 = nn.Linear(200, 10)x = layer1(x)x.shape>>> torch.Size([1, 200])x = layer2(x)>>> x.shapetorch.Size([1, 200])x = layer3(x)x.shape>>> torch.Size([1, 10])x = F.relu(x, inplace=True)x.shape>>> torch.Size([1, 10])Implement forward():Step 1:class MLP(nn.Module): def __init__(self): super(MLP, self).__init__() self.model = nn.Sequential( nn.Linear(784, 200), nn.ReLU(inplace=True), nn.Linear(200, 200), nn.ReLU(inplace=True), nn.Linear(200, 10), nn.ReLU(inplace=True) )Step 2: def forward(self, x): x = self.model(x) return xTrain:net = MLP()optimizer = optim.SGD(net.parameters(), lr=learning_rate)criteon = nn.CrossEntropyLoss()for epoch in range(epochs): for batch_idx, (data, target) in enumerate(train_loader): data = data.view(-1, 28*28) logits = net(data) loss = criteon(logits, target) optimizer.zero_grad() loss.backward() optimizer.step()十、GPU 加速device = torch.device("cuda:0")net = MLP().to(device)optimizer = optim.SGD(net.parameters(), lr=learning_rate)criteon = nn.CrossEntropyLoss().to(device)for epoch in range(epochs): for batch_idx, (data, target) in enumerate(train_loader): data = data.view(-1, 28*28) data, target = data.to(device), target.to(device)十一、MNIST 测试 test_loss = 0 correct = 0 for data, target in test_loader: data = data.view(-1, 28*28) data, target = data.to(device), target.cuda() logits = net(data) test_loss += criteon(logits, target).item() pred = logits.data.max(1)[1] correct += pred.eq(target.data).sum() test_loss /= len(test_loader.dataset) print(" Test set: Average loss: {:.4f}, Accuracy: {}/{} ({:.0f}%) ".format( test_loss, correct, len(test_loader.dataset), 100. * correct / len(test_loader.dataset)))十二、Visdom 可视化viz.line([[test_loss, correct / len(test_loader.dataset)]], [global_step], win="test", update="append")viz.images(data.view(-1, 1, 28, 28), win="x")viz.text(str(pred.detach().cpu().numpy()), win="pred", opts=dict(title="pred"))

GreggPalmerGreggPalmer，是一名演员，主要作品有《Scream》等。外文名：GreggPalmer国籍：美国职业：演员代表作品：Scream主要作品电影作品电视剧作品人物关系

如果你用的是联通的卡，当然就不行了

Welte是Linux内核防火墙Netfilter/iptables的主要开发者，并是Linxu内核的袖珍过滤子系统的维护者。该公司于2004年建立gpl-violations.org工程，目的是防止各个公司违反GNU General Public License建立的规则。 自动建立这一工程，Welte已经与违反GPL的25个公司建立协议，这些公司都没有得到许可的情况下使用了GPL代码。以下是ZDNet UK讲述Welte如何查找到这些公司违反GPL的过程，以及如何说服这些公司遵循这些协议。 软件公司如何才能确保其遵循了GPL协议？ 遵循GPL许可协议所需要的就是发布软件源代码。遵循GPL协议的方法可以有两种：其一，可以在二进制代码程序中包含源代码，其二，可以提供一个源代码程序。这一源代码程序包含了第三方在使用这一程序时的所有源代码。如果软件公司只是在其公司内部使用GPL协议，那么他们只需要给本公司员工发布源代码。使用GPL协议的公司需要发布哪些源代码？ 我们见到的大多数侵权现象都是发生在嵌入式市场。例如：公司运行Linux内核，而我拥有Linux内核中某一部分的版权。在版权纠纷案件中，个人版权所有者是我，而不是软件公司。 我还在考虑之中，我已经与我的律师和免费软件基金会（Free Software Foundation，简称FSF）的代表们就此问题进行了交谈。现在有两种可供选择的方法，其一是争取欧洲免费软件基经会的合作，其二是寻找非赢利组织的支持。 无论与哪个组织合作，只要涉及到法律问题，都需要与版权所有者签订合约。一些开发人员可能不愿意与免费软件基金会签订合约。我个人对与FSF合作没有任何异议，但是一些人认为这没有必要。一些人错误地认为免费软件基金会实际上就是Richard Stallman（免费软件基金会主席），还有一些人对Richard有意见。一些人非常恶意地指责GPL许可协议是一种商业性行为，对此你有什么看法？ 这是一个富有哲学意义的问题。BSD licence允许你在无需标注原程序的情况下对程序进行修改，但是GPL则需要注明原有程序的出处。这是开发软件时应该注意到的问题。

LDH：乳酸脱氢酶ACP：1.=American College of Pharmacists 美国药剂师学会2.=American College of Physicians 美国内科医师学会或：酰基载体蛋白 酰基载体蛋白 酸性磷酸酶 GOT：谷一草转氨酶GPT：谷一丙转氨酶

1、首先打开游戏polidogpatrol游戏页面。2、其次在主页面的右下方找到武器属性。3、最后找到攻击属性，点击想要加点的武器点击下方的加点即可。

就是Matrox品牌的啊 G100芯片不是ATI也不是NVIDIAMatrox致力于平面设计专业显示芯片的开发在3D领域没那么大的名气 所以逐渐离开了DIY市场不过其芯片在色彩还原及DVD解码领域还是有一定成就的专业的2D设计室大多用他的显示芯片

你的PCI是PCI还是PCI-X呢？

Spread Spectrum (频展)-----AGP Voltage (V) (AGP电压) 在此项中调节AGP电压，允许您超频，以提升AGP显示卡的性能表现，但同样会造成稳定性的问题。设定值有：Auto, 1.6, 1.7, 1.8。不同的主板，设置有些不同。 BIOS是英文"Basic Input Output System"的缩略语，直译过来后中文名称就是"基本输入输出系统"。其实，它是一组固化到计算机内主板上一个ROM芯片上的程序，它保存着计算机最重要的基本输入输出的程序、系统设置信息、开机后自检程序和系统自启动程序。 其主要功能是为计算机提供最底层的、最直接的硬件设置和控制。 [转自百度百科]

6600GT应该有AGP版的。不过还是建议换换主板吧，都过去多少代了，最便宜的主流配置也比你这老配置强不少。。。

AGP接口的主板和显卡目前已经淘汰，只有极少数古董电脑还在使用这种接口，而且这种接口的独立显卡性能很低，上网都会卡顿，没有什么用了。有些稀有型号也许有人会收藏吧。

速度吧1

AGP里最强的显卡是HD3850 AGP。这是市面上最常见的蓝宝石HD3850 AGP参数：型号 HD3850 512M AGP芯片厂方 ATI芯片型号 AMD-ATI Radeon HD 3850芯片代号 RV670制作工艺 55纳米核心位宽 256bit显卡接口标准 AGP 8X输出接口 TV-OUT接口,2×DVI-I接口显存容量 512M显存类型 GDDR 3显存位宽 256bit显存速度 1ns核心频率 668MHz显存频率 1656MHzSP单元 320个3D API 支持DirectX 10.1不过这个卡的价格非常高，动辄600多甚至上千，比PCI-E的HD3850贵了一倍。而且AGP平台上很少有CPU可以带这个显卡而没有瓶颈。所以说不建议买HD3850 AGP。一块HD3850 AGP的价钱足够买一块NF4+939 3800+双核+HD3850 PCI-E，而且这样搭配的效果要比直接买AGP强得多。如果实在懒得换平台可以考虑买一块X1950Pro AGP，最便宜的不到400，而且性能很强（虽然还是远不如HD3850），前提是电源要够用。

插口不一样

agp8x代表显卡接口ATA133代表硬盘接口类型DDR2533 代表俗称的2带内存条 533是频率

AGP槽大多为黑色，也有其他颜色如黄色、蓝色，PCI槽大多为白色，为了与PCI插槽区分开，所以形成反差。无论AGP的颜色是什么肯定和其他PCI的颜色不同。

AGP也。。。楼上两位回答详细

图片

显卡显存是独立显存，在显卡板件上，正常发热量比较高所以有独立的散热！APU的核显显存使用的是共享的电脑内存上的。比如说同样8G内存的情况下，核显在单条8G的性能不如4G X2双通道的情况下表现的更好！！

4级魔法师 needkiss同志 不懂就不要装懂好哇？ 顶楼上的两位！

没有您说的这个标准，如果是AGP 8X的话，请参考楼上

pcie是主板现在新的显卡插口，现在都是这个标准，agp是老主板的显卡插口，新生产的主板已经不运用了，因为他的传输速率比不上pci的

pciexpress作为目前主流的总线接口，采用了目前业内流行的点对点串行连接，每个设备都具有自己专用的连接接口。这比起曾经的pci及更早期的计算机采用的共享并行架构来说，pciexpress并不需要向整个总线系统请求带宽可以把总线利用率充分发挥，将数据传输率提高到一个很高的频率，这样可以将带宽提高到前所未有的程度。而且pci-express总线能够在一个单位周期内实现又向连接和传输，这样使数据的传输质量更高更具有效率。在图形接口方面，pciexpress图形接口只是普通总线位宽为16x的pciexprss16x接口。和agp8x图形而生并不一样，pci-express是一个通用的协议，其目的就是解决现在在系统内部传输瓶颈现象而出现的性能真空，并且取代目前各种内部传输接口，如agp、pci等等。pciexpress规格从1条通道连接到32条通道连接，有非常强的伸缩性。每一条通道的传输速度为256mb/s，所以依次换算显卡采用pci-express16x的传输速度是4gb/s，双向数据传输带宽有8gb/s之多。相比agp8x数据传输只提供2.1gb/s的数据传输带宽来说，如此之大的性能优势显而易见。所以这也是pci-express(原生)会如此迅速得到业界肯定的原因。当然仅仅从外观上也可以看出它们的接口规范及插槽形状也不一样

不知道你到底想问什么

主板上不写了啊，哪里的插槽是AGP哪里是PCI

PCI是一般网卡、声卡、1394卡等的扩展槽PCI-E是现在PCI显卡的扩展槽AGP是老式主板的显卡扩展槽，接口速率较PCI-E要慢

AP：是指以法系伤害为主的一类英雄。 AD：是指以物理伤害为主的一类英雄。 ADC：是指有核心物理输出的英雄，一般特指有持续性爆发输出的英雄、 DP : 符文 AGP : 爱拍英雄联盟大赛 LP : 盒子

去百度谷歌

AGP插槽，就是用来安装独立显卡的插槽。AGP插槽与PCI插槽最大的不同之处在于：AGP插槽不仅颜色有别于PCI插槽，并且在一端带有锁止开关，用来固定显卡，避免晃动。AGP插槽如下图所示：

无线路由器

PCI-E多指PCI-E 16X 带宽 比AGP高。 两截差不多长的是AGP 一长一短的是PCIE 16X最大的区别在于带宽AGP 8X 2.1G PCI-E 16X 4.2G。主要区别是带宽不同，理论上PCI-E比AGP块4倍，因此在其他配置相同的情况下，同核心的PCI-E接口显卡要比AGP接口显卡明显要快。至于快多少就要看厂商了。 PCI E的带宽是agp 8x的2倍。 这里说的多少倍都是以pci为基准的。 pci e 为16x 1997年，AGP图形加速接口在PCI接口基础上发展而来成为显卡专用接口；此后，3D图形芯片的发展在AGP的助力下一再攀越性能顶峰，而AGP的发展更在2002年以2.1Gb/s的AGP8X达到其技术极限。2.1Gb/s的传输速度虽然已经非常快速，但已经无法满足填充率已经高达6.4Gb/s的显卡的要求。新一代显卡高速接口——PCI Express x16也正式发布。 被誉为近十年来PC架构最大变革的PCI-E串行总线将以高速的联接速度成为系统的中枢神经，大大加强PC的数据交换和处理性能。而x16 PCI-E显卡接口的8GB/s双向串行传输优势将使3D效果越来越复杂的DirectX9游戏得以更顺畅的速度运行。

你说对了，7950GT和HD3850都是最后一款AGP接口的显卡，而且都是采用桥接AGP方案，并非原生AGP方案，导致发热和功耗略有瑕疵。ATI和NVIDIA各自最后一款原生AGP方案的显卡分别是6800Ultra和X800GTO

AGP 指显卡插槽 810-865之间主板都用这种PCI 指主板上的插槽 主要是插网卡 声卡 或者其他硬件PCI-E 指显卡插槽 915以后的板子都用这种插槽了 VGA指显卡

　　pci插槽和AGP插槽的区别就是在速度不一样,显卡接口不一样，传输速率也不一样。AGP最高是到8X，PCI-E相当于16X，速率更快；而PCI和其他的插槽插槽差不多一样高，AGP插槽位置低许多，插槽隔也靠在中间位置。　　PCI插槽，是基于PCI局部总线(Peripheral Component Interconnection，周边元件扩展接口)的扩展插槽。其颜色一般为乳白色，位于主板上AGP插槽的下方，ISA插槽的上方。其位宽为32位或64位，工作频率为33MHz,最大数据传输率为133MB/sec(32位)和266MB/sec(64位)。可插接显卡、声卡、网卡、内置Modem、内置ADSL Modem、USB2.0卡、IEEE1394卡、IDE接口卡、RAID卡、电视卡、视频采集卡以及其它种类繁多的扩展卡。　　AGP（Accelerated Graphics Port）是在PCI总线基础上发展起来的，主要针对图形显示方面进行优化，专门用于图形显示卡。AGP标准也经过了几年的发展，从最初的AGP 1.0、AGP2.0 ，发展到现在的AGP 3.0，如果按倍速来区分的话，主要经历了AGP 1X、AGP 2X、AGP 4X、AGP PRO，最高版本就是AGP 3.0，即AGP 8X。AGP 8X的传输速率可达到2.1GB/s，是AGP 4X传输速度的两倍。

YGP是舞蹈，AGP是芭蕾。1、YGP舞蹈大赛是当今世界规模和影响力最大的舞蹈赛事之一，AGP舞蹈大赛不是。2、YGP舞蹈大赛是国际青少年舞蹈大赛，AGP是亚洲国际芭蕾舞大赛，性质不同。

agp，全称acceleratedgraphicports，pc的图形系统接口的一种，目前被已经淘汰的图形系统接口。(引用）显卡必须插在主板上面才能与主板交换数据，因而就必须有与之相对应的总线接口。agp(acceleratedgraphicsprot)接口在pci图形接口的基础上发展而来的，是一种专用的显示接口，具有独占总线的特点，只有图像数据才能通过agp端口。agp又分为agp8x、agp4x和agp2x等不同的标准。现在agp8x已经是主流，总线带宽达到2133mb/s，是agp4x的两倍。agp8x必须接在具有agp8x接口的主板上，才能充分发挥显卡性能。4x的显卡其实也可以接在8x上使用，只不过速度只有4x的速度而已。

AGP（Accelerate Graphical Port），加速图形接口。随着显示芯片的发展，PCI总线日益无法满足其需求。英特尔于1996年7月正式推出了AGP接口，它是一种显示卡专用的局部总线。严格的说，AGP不能称为总线，它与PCI总线不同，因为它是点对点连接，即连接控制芯片和AGP显示卡，但在习惯上我们依然称其为AGP总线。 AGP接口是基于PCI 2.1 版规范并进行扩充修改而成，工作频率为66MHz。AGP总线直接与主板的北桥芯片相连，且通过该接口让显示芯片与系统主内存直接相连，避免了窄带宽的PCI总线形成的系统瓶颈，增加3D图形数据传输速度，同时在显存不足的情况下还可以调用系统主内存。所以它拥有很高的传输速率，这是PCI等总线无法与其相比拟的。由于采用了数据读写的流水线操作减少了内存等待时间，数据传输速度有了很大提高；具有133MHz及更高的数据传输频率；地址信号与数据信号分离可提高随机内存访问的速度；采用并行操作允许在CPU访问系统RAM的同时AGP显示卡访问AGP内存；显示带宽也不与其它设备共享，从而进一步提高了系统性能。AGP标准在使用32位总线时，有66MHz和133MHz两种工作频率，最高数据传输率为266Mbps和533Mbps，而PCI总线理论上的最大传输率仅为133Mbps。目前最高规格的AGP 8X模式下，数据传输速度达到了2.1GB/s。AGP接口的发展经历了AGP1.0(AGP1X、AGP2X)、AGP2.0(AGP Pro、AGP4X)、AGP3.0(AGP8X)等阶段，其传输速度也从最早的AGP1X的266MB/S的带宽发展到了AGP8X的2.1GB/SPCI EPCI- Express是最新的总线和接口标准，它原来的名称为“3GIO”，是由英特尔提出的，很明显英特尔的意思是它代表着下一代I/O接口标准。交由 PCI-SIG（PCI特殊兴趣组织）认证发布后才改名为“PCI-Express”。这个新标准将全面取代现行的PCI和AGP，最终实现总线标准的统一。它的主要优势就是数据传输速率高，目前最高可达到10GB/s以上，而且还有相当大的发展潜力。PCI Express也有多种规格，从PCI Express 1X到PCI Express 16X，能满足现在和将来一定时间内出现的低速设备和高速设备的需求。能支持PCI Express的主要是英特尔的i915和i925系列芯片组。当然要实现全面取代PCI和AGP也需要一个相当长的过程，就象当初PCI取代ISA一样，都会有个过渡的过程。PCI Express（以下简称PCI-E）采用了目前业内流行的点对点串行连接，比起PCI以及更早期的计算机总线的共享并行架构，每个设备都有自己的专用连接，不需要向整个总线请求带宽，而且可以把数据传输率提高到一个很高的频率，达到PCI所不能提供的高带宽。相对于传统PCI总线在单一时间周期内只能实现单向传输，PCI-E的双单工连接能提供更高的传输速率和质量，它们之间的差异跟半双工和全双工类似。PCI-E的接口根据总线位宽不同而有所差异，包括X1、X4、X8以及X16，而X2模式将用于内部接口而非插槽模式。PCI-E规格从1条通道连接到32条通道连接，有非常强的伸缩性，以满足不同系统设备对数据传输带宽不同的需求。此外，较短的PCI-E卡可以插入较长的PCI-E插槽中使用，PCI-E接口还能够支持热拔插，这也是个不小的飞跃。PCI-E X1的250MB/秒传输速度已经可以满足主流声效芯片、网卡芯片和存储设备对数据传输带宽的需求，但是远远无法满足图形芯片对数据传输带宽的需求。因此，用于取代AGP接口的PCI-E接口位宽为X16，能够提供5GB/s的带宽，即便有编码上的损耗但仍能够提供约为4GB/s左右的实际带宽，远远超过AGP 8X的2.1GB/s的带宽。尽管PCI-E技术规格允许实现X1（250MB/ 秒），X2，X4，X8，X12，X16和X32通道规格，但是依目前形式来看，PCI-E X1和PCI-E X16已成为PCI-E主流规格，同时很多芯片组厂商在南桥芯片当中添加对PCI-E X1的支持，在北桥芯片当中添加对PCI-E X16的支持。除去提供极高数据传输带宽之外，PCI-E因为采用串行数据包方式传递数据，所以PCI-E接口每个针脚可以获得比传统I/O标准更多的带宽，这样就可以降低PCI-E设备生产成本和体积。另外，PCI-E也支持高阶电源管理，支持热插拔，支持数据同步传输，为优先传输数据进行带宽优化。

速度、接口、标准、性能

分类: 电脑/网络 >> 硬件 解析: AGP（Accelerate Graphical Port），加速图形接口。随着显示芯片的发展，PCI总线日益无法满足其需求。英特尔于1996年7月正式推出了AGP接口，它是一种显示卡专用的局部总线。严格的说，AGP不能称为总线，它与PCI总线不同，因为它是点对点连接，即连接控制芯片和AGP显示卡，但在习惯上我们依然称其为AGP总线。AGP接口是基于PCI 2.1 版规范并进行扩充修改而成，工作频率为66MHz。 AGP总线直接与主板的北桥芯片相连，且通过该接口让显示芯片与系统主内存直接相连，避免了窄带宽的PCI总线形成的系统瓶颈，增加3D图形数据传输速度，同时在显存不足的情况下还可以调用系统主内存。所以它拥有很高的传输速率，这是PCI等总线无法与其相比拟的。 由于采用了数据读写的流水线操作减少了内存等待时间，数据传输速度有了很大提高；具有133MHz及更高的数据传输频率；地址信号与数据信号分离可提高随机内存访问的速度；采用并行操作允许在CPU访问系统RAM的同时AGP显示卡访问AGP内存；显示带宽也不与其它设备共享，从而进一步提高了系统性能。 AGP标准在使用32位总线时，有66MHz和133MHz两种工作频率，最高数据传输率为266Mbps和533Mbps，而PCI总线理论上的最大传输率仅为133Mbps。目前最高规格的AGP 8X模式下，数据传输速度达到了2.1GB/s。AGP接口的发展经历了AGP1.0(AGP1X、AGP2X)、AGP2.0(AGP Pro、AGP4X)、AGP3.0(AGP8X)等阶段，其传输速度也从最早的AGP1X的266MB/S的带宽发展到了AGP8X的2.1GB/S。 AGP 1.0（AGP1X、AGP2X） 1996年7月AGP 1.0 图形标准问世，分为1X和2X两种模式，数据传输带宽分别达到了266MB/s和533MB/s。这种图形接口规范是在66MHz PCI2.1规范基础上经过扩充和加强而形成的，其工作频率为66MHz，工作电压为3.3v，在一段时间内基本满足了显示设备与系统交换数据的需要。这种规范中的AGP带宽很小，现在已经被淘汰了，只有在前几年的老主板上还见得到。 AGP2.0(AGP4X) 显示芯片的飞速发展，图形卡单位时间内所能处理的数据呈几何级数成倍增长，AGP 1.0 图形标准越来越难以满足技术的进步了，由此AGP 2.0便应运而生了。1998年5月份，AGP 2.0 规范正式发布，工作频率依然是66MHz，但工作电压降低到了1.5v，并且增加了4x模式，这样它的数据传输带宽达到了1066MB/sec，数据传输能力大大地增强了。 AGP Pro AGP Pro接口与AGP 2.0同时推出，这是一种为了满足显示设备功耗日益加大的现实而研发的图形接口标准，应用该技术的图形接口主要的特点是比AGP 4x略长一些，其加长部分可容纳更多的电源引脚，使得这种接口可以驱动功耗更大（25-110w）或者处理能力更强大的AGP显卡。这种标准其实是专为高端图形工作站而设计的，完全兼容AGP 4x规范，使得AGP 4x的显卡也可以插在这种插槽中正常使用。AGP Pro在原有AGP插槽的两侧进行延伸，提供额外的电能。它是用来增强，而不是取代现有AGP插槽的功能。根据所能提供能量的不同，可以把AGP Pro细分为AGP Pro110和AGP Pro50。在某些高档台式机主板上也能见到AGP Pro插槽，例如华硕的许多主板。 AGP 3.0(AGP8X) 2000年8月，Intel推出AGP3.0规范，工作电压降到0.8V,并增加了8x模式，这样它的数据传输带宽达到了2133MB/sec，数据传输能力相对于AGP 4X成倍增长，能较好的满足当前显示设备的带宽需求。 AGP接口的模式传输方式 不同AGP接口的模式传输方式不同。1X模式的AGP，工作频率达到了PCI总线的两倍—66MHz，传输带宽理论上可达到266MB/s。AGP 2X工作频率同样为66MHz，但是它使用了正负沿（一个时钟周期的上升沿和下降沿）触发的工作方式，在这种触发方式中在一个时钟周期的上升沿和下降沿各传送一次数据，从而使得一个工作周期先后被触发两次，使传输带宽达到了加倍的目的，而这种触发信号的工作频率为133MHz，这样AGP 2X的传输带宽就达到了266MB/s×2（触发次数）＝533MB/s的高度。AGP 4X仍使用了这种信号触发方式，只是利用两个触发信号在每个时钟周期的下降沿分别引起两次触发，从而达到了在一个时钟周期中触发4次的目的，这样在理论上它就可以达到266MB/s×2（单信号触发次数）×2（信号个数）＝1066MB/s的带宽了。在AGP 8X规范中，这种触发模式仍然使用，只是触发信号的工作频率变成266MHz，两个信号触发点也变成了每个时钟周期的上升沿，单信号触发次数为4次，这样它在一个时钟周期所能传输的数据就从AGP4X的4倍变成了8倍，理论传输带宽将可达到266MB/s×4（单信号触发次数）×2（信号个数）＝2133MB/s的高度了。 目前常用的AGP接口为AGP4X、AGP PRO、AGP通用及AGP8X接口。需要说明的是由于AGP3.0显卡的额定电压为0.8—1.5V，因此不能把AGP8X的显卡插接到AGP1.0规格的插槽中。这就是说AGP8X规格与旧有的AGP1X/2X模式不兼容。而对于AGP4X系统，AGP8X显卡仍旧在其上工作，但仅会以AGP4X模式工作，无法发挥AGP8X的优势。

Async SRC/ZCLK/AGP/PCI设置skc／zclk／agp／pci的时钟是否与cpu的时钟同步指异步 调整频率，一般用于超频SRC是指 Serial ATA Clock, o clock da controladora Serial ATA硬盘工作频率ZCLK是指CPU内部工作频率AGP和PCI就不说了，大家都知道默认一般是100/133/66/33MHz 更改将会有工作不正常现象

扩展总线 显卡专用

一般不用图，靠插槽颜色和形状区分。isa一般为黑色。比pci槽短，金手指接触部分比较宽。现在很少有使用这种借口的设备pci一般为乳白色，位于主板下方。网卡声卡常用。agp一般为咖啡色。比pci略短一点。和pci平行。连接agp显卡pci-e一般为米黄色和黑色两种，常见的有pci-e×1×16×1的最短，一般为黑色。大概30mm长。连接pci-e接口的网卡和其他设备。×16的最长。一般为黑色或者米黄色。连接pci-e显卡

什么是 AGP?AGP的意义 简介 关于AGP，当前最先进的图形系统接口，我想没必要再作过多的解释了。这项技术始于三年以前，那时3D图形加速技术开始流行并且迅速普及，新兴的3D加速卡需要从CPU和系统内存获得的数据比它们仅仅具有“2D加速”功能的前辈们所需要的多得多。为了使系统和图形加速卡之间的数据传输获得比PCI总线更高的带宽，AGP便应运而生。 AGP vs PCI——理论上的较量 AGP和PCI根本上的区别在于AGP是一个“端口”，这意味着它只能接驳一个终端而这个终端又必须是图形加速卡。PCI则是一条总线，它可以连接许多不同种类的终端，可以是显卡，也可以是网卡或者SCSI卡，还有声卡，等等等等。所有这些不同的终端都必须共享这条PCI总线和它的带宽，而AGP则为图形加速卡提供了直接通向芯片组的专线，从那里它又可以通向CPU、系统内存或者PCI总线。 普通的PCI总线数据宽度为32位（bit），以33MHz的速度运行，这样它能提供的最大带宽就是4byte/sX33MHz=133MB/s。尽管新的PCI64/66规范提供了64位的数据宽度和66MHz的工作频率，带宽相应达到了533MB/s，但它面向的是需要极高数据带宽的I/O控制器，比如IEEE1394或者千兆位的网卡，目前几乎没有得到任何支持。AGP同样是32位的数据宽度，但它的工作频率从66MHz开始，这样，按常规方法利用每个时钟周期的下降沿传输数据的AGP1X规范就能提供266MB/s的带宽，而AGP2X，通过同时利用时钟周期的上升和下降沿传输数据，可以达到533MB/s的带宽，最新的AGP4X更是把带宽提高到了1066MB/s。 为什么需要AGP？ 刚开始的时候，AGP的高带宽被用来将3D物体的纹理数据传送给3D加速卡。一些3D加速卡仅仅是把AGP当作更快的PCI总线来使用，另外一些3D加速芯片则用到了“AGP纹理”，也就是说把大纹理储存在系统主存中，需要时直接从那里而不是本地显存里调用。当然，这在今天仍然是AGP的用途之一，但是对AGP4X的需求则是来自3D渲染过程的另一个环节——复杂3D物体的三角形数据。在一个3D场景进行转换和光照处理之前，场景中所包含的物体应当被确定，物体的细节越清晰，需要传输的三维像素就越多。比如NVidia的GeForce，作为第一个集成了转换与光照引擎的3D加速芯片，能够处理的三角形数量是惊人的，但是在这一切开始之前，所需要的数据必须被传送给它，毫无疑问，这就只有通过AGP来进行。 评测AGP 这个事实在对AGP进行测试时同样需要考虑到。几年以前的AGP测试仅仅是通过显示需要大量纹理的3D场景，试图用大量的纹理数据流来使AGP接口达到饱和，这样的测试几乎没有显示出AGP1X和2X之间到底有什么区别，它们当然同样也不能体现出AGP4X带来的性能提升。这就是为什么我们需要用另外的方法来使AGP接口饱和。目前测试AGP性能的最好方法无疑是通过显示包含大量极其复杂的3D物体的场景，来让AGP传送极其大量的三角形数据。在后面你们将看到测试结果。无论如何，现在的3D游戏所用到的多边形还远没有达到AGP4X的极限，所以我们不得不再次等待“将来的话题”。眼下真正用到极其复杂的3D物体的软件主要是专业的OpenGL软件，所以用它们来做测试应该是再合适不过的了。 有关AGP的其他方面 在以前的文章里面，我曾经提到100MHz的内存总线是AGP和其他一些内存相关的系统所必需的。在今天，这样的需求有增无减，只有当系统有了足够的内存带宽AGP的超高带宽才会......一帆风顺年年好 万事如意步步高 吉星高照

AGP8X简单一点让你理解就是必须接接口必须是AGP8X的显卡

首先,AGP并不是内存,是一种老式显卡的接口,DDR1,DDR2,DDR3内存的主要区别是内存频率不一样,而且接口不同,电压不同,DDR1,指的是一代内存,电压为2.5V,,这代内存有DDR200，DDR266，DDR333，DDR400，DDR500，DDR600,数字指的是内存传输频率,忧郁是双向频率,所以实际传输频率为总频率的一半,DDR1代内存中,JEDEC的最高规格为DDR400,DDR400以上频率则是超频的内存,DDR2内存,第二代内存,电压为1.8V,一般有DDR2533,DDR2667,DDR2800,DDR21066,DDR21200几种频率,DDR3则为第三代内存,电压为1.5V,一般有DDR31066,DDR31333,DDR31600,DDR31800,DDR31866,DDR32000,DDR32133,DDR32200,DDR32400几种频率,频率以MHz（兆赫）为单位,电压为额定电压,纯手打,

分类: 电脑/网络 >> 硬件 问题描述: 计算机主板上的AGP是显卡插槽,ACR插槽又是什么用途的？ 解析: ACR是Advanced CommuniATIon Riser（高级通讯插卡）的缩写，它是VIA（威盛）公司为了与英特尔的AMR相抗衡而联合AMD、3Com、Lucent（朗讯）、Motorola（摩托罗拉）、NVIDIA、Texas Instruments等世界著名厂商于2001年6月推出的一项开放性行业技术标准，其目的也上为了拓展AMR在网络通讯方面的功能。ACR不但能够与AMR规范完全兼容，而且定义了一个非常完善的网络与通讯的标准接口。ACR插卡可以提供诸如Modem、LAN（局域网）、Home PNA、宽带网（ADSL、Cable Modem）、无线网络和多声道音效处理等功能。ACR插槽大多都设计放在原来ISA插槽的地方。ACR插槽采用120针脚设计，兼容普通的PCI插槽，但方向正好与之相反，这样可以保证两种类型的插卡不会混淆。管ACR和CNR标准都包含了AMR标准的全部内容，但这两者并不兼容，甚至可以说是互相排斥（这也是市场竞争的恶果）。两者最明显的差别是，CNR放弃了原有的基础架构，即放弃了对AMR标准的兼容，而ACR标准在增加了众多新功能的同时保留了与AMR的兼容性。但与CNR一样，市场对ACR的支持度不够，相应的产品很少，所以大多数主板上的ACR插槽也成了无用的摆设。

呵呵 讲的好细啊

AGP和PCI-E都是一种总线规范，显卡的的APG和PCI_E就是符合这种总线规范的显卡插槽。直观的说就是显卡的插槽不一样，PCI-E是比较新的，现在的版本是2.0.主要表现在显卡的带宽不一样，就是可以使用更好的显卡而不会产生瓶颈。还有支持显卡的功率也增加。

I/O（输入/输出）端口主要指小型机周边各种接口，诸如RS232端口（串行端口）、并口，USB口、光纤通道接口等。AGP（AccelerateGraphicalPort），加速图形接口PCI插槽是基于PCI局部总线(PedpherdComponentInterconnect，周边元件扩展接口)的扩展插槽，其颜色一般为乳白色，位于主板上AGP插槽的下方，ISA插槽的上方。ISA工业标准架构体系（IndustryStandardArchitecture,通常简称ISA）是IBM电脑兼容机上的一种总线。IDE的英文全称为“IntegratedDriveElectronics”，即“电子集成驱动器”，它的本意是指把“硬盘控制器”与“盘体”集成在一起的硬盘驱动器。FDC（FloppyDiskController，软盘驱动器控制装置）

1.AGP(AcceleratedGraphicPorts或者AdvancedGraphicPorts)是当前被已经淘汰的图形系统接口。现在已被PCI取代。2.PCI则是一条总线，它可以连接许多不同种类的终端，可以是显卡，也可以是网卡或者SCSI卡，还有声卡，等等等等。3.IDE（Integrated-Drive-Electronics）是现在普遍使用的外部接口，主要接硬盘和光驱。采用16位数据并行传送方式，体积小，数据传输快。一个IDE接口只能接两个外部设备。4.EDC没查到

AGP是一种显卡的总线接口 http://baike.baidu.com/view/4204.htm 这儿有详细的资料 ，CMOS实际上是一块可编程的存储芯片，存储的是调整 BIOS (基本输入、输出系统)的一个设置程序，他可以从硬件层面控制计算机各个部件之间的数据传输和系统工作状态。

么是AGP 1.PCI总线在3D应用中的局限 AGP主要针对现在的PCI显示卡在处理动画和3D绘图时出现的数据传输瓶颈情况，随着处理器速度越来越快，瓶颈情况还会更加严重，特别是在3D图像的情况下更明显。 在3D图形描绘中，储存在PCI显示卡上显示内存中的不仅有影像数据，还有Z轴的距离数据，TextureData（纹理数据）及Alpha变换数据等。储存纹理数据的显示内存容量越多越好。从整个系统来看，增加显示内存还不如增加主内存划算，而且把纹理数据储存在主内存比储存在显示内存更可有效利用内存。也就是说，当应用程序结束后，它所占用的主内存空间又可恢复，纹理数据并不永远占用主内存的空间。 遗憾的是，当纹理数据从显示内存移到主内存时，数据传输的瓶颈也从显示卡上的内存总线转移到了PCI总线上，而纹理数据传输量就将超过100MB/sec，现有的PCI总线远远不能满足要求，因而就需像AGP这样可连结主内存与显示卡的新接口。 2.AGP的结构 AGP的目的是以相对低价格来达到高性能3D图形的描绘功能，为此Intel对PCI再扩充了三项主要的规格而定义了AGP： (1)数据读写操作的管道处理； (2)133MHz的数据传输周期； (3)地址信号与数据信号分离。 AGP的原理是把显示芯片独立设置在系统总线上面，把显示芯片直接同芯片组的内存控制器电路相连。在这种“点对点”的连接中，还利用了时钟信号的两边沿（即上升沿和下降沿）作数据传输，所以速度成倍提高。也由于采用点对点连接方式，一个系统只能有一个AGP，所以，AGP不会取代PCI总线。第一代AGP以66MHz的速度传送数据，是PCI总线的一倍；第二代AGP将可达133MHz，足以满足用软件播放DVD光盘的要求。数据传输速度最高可达533MB/sec，约为目前PCI的4倍。PCI同AGP比较如下表所示： PCI同AGP的比较 PCI总线 AGP 传输方式 同步 同步 内存优先存取 不支持 支持 数据线位宽 32位 32位 总线时钟 33MHz 66MHz 最高数据传输速度 133MB/sec 533MB/sec 可连接扩展卡数 最多有5个 1个 信号线数 49 65 3D图形的成图处理需高显示芯片与显示内存间的数据传输速度。目前，大多数显示卡都采用较快速的显示内存，但这样会提高显示卡的成本，折衷的方法之一就是将纹理数据从显示内存移到主内存，因此可减少显示内存的容量，从而降低显示卡的成本。 AGP不只用于3D图形，对2D图形也同样有效。由于显示卡通过AGP、芯片组与主内存相连，提高了显示芯片与主内存间的数据传输速度，让原需存入显示内存的纹理数据，现可直接存入主内存，这样可提高主内存的内存总线使用效率，也提高了画面的更新速度及ZBuffering（Z缓冲）等数据的传输速度，而且还减轻了PCI总线的负载，有利于其它PCI设备充分发挥性能。要知道，在PC98规格中，ISA总线已被取消，ISA设备终将被淘汰，所以，把占用了PCI总线大量带宽的显示卡移到AGP上是非常必要的步骤。 AGP在影像数据的传输效果方面也有不错的表现。当MPEG2影像数据经CPU解压时，需通过总线将影像数据写入显示内存，已解码全画面的MPG2影像数据，需以15～20MB/sec的速度传输。虽然PCI总线的实际数据传输速度为27～33MB/sec，但数据的传输如果搭配不当，则画面恐怕将很不流畅。 目前，AGP尚留有两项限制其发展的因素，其一是主内存的数据传输速度。支持AGP的显示芯片在作3D图形描绘时需对主内存进行存取操作，因此将增加主内存的内存总线流量，一般需要有800MB/sec以上的速度。但目前主内存的数据传输速度大多在200～300MB/sec，以这样的速度，即使利用了AGP也无法作细致的3D图形描绘。为了达到800MB/sec的数据传输速度就需有高速的DRAM，如100MHz以上的SDRAM、RDRAM或其它如SGRAM、VRAM等。AGP的另一个问题是显示卡的兼容性。

这些都是电脑主板插槽简称比如PCIE全称peripheralcomponentinterconnectexpress目前玩家常用的PCIPICE像是AGP这种老式显卡插槽已经淘汰不用

agp8x指的是显卡插槽8速，8x指的是速度，agp指的显示卡类型，8x比4x速度快。

AIS:全称叫做‘船舶自动识别系统"（automatic identification system）Solas公约规定在2003年必须在300总吨及以上的远洋货轮和所有客轮配备。AIS具有识别目标船的航向、航速、呼号、船长、船宽、吃水、mmsi、船位、...

要说起国内150cc排量跑车的热门车型那就是宗申阿普利亚的PGR150了，昨晚官方也公布了新款增加了ABS配置的GPR150售价为22980元。从售价上不难看出已经超过了前段时间火热的250小跑车春风250SR了。从官方公布的信息来看新款的GPR150主要是在ASB上增加了配置为博世的双通道ABS系统。后刹车卡为西互的单活塞卡钳。动力方面依然是那台单缸水冷4气门的149cc发动机，最大功率为13.3kw，马力约为18匹。并且车架方面还是采用了原来的双翼梁铝合金镂空车架。新款一共发布了4种颜色GPR150 ABS版参数配置在国内火热了这么长时间的GPR150终于配上了ABS，不过随之又来了一个问题22980元的售价这已经比春风250SR的高配版21680元还要贵了，同样都是小跑车虽然两车之间存在着比较大的差距，但是售价上又让两个车型偶遇，那么如果是你你会选哪一台呢？

题主你好，澳洲实行学分制，相应的每个学校对gpa的换算方法都会不同，有的学校是实行百分制，如果是没有达到学校的毕业的gpa要求，就没有办法顺利拿到本科学位。留学生现在凡是在国外没有毕业，回国都不能再学历认证了。下面给到你一下几个建议：如果是已经读到高年级，这时候如果转学是不合适的，因为转学只能转去排名比较差的学校，同时由于学分不能都转过去，通常会建议从低年级读起。如果不想花费太多时间重修，还有一种性价比比较高的办法，就是在现在的情况下选择申请硕士就读。比如英国的授课型硕士学制是一年，会比本科毕业的时间要短得多。如果没有继续留学的打算，想要直接回国，还有这样的办法拿到学位，那就是做一份带有学位的回国人员证明或是留信。

导读： GPU是Graphic Processor Unit的简称，顾名思义就是图形处理器。 GPU的概念最早是从图形工作站发展而来，从90年代的个人电脑普及开始，GPU迎来了其大发展的时代。 在90年代中期，桌面GPU经历了2D到3D的跨越，从此3D图形渲染取代2D成为PC游戏的主流 在上图中移动处理器中内存带宽最高的是iPad 3/4，因为他们使用Retina屏幕，2048x1536的高分辨率对GPU带宽要求更高，不过就算是这两款产品，17GB/s的带宽与PC显卡上动辄200GB/s以上的带宽相比还是小儿科。 没有高带宽就没有大容量纹理数据，也就不会拥有高画质。 尽管带宽不是制约移动GPU发展的唯一因素，但是在目前的限制下，移动GPU厂商关心的头、、大事就是如何在尽可能小的带宽需求下提升GPU性能及画质，纹理压缩是一个方法，还有一种就是使用不同的渲染架构。 目前在GPU领域主要有IMR、TBR及TBDR、三种主流架构 2. 移动GPU的模式 IMR（Immediate Mode Rendering）就如字面意思一样，提交的每个渲染命令都会立即开始执行，并且该渲染命令会在整条流水线中执行完毕后才开始执行下一个渲染命令 TBR模式与IMR简单粗暴的做法不同，TBR（Tile Based Rendering）它将需要渲染的画面分成一个个的矩形区块（tile），tile一般是4x4或者8x4的矩形块。 模型的顶点经过Vertex Shader运算以后会组装成一个个的triangle，这些triangle会被缓存在一个triangle cache里面。 如果某个triangle需要在某个tile里面绘制，那么就会在该tile的triangle list中存一个索引。 、、一帧里面所有的渲染命令都经执行完Vertex Shader生成triangle以后，每个tile就会拥有一个triangle list，这list就包含了需要在该tile内部绘制的所有triangle。 然后GPU再基于triangle list执行每个tile的raster和Per-fragment operation 执行raster和Per-fragment operation时不需要反复的访问frame buffer，depth buffer，stencil buffer。 这是因为GPU可以把整个tile的frame buffer/depth buffer/stencil buffer保存在一个片上的高速缓存中，这样GPU就直接访问tile，而不需要访问外部内存。 这大大减少了内存的带宽消耗，也意味着能耗的降低 需要保存Vertex Shader执行后的结果以及每个tile的triangle list。 这意味着如果场景里面有很多的顶点，那么片上缓存就不可能存下这么多顶点信息和triangle list，就不得不依靠外部内存来存储，就会拥有额外的带宽消耗。 不过庆幸的是当前的移动3D绘制都不会拥有太多的triangle的场景。 一个复杂的模型也就1万多个triangle，因此一个通常的场景大概就是几十万triangle。 随着移动游戏越来越复杂精美，模型的复杂程度也会快速上升，这也是TBR架构在未来将会面临的一大挑战 如果在一帧里面有两遍及其以上的渲染，那么就需要使用Frame buffer object来缓存中间结果，这对TBR又是一大性能损耗。 根据我们前面的讲解，TBR需要缓冲一帧所有的图元，所有图元执行完毕后才开始raster和Per-fragment operation。 在这种情况下，一旦后面的draw命令需要使用到前面渲染生成的结果，那么就不得不在该命令执行前，要求GPU把缓存的所有draw命令都执行完毕，然后放弃当前缓存内容。 在极致情况下，例如每次draw都需要读取前一次draw渲染的结果，那么TBR就会直接退化成IMR模式基于以上的缺点，我们可以看出在桌面GPU领域TBR没有任何优势，因此其完全退出桌面GPU市场。 但是在移动GPU市场它更能适应性能/带宽/能耗三者的平衡 TBDR（Tile Based Deferred Rendering，贴图延迟渲染）算是TBR的近亲，它跟TBR原理相似，但是通过HSR（Hidden Surface Removal，隐藏面消除）操作，在执行Pixel Shader之前进一步减少了不需要渲染的fragment，降低了带宽需求。 在执行Pixel Shader之前，对Raster生成的每个像素都做depth test的比较，剔除被遮挡的像素，这就是HSR的原理。 理论上经过HSR剔除以后，TBDR每帧需要渲染的像素上限就是屏幕像素的数量（没有考虑alpha blend的情况下）。 而传统的TBR在执行复杂一点的游戏时可能需要渲染6倍于屏幕的像素 TBDR是PowerVR的王牌，因为TBR和HSR带来的带宽与运算开销的降低，使得手机的续航能力让人惊叹。 下图是PowerVR的SGX系列的GPU架构图，可以看到其复杂程度的架构

这里给出方法~(此方法适合使用TGP启动游戏的玩家 原始客户端启动会自动效验更新文件)首先打开游戏目录 XXXX:;地下城与勇士;start;Cross;Apps;DNFTips到上面所在文件目录下 把DNFTips.dll文件按F2然后CTRL+C复制名字 后缀名DLL也要选中复制 然后删除此文件然后新建一个文件夹 按F2 CTRL+V粘贴 刚才复制的文件名 确定之后就OK了 启动游戏试试看 看看推送视频是不是没有了方法2到 XXXXX:;地下城与勇士;start;Cross 目录把CrossProxy.exe 文件删除 新建文件夹重命名为CrossProxy.exe 也可以 但是TGP的所有功能全部失效(比如,DPS,一键换装,连发,等等)此方法不~仅仅作为备用~~最后说一次只适合TGP启动游戏的玩家 原始客户端启动的会自动效验文件更新覆盖..:

gtx750...大概吧,总之对于核显而言已经是怪物级别了

带核心显卡的处理器和APU在本质上是一样的，只不过厂家不同，叫法也不同，Intel带核显的处理器优点是处理器性能强悍，工艺先进，功耗低，不过价格昂贵，核显性能低一些是其缺点，而APU则是核显性能要比Intel好很多，处理器性能要低一些。

1，CPU是中央处理器的意思，一般为通用处理器，就像原来INTEL做广告说的奔腾系列处理器。2，GPU是图形处理器，也就是显卡，负责处理图像数据，然后输出到显示器与用户进行交互3，APU就是以上2个的合体，即CPU+GPU。

总的来说，APU通过特定的技术将CPU和GPU完美融合，相互协调计算，相互加速。AMD正是通过这项技术将CPU和GPU整合在一起，这样的处理器被称为APU。目前，英特尔 的CPU只是添加了显示核心芯片的模块，所以它可以 严格意义上不能叫APU，但是根据APU # 039的理解，没有问题。一、apu、cpu、gpu的区别。apu可以理解为cpu加gpu吗？可以这样理解。但它还包括以下硬件：内存控制器、I/O控制器、专用视频解码器、显示输出和总线接口等。APU是APU的缩写。它是一款新的融合处理器，集成了x86和x64CPU处理核心以及GPU处理核心。其实CPU和GPU只是电脑的一部分，谁也离不开谁，谁也代替不了谁。目前APU只有AMD生产。三个区别如下。1.CPU:是传统意义上的中央处理器，是一台计算机的运算核心和控制核心。2.GPU:中文翻译是 quot图形处理器 quot。是显卡内部的核心芯片，可以直接理解为显卡。现在AMD和intel的很多处理器都有集成图形芯片，所以这些处理器可以看作是CPU和GPU的结合体。3.APU:It 称为加速处理器，这是AMD # 039的融合概念。它首次将处理器和独立的显示核心集成在一个芯片上，从而协调计算，相互加速。同时拥有高性能处理器的处理性能和最新的DX11独立显卡，大大提高了电脑的运行效率，实现了CPU和GPU的真正融合。是APU处理器未来的发展趋势。目前APU只有AMD生产。二。APU和cpu带核心显卡的对比AMD最早将cpu和gpu集成到APU中，而intel没有 不想步其后尘，把自己的cpu和GPU集成在一起，被称为CPU带核心显卡。但是，它们之间有很大的区别。APU采用物理集成，统一供电，即做在一个芯片上，统一双向电源管理，运行时采用异构计算。英特尔 的电源和接口没有APU那么集成 ，但是因为不是同一个芯片，所以不存在异构计算造成的相互影响。严格来说，核心显卡的APU和cpu不能视为一回事。3.APU会取代CPU吗？CPU是计算机的运算核心和控制核心。GPU被称为图形处理器。在现代计算机中。尤其是对于家用系统和游戏发烧友来说，图形处理越来越重要，这就需要一个专门的图形核心处理器GPU。2D显示芯片，因为没有GPU，在处理3D图像和特效时主要依靠CPU的处理能力，被称为 quot软加速 quot。3D显示芯片把3D图像和特效的处理功能交给了显卡上的GPU，也就是 quot硬件加速 quot功能。显示芯片通常是显卡上最大的芯片。现在市面上的显卡大多用的是GPU，NVIDIA和AMD的图形处理芯片。通常一台电脑里有一个CPU和一个GPU。以前CPU芯片和GPU芯片是分开独立的，插在主板上不同的位置。现在APU已经把CPU和GPU完全集成到一个芯片上，但是外观还是AMD处理器的样子，只不过不再需要把GPU独立显卡插在主板上，这样平台性能更好，价格更低。因为各种用户的需求不同，CPU会两条腿走路，APU会和CPU齐头并进。也有可能当工艺技术进步到1纳米工艺时，CPU专用的GPU可以封装成一个整体。综上所述，APU是处理器未来的发展趋势，取代CPU是迟早的事。王者之心2点击试玩

CPU是电脑处理器的名称。APU是CPU的一个系列产品。GPU是指显示画面的数值，通俗的说显卡，电视的显示板，手机的显示板的数值。

股份制中GP是英文generalpartner(一般合伙人)的缩写，是指在股份公司中给有资本的投资者管钱的人;也可以是自己有钱投入也参与管理的人。通俗的说，就是管理者。LP是英文limitedpartner(有限合伙人)的缩写，是指在股份公司中有资本的人，投资者，但不参与投资管理活动的人。通俗的说，就是出资人。

主要是NVIDIA GPU机种如果发生效能降低时，可以透过此窗口得知问题的原因。Performance Limiter性能限制模式 Triggering Condition触发条件Power当GPU功率等于或超过IPC时Temperature当GPU温度等于或超过Tjmax设置时Voltage当GPU电压等于或超过可靠性电压设定时Utilization当GPU需求和频率较低时

普通合伙人（General Partner， GP）大多数时候，GP， LP是同时存在的。而且他们主要存在在一些需要大额度资金投资的公司里，比如私募基金（PE，Private Equity），对冲基金（Hedge Fund），风险投资（Venture Capital）。可以简单的理解为GP就是公司内部人员。话句话说，GP是那些进行投资决策以及公司内部管理的人。举个例子：现在投资公司A共有GP1， GP2， GP3， GP4四个普通合伙人，他们共同拥有投资公司A的100%股份。因此投资公司A整体的盈利，分红亏损等都和他们直接相关。再举一个简单的例子，在创新工场里面，李开复则是一个经典的普通合伙人（GP）。有限合伙人（Limited Partner， LP）我们可以简单的理解为出资人。很多时候，一个项目需要投资上千万乃至数个亿的资金。（大多数投资公司，旗下都会有很多个不同的项目）而投资公司的GP们并没有如此多的金钱或者他们为了分摊风险，因此不愿意将那么多的公司资金投资在一个项目上面。而这个世界上总有些人，他们有很多很多的现金，却没有好的投资方法。而放在银行吃利息在金融界可是个纯粹的亏钱行为。于是乎，LP就此诞生了。LP会在经过一连串手续以后，把自己的钱交由GP去打理，而GP们则会将LP的钱拿去投资项目，从中获取利润，双方再对这个利润进行分成。这是现实生活中经典的“你（LP）出钱，我（GP）出力”的情况。　VC和 PE　　这里还会提到Angel Investor以及Investment Banking，因为他们正好表示了投资者的四种阶段。　　在解释这四个名词之前，我们可以先将他们按照投资额度从小到大排序；天使投资（Angel），风险投资（Venture Capital， VC），私募基金（Private Equity， PE）以及投资银行（Investment Banking， IB）。　　（事实上，资金额度只是一个大概的均值，不是一个绝对值，切勿以单纯的以投资额度去判定一家公司是什么天使还是风投或者其他。）　　天使投资（Angel Investment）　　大多数时候，天使投资选择的企业都会是一些非常非常早期的企业，他们甚至没有一个完整的产品，或者仅仅只有一个概念。（打个比方，一个人的毕业设计作品是一款让人保持清醒的眼镜，做工非常粗糙，完全不能进入市场销售。但他凭借这个概念以及这个原型品在美国获得了天使投资，并且目前正在该天使投资的深圳某孵化器工作室进行开发研究。）　　而天使投资的投资额度往往也不会很大，一般都是在5-100万这个范围之内，换取的股份则是从10%-30%不等。单纯从数字上而言，美国和中国投资额度基本接近。大多数时候，这些企业都需要至少5年以上的时间才有可能上市。　　此外，部分天使投资会给企业提供一些指导和帮助，甚至会给予一定人脉上的支持。　　举个例子，创新工场一开始就在做天使投资的事情。　　风险投资（Venture Capital， VC）　　一般而言，当企业发展到一定阶段。比如说已经有个相对较为成熟的产品，或者是已经开始销售的时候，天使投资那100万的资金对于他们来说已经犹如毛毛雨一般，无足轻重了。因此，风险投资成了他们最佳的选择。一般而言，风险投资的投资额度都会在200万-1000万之内。少数重磅投资会达到几千万。但平均而言，200万-1000万是个合理的数字，换取股份一般则是从10%~20%之间。能获得风险投资青睐的企业一般都会在3-5年内有较大希望上市。　私募基金（Private Equity， PE）　　私募基金选择投资的企业大多数已经到了比较后期的地步，企业形成了一个较大的规模，产业规范了，为了迅速占领市场，获取更多的资源，他们需要大批量的资金，那么，这时候私募基金就出场了。大多数时候，5000万~数亿的资金都是私募基金经常投资的数额。换取股份大多数时候不会超过20%。一般而言，这些被选择的公司，在未来2~3年内都会有极大的希望上市成功。　　去年注资阿里巴巴集团16亿美金的银湖资本（Silver Lake）和曾经投资过的Digital Sky Technology则是私募（尤其做科技类的）翘楚公司。而这16亿的资金也是历史上排名前几的一次注资了。　　投资银行（Investment Banking）　　他有一个我们常说的名字：投行。一般投行负责的都是帮助企业上市，从上市融资后获得的金钱中收取手续费。（常见的是8%，但不是固定价格）一般被投行选定的企业，只要不发生什么意外，都是可以在未来一年内进行上市的。有些时候投行或许会投入一笔资金进去，但大多数时候主要还是以上市业务作为基础。　　高盛，摩根斯坦利以及过去的美林等等都属于知名的投行。此外很多知名的银行诸如花旗银行，摩根大通等旗下都有着相当出色的投行业务。　　母基金 （Fund of Fund， FoF）　　即基金中的基金。FoF和一般基金有一个本质上的区别——那就是他们投资目标的性质是不一样的。　　基金投资的项目非常广泛，常见的有股票，债券，期货，黄金这些广为人知的项目。而FoF呢，则是通过另一种方法来投资——他们投资的是基金公司。也就是说，FoF一般是不会对我们常说的股票，债券，期货进行投资的。他们会选择投资那些本身盈利能力很强的基金公司（比如上面提到的Silver Lake， Digital Sky， 甚至可以再组合一个咱们国内的华夏基金。）　　当然，也因为FoF的投资特殊性，所以它并不像一开始提到的LP那样，有600万最低投资额度的限制。FOF住美国的额度范围一般是20万美元到60万美元作为最低投资额度。锁定周期至少要有一年以上的时候。什么是TOT？TOT，本意是信托中的信托。信托是一类高端理财产品，投资起底额100万，在一个信托公司很多、产品发行也很多的市场中，就需要一个信托投资基金帮民众进行专业化地挑选与配置资产，跟股票市场上的基金公司或者PE市场上FOF都是一个道理。对信托公司而言，成熟的TOT市场也为信托公司提供一个良好的融资渠道。但目前TOT指的不是投资信托公司产品，而是阳光私募产品，阳光私募借助了信托公司平台。众所周知，阳光私募有的表现很好，有的表现很差，因为私募不能对公众融资，所以获得稳定巨量的资金是私募经理时刻关心的问题。目前市场上的TOT产品有上海好买基金发行的新方程私募精选、北京展恒理财发行的弘酬私募精选，都是第三方理财公司发行的投资阳光私募的基金产品。虽然以上两家公司通过信托公司平台发行，规避“非法集资”等法律界限问题，但一个财务顾问型公司募资上亿资金规模仍令人不免担忧，一旦风险控制没做好、涉内幕交易，则投资者损失不是小数。目前阳光私募已经不能看作是见不得人的“私募”了，截至2010年上半年，存续期3个月以上阳光私募产品已达到381只，每只产品资金规模在5000万左右，如此庞大的资本，却不象公募基金有明确的法律文件去规范，很多阳光私募在规避了“非法集资”与履行了信息披露义务之外，即可自由配置管理募集资金，缺乏有效监管。

You are required to talk about the following pie chart您需要谈论以下饼图

GPS Tracker是GPS跟踪器，主要用在人员定位，车辆定位，野外工程勘测，物流调度等场景。具体使用方法如下：1、打开GPS Tracker的后盖，打开卡槽，按正确位置装入SIM卡，卡紧卡扣，装入电池。2、找到汽车电源正极与负极，负极非常好找，车身搭铁的地方就是负极，正极在保险盒内找，车钥匙开关附近找或者直接接到电瓶上。3、GPS Tacker必须接入汽车电源，才可以24小时工作，保持GPS Tracker电量充足。因此不建议使用外挂电源。4、设备内有GSM 天线和GPS天线，安装时应保证正面向上（朝天空），朝天空的这一面不要紧贴金属物挡住了内部GPS天线。注意事项：如挡风玻璃粘贴有金属隔热层或加热层，将降低GPS接收信号，造成GPS工作失常。此时注意更换设备安装位置。