淘宝上卖CPU说是剪盒盖是什么意思_百度知道
淘宝上卖CPU说是剪盒盖是什么意思
其实那就是一个没有英特尔和AMD联保的国行或者是一个水货或者散片，包上了一个没有序列号的真品盒子，而奸商绝对不会留下盒子上的序列号的，因为不可能对应起来的。所以必须要剪掉序列号，还要编一套返点谎言出来。所以，要便宜就选散片，要正品就选盒装的，不要买剪盒盖的
其他类似问题
为您推荐：
提问者采纳
要凭盒子上的条码序列号进行保修，没有联保，如果到时候对方耍赖你也拿别人没办法，原装盒包是保修三年的，如果对方承诺保修的话那就是只有店保，否则没有全国联保剪盒是会对保修造成影响的，所以一般不建议购买这类商家的产品
来自团队：
其他3条回答
剪盒盖”就是说CPU盒子上贴有序列号等信息的那张防伪标签被剪掉了。那些说“剪下来找代理商拿返点”的话不过是商家骗人的伎俩，包上了一个没撕掉序列号的真品盒子。商家把它当成盒装CPU来卖，由于没有标签，卖高于市场上散片的价格，所以便宜大约20%。其实那不过是一个没有质保的水货或者散片
不带包装盒
就是散装，这款三百元就可以买正品盒装了。
淘宝的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁4核GPU是什么意思_百度知道
4核GPU是什么意思
显示性能不都是看显存和频率的吗以前买过一个平板，包装盒上写着双核CPU四核GPU,这个四核GPU是什么意思
提问者采纳
们指的四核GPU应该是流处单元的数量。要知道现在PC上的显卡的流处理器都好几百个，所以这玩意根本玩不了大型游戏所以建议你使用好一点的电脑，也就是四个流处理单元
提问者评价
其他类似问题
为您推荐：
gpu的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁配电脑的时候如何看CPU是集成显卡，还是需要加独立显卡的cpu，如何判断，谢谢_百度知道
配电脑的时候如何看CPU是集成显卡，还是需要加独立显卡的cpu，如何判断，谢谢
哪些CPU不需要独立显卡就能用，如何判断哪些CPU需要独立显卡，有的CPU不装独立显卡就用不成有的CPU不需要独立显卡就能用
提问者采纳
/zhidao/pic/item/342ac65ceecb8088fe，没有这个接口的需要购买独立显卡才可以连接到显示器上
其他类似问题
为您推荐：
其他3条回答
也就是说intel和AMD 联手在 占领 显卡的市场.目前AMD 只有 631 641 是四核不集成显卡的
有些U 我也不熟悉 你确定要买哪种 我可以帮你查最后说下。12年以后的主板基本是不集成显卡的。所谓的GPU
都是集成在CPU 内RZ3858 的回答不正确。G530 G620 AMD 都是集成显卡的。目前 新的主板和U 是这样的
首先，有集成显卡的CPU目前只有I3的有，其他的都没有。集成显卡都是说主板的。主板装有集成显卡的话，会有个链接显示器的信号接头。没有集成显卡的话，就不会有那个接头，就必须要装独立显卡了
英特尔i系列的U都集成显卡
只要主板有显示输出你不用加显卡就能用
775平台的u不集成显卡需要主板芯片组集成 一般主板集成的都会有显示输出端口
FM1接口的A系列u都集成显卡 其它需要主板芯片组集成简单点 就是主板自带显示输出的 基本上都有集成显卡
A55+速龙x4 6xx除外
集成显卡的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁CPU 带显是什么意思？_百度知道
CPU 带显是什么意思？
CPU带显卡就是CPU内集成一个图形处理器（GPU）。性能比一般主板集成的显卡要强。就是CPU整合GPU，GPU是显卡核心，此类整合CPU如I3，I5系列都有。支持此类显卡的主板无需集成显示核心，只要集成显卡其他组件就可以了。
其他类似问题
28人觉得有用
为您推荐：
提问者采纳
行话呗非正式版cpu，残次品之类的
带显就是非正式版的意思吗？正式版是“不带显”的吗？
正式版就是正式版了残次的 大概分两种，一种CPU-Z可以识别，另一种CPU-Z不识别奸商说带显估计指的是前者，不推荐买这样的，尤其是笔记本
那正式版和非正式版如何鉴别呢？假如用cpu-z的话。
用cpu-z可以区分的 步进不一样
来自团队：
其他3条回答
也就是“不显版”，一心求稳定，正式版最稳定，有不想承担太大风险，就买ES的。总之想用较少的资金淘到好的东西，ES版是CPU正式发布之前给各OEM厂商测试用的，如果想买便宜的东西，QS版风险相对小一点，就称作“QS”版，比如死机或者蓝屏，正式版三种，而且敢承担一定的风险，（也就是带显版），就买QS版，他们就完全一样，在系统中ES版CPU是显示不出CPU的。如果ES或者QS版的CPU和正式版的步进相同的话，就买正式版，用来发现CPU中可能存在的问题。有的步进不相同CPU分为ES版，望采纳，也有的ES版可以显示型号，ES版可能会出现不稳定的情况。纯手打，QS版
虽然没选你的为最佳答案，还是对我非常有帮助，非常感谢。
带显的就是APU,是在cpu里面集成一块显卡！不过这个集成显卡都是入门级的！
CPU集成GPUGPU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。
参考资料：
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁CPU 和 GPU 的区别是什么？
按投票排序
首先需要解释CPU和GPU这两个缩写分别代表什么。CPU即中央处理器，GPU即图形处理器。其次，要解释两者的区别，要先明白两者的相同之处：两者都有总线和外界联系，有自己的缓存体系，以及数字和逻辑运算单元。一句话，两者都为了完成计算任务而设计。两者的区别在于存在于片内的缓存体系和数字逻辑运算单元的结构差异：CPU虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存和足够多的数字和逻辑运算单元，并辅助有很多加速分支判断甚至更复杂的逻辑判断的硬件；GPU的核数远超CPU，被称为众核（NVIDIA Fermi有512个核）。每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单（GPU初始时在浮点计算上一直弱于CPU）。从结果上导致CPU擅长处理具有复杂计算步骤和复杂数据依赖的计算任务，如分布式计算，数据压缩，人工智能，物理模拟，以及其他很多很多计算任务等。GPU由于历史原因，是为了视频游戏而产生的（至今其主要驱动力还是不断增长的视频游戏市场），在三维游戏中常常出现的一类操作是对海量数据进行相同的操作，如：对每一个顶点进行同样的坐标变换，对每一个顶点按照同样的光照模型计算颜色值。GPU的众核架构非常适合把同样的指令流并行发送到众核上，采用不同的输入数据执行。在年左右，图形学之外的领域专家开始注意到GPU与众不同的计算能力，开始尝试把GPU用于通用计算（即GPGPU）。之后NVIDIA发布了CUDA，AMD和Apple等公司也发布了OpenCL，GPU开始在通用计算领域得到广泛应用，包括：数值分析，海量数据处理（排序，Map-Reduce等），金融分析等等。简而言之，当程序员为CPU编写程序时，他们倾向于利用复杂的逻辑结构优化算法从而减少计算任务的运行时间，即Latency。当程序员为GPU编写程序时，则利用其处理海量数据的优势，通过提高总的数据吞吐量（Throughput）来掩盖Lantency。目前，CPU和GPU的区别正在逐渐缩小，因为GPU也在处理不规则任务和线程间通信方面有了长足的进步。另外，功耗问题对于GPU比CPU更严重。总的来讲，GPU和CPU的区别是个很大的话题，甚至可以花一个学期用32个学时十几次讲座来讲，所以如果提问者有更具体的问题，可以进一步提出。我会在我的知识范围内尝试回答。
一个是通用计算，一个是专用计算。
CPU主要负责操作系统和应用程序，GPU主要负责跟显示相关的数据处理，GPU的活CPU一般都可以干，但是效率低下，现在也有GPGPU，可以干点CPU的活。
一个Latency oriented一个Throughput orientedCPU会利用较高的主频、cache、分支预测等技术，使处理每条指令所需的时间尽可能少，从而减低具有复杂跳转分支程序执行所需的时间GPU则通过数量丧心病狂的流处理器实现大量线程并行，使同时走一条指令的数据变多，从而提高数据的吞吐量举个GPU通用计算教材上比较常见的例子，一个向量相加的程序，你可以让CPU跑一个循环，每个循环对一个分量做加法，也可以让GPU同时开大量线程，每个并行的线程对应一个分量的相加。CPU跑循环的时候每条指令所需时间一般低于GPU，但GPU因为可以开大量的线程并行地跑，具有SIMD（准确地说是SIMT）的优势。
当你操作电脑的时候，为了完成某项工作，需要电脑帮你工作，就像计算某个题目那样。计算题目，理解题目并且整理出解题的步骤以及解法，那是CPU的事情。但是解题的过程需要用到的众多计算，则需要一帮不需要很高逻辑理解力的计算者完成，他们只需要负责其中很简单但是数量又很大的简单运算就行了，最后他们把各自运算的结果交出来给CPU整理，那么这群计算者就是GPU。这就是一个博士带着100个小学生的意思了
gpu与cpu的本质区别是前者拥有为视频运算专门设计的运算单元: 光栅单元和纹理填充单元。除了这两个，两者并无本质区别。
看了好多，觉得下面这个介绍才是我想要的以及能看明白的，转载自：CPU和GPU之所以大不相同，是由于其设计目标的不同，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大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断的纯净的计算环境。　　于是CPU和GPU就呈现出非常不同的架构（示意图）：　　图片来自nVidia CUDA文档。其中绿色的是计算单元，橙红色的是存储单元，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占据了大量空间，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　　从上图可以看出：Cache, local memory： CPU & GPU Threads(线程数): GPU & CPURegisters: GPU & CPU
多寄存器可以支持非常多的Thread,thread需要用到register,thread数目大，register也必须得跟着很大才行。SIMD Unit(单指令多数据流,以同步方式，在同一时间内执行同一条指令): GPU & CPU。 CPU 基于低延时的设计：CPU有强大的ALU（算术运算单元）,它可以在很少的时钟周期内完成算术计算。当今的CPU可以达到64bit 双精度。执行双精度浮点源算的加法和乘法只需要1～3个时钟周期。CPU的时钟周期的频率是非常高的，达到1.532～3gigahertz(千兆HZ, 10的9次方).大的缓存也可以降低延时。保存很多的数据放在缓存里面，当需要访问的这些数据，只要在之前访问过的，如今直接在缓存里面取即可。复杂的逻辑控制单元。当程序含有多个分支的时候，它通过提供分支预测的能力来降低延时。数据转发。 当一些指令依赖前面的指令结果时，数据转发的逻辑控制单元决定这些指令在pipeline中的位置并且尽可能快的转发一个指令的结果给后续的指令。这些动作需要很多的对比电路单元和转发电路单元。 GPU是基于大的吞吐量设计。GPU的特点是有很多的ALU和很少的cache. 缓存的目的不是保存后面需要访问的数据的，这点和CPU不同，而是为thread提高服务的。如果有很多线程需要访问同一个相同的数据，缓存会合并这些访问，然后再去访问dram（因为需要访问的数据保存在dram中而不是cache里面），获取数据后cache会转发这个数据给对应的线程，这个时候是数据转发的角色。但是由于需要访问dram，自然会带来延时的问题。GPU的控制单元（左边黄色区域块）可以把多个的访问合并成少的访问。GPU的虽然有dram延时，却有非常多的ALU和非常多的thread. 为啦平衡内存延时的问题，我们可以中充分利用多的ALU的特性达到一个非常大的吞吐量的效果。尽可能多的分配多的Threads.通常来看GPU ALU会有非常重的pipeline就是因为这样。所以与CPU擅长逻辑控制，串行的运算。和通用类型数据运算不同，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。GPU的工作大部分就是这样，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，最好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，积分微分都会算，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，纯粹的人海战术。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都有这种特性，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小学生去做。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，那边找人把证都给领了。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。而某些任务和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。教授处理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，相当于升级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。什么类型的程序适合在GPU上运行？　　（1）计算密集型的程序。所谓计算密集型(Compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。可以做一下对比，读内存的延迟大概是几百个时钟周期；读硬盘的速度就不说了，即便是SSD, 也实在是太慢了。　　（2）易于并行的程序。GPU其实是一种SIMD(Single Instruction Multiple Data)架构， 他有成百上千个核，每一个核在同一时间最好能做同样的事情。
gpu的alu多
力气大啥P事都能干，还要协调。GPU
上面那家伙的小弟，老大让他处理图形，这方面处理简单，但是量大，老大虽然能处理，可是老大只有那么几个兄弟，所以不如交给小弟处理了，小弟兄弟多，有数百至数千个，而且是专门只干这行和只能干这行。
看视频：Mythbusters Demo GPU versus CPU
已有帐号？
无法登录？
社交帐号登录