可超頻的CPU時脈比較高，效能也越高，但溫度也會高，這是正常的。
不存在一個標準答案，例如我只要裝了塔扇或水冷，燒機溫度就一定要能壓在80度以內，因為檢測軟體本身就存在誤差。
本文是一個很好的實例，同一台電腦用不同的軟體檢測燒機溫度就是會不一樣。
cpu超頻軟體 在 Facebook 的最佳貼文
同時也有1部Youtube影片，追蹤數超過14萬的網紅Jing，也在其Youtube影片中提到，暑假到了很多朋友買了新電腦卻不會看規格與資訊 本集聊電Jing將推薦給各位11款免費(+3款付費)的電腦檢測軟體! 並解說要如何使用與查看相關資訊 1.Speccy 簡單、直覺，適合新手的電腦檢測軟體 官方網站：https://www.ccleaner.com/speccy 2.CPU-Z 主要...
「cpu超頻軟體」的推薦目錄：
- 關於cpu超頻軟體 在 Facebook 的最佳貼文
- 關於cpu超頻軟體 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於cpu超頻軟體 在 李妍慧 Yen Hui Lee Facebook 的最佳解答
- 關於cpu超頻軟體 在 Jing Youtube 的最佳貼文
- 關於cpu超頻軟體 在 ryzen master自動超頻2023-精選在臉書/Facebook/Dcard上的 ... 的評價
- 關於cpu超頻軟體 在 ryzen master自動超頻2023-精選在臉書/Facebook/Dcard上的 ... 的評價
- 關於cpu超頻軟體 在 用軟體超頻和進BIOS超頻，有什麼不同？ - Mobile01 的評價
- 關於cpu超頻軟體 在 【聊電Jing】你的CPU性能如何? 來跑個分測試看看吧! 的評價
cpu超頻軟體 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
摩爾定律放緩 靠啥提升AI晶片運算力？
作者 : 黃燁鋒，EE Times China
2021-07-26
對於電子科技革命的即將終結的說法，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的，但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……
人工智慧(AI)的技術發展，被很多人形容為第四次科技革命。前三次科技革命，分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭，比如有人說第四次科技革命是生物技術革命，還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術，而且作為資訊技術的組成部分，卻又獨立於資訊技術，即表示它有獨到之處。
電子科技革命的即將終結，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有，但這波革命始終也沒有結束。
AI技術本質上仍然是第三次科技革命的延續，它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度，那麼這個領域自然就不可小覷，就像當年GPU出現專門為圖形運算服務一樣。
所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現，很大程度上也是因為摩爾定律的發展進入緩慢期：電晶體的尺寸縮減速度，已經無法滿足需求，所以就必須有某種專用架構(DSA)出現，以快速提升晶片效率，也才有了專門的AI晶片。
另一方面，摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期，電晶體製程進步為晶片帶來了相當大的助益，那是「happy scaling down」的時代——CPU、GPU都是這個時代受益，不過Dennard Scaling早在45nm時期就失效了。
AI晶片作為第三大類處理器，在這波發展中沒有趕上happy scaling down的好時機。與此同時，AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節，燧原科技創始人暨CEO趙立東說：「現在訓練的GPT-3模型有1750億參數，接近人腦神經元數量，我以為這是最大的模型了，要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題，說最大模型超過萬億參數，又是10倍。」
英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說：「前兩年用GPU訓練一個大規模的深度學習模型，其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪，以及提供運算力的AI晶片不夠高效。
不過作為產業的底層驅動力，半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到，針對這個問題的一些前瞻性解決方案——有些已經實現，有些則可能有待時代驗證。
XPU、摩爾定律和異質整合
「電腦產業中的貝爾定律，是說能效每提高1,000倍，就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說，「若每瓦功耗只能支撐1KOPS的運算，當時的這種運算形態是超算；到了智慧型手機時代，能效就提高到每瓦1TOPS；未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求，如果依然沿著CMOS這條路去走，當然可以，但會比較艱辛。」
針對性能和效率提升，除了尺寸微縮，半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化，以及處理架構的革新。
(1)AI晶片本身其實就是對處理器架構的革新，從運算架構的層面來看，針對不同的應用方向造不同架構的處理器是常規，更專用的處理器能促成效率和性能的成倍增長，而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU，即AI處理器)，乃至更專用的ASIC出現，都是這類思路。
CPU、GPU、NPU、FPGA等不同類型的晶片各司其職，Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情，「整合起來各取所需，用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類，Core CPU、Xe GPU，以及透過收購獲得的AI晶片Habana等。
另外針對不同類型的晶片，可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令，本質上是特別針對深度學習做加強。「專用」的不一定是處理器，也可以是處理器內的某些特定單元，甚至固定功能單元，就好像GPU中加入專用的光線追蹤單元一樣，這是當代處理器普遍都在做的一件事。
(2)從電晶體、晶片結構層面來看，電晶體的尺寸現在仍然在縮減過程中，只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降，需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後，電晶體變為FinFET結構，在3nm之後，電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET)，其本質都是電晶體本身充分利用Z軸，來實現微縮性能的提升。
劉明認為，「除了基礎元件的變革，IC現在的發展還是比較多元化，包括新材料的引進、元件結構革新，也包括微影技術。長期賴以微縮的基本手段，現在也在發生巨大的變化，特別是未來3D的異質整合。這些多元技術的協同發展，都為晶片整體性能提升帶來了很好的增益。」
他並指出，「從電晶體級、到晶圓級，再到晶片堆疊、引線接合(lead bonding)，精準度從毫米向奈米演進，互連密度大大提升。」從晶圓/裸晶的層面來看，則是眾所周知的朝more than moore’s law這樣的路線發展，比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮，來彈性擴展性能的方案。
台積電和Intel這兩年都在大推將不同類型的裸晶，異質整合的技術。2.5D封裝方案典型如台積電的CoWoS，Intel的EMIB，而在3D堆疊上，Intel的Core LakeField晶片就是用3D Foveros方案，將不同的裸晶疊在一起，甚至可以實現兩片運算裸晶的堆疊、互連。
之前的文章也提到過AMD剛發佈的3D V-Cache，將CPU的L3 cache裸晶疊在運算裸晶上方，將處理器的L3 cache大小增大至192MB，對儲存敏感延遲應用的性能提升。相比Intel，台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連，而不是micro-bump，做到更小的打線間距，以及晶片之間數十倍通訊性能和效率提升。
這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面，即新材料的導入專家們沒有在論壇上多說，本文也略過不談。
1,000倍的性能提升
劉明談到，當電晶體微縮的空間沒有那麼大的時候，產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market，理論上應該也屬於成本的一部分。
電晶體微縮方案失效以後，「多元化的技術變革，依然會讓IC性能得到進一步的提升。」劉明說，「根據預測，這些技術即使不再做尺寸微縮，也會讓IC的晶片性能做到500~1,000倍的提升，到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進；單裸晶儲存容量變得越來越大，IC依然會為產業發展提供基礎。」
500~1,000倍的預測來自DARPA，感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應，而且有更實際的工程問題待解決，比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。
不過1,000倍的性能提升，的確說明摩爾定律的終結並不能代表第三次科技革命的終結，而且還有相當大的發展空間。尤其本文談的主要是AI晶片，而不是更具通用性的CPU。
矽光、記憶體內運算和神經型態運算
在非傳統發展路線上(以上內容都屬於半導體製造的常規思路)，WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣，或者仍在商業化的極早期。
(1)近記憶體運算和記憶體內運算：處理器性能和效率如今面臨的瓶頸，很大程度並不在單純的運算階段，而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率，可能是提升整體系統性能時，一個非常靠譜的思路。
這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的，應該不在少數。所謂的近記憶體運算，就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3)，以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」，cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。
這兩年在近記憶體運算方面比較有代表性的，一是AMD——比如前文提到3D V-cache增大處理器的cache容量，還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構，也更早應用了HBM2記憶體方案。這些實踐都表明，儲存方面的革新的確能帶來性能的提升。
另外一個例子則是Graphcore的IPU處理器：IPU的特點之一是在裸晶內堆了相當多的cache資源，cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作，極大提升頻寬、降低延遲和功耗。
近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中，多層級的儲存結構，資料的搬運不僅僅在處理和儲存之間，還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。
構建非馮(non-von Neumann)架構，把傳統的、以運算為中心的馮氏架構，變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。
記憶體內運算的就現在看來還是比較新，也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法，儲存單元本身就有運算能力，理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目，畢竟可極大減少海量資料的移動操作。
其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部，部分執行資料處理工作；主要應用於神經網路(因為非常契合神經網路的工作方式)，以及這類晶片具體的工作方法上，可能更傾向於神經型態運算(neuromorphic computing)。
對於AI晶片而言，記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時，有比較頻繁的資料存取操作，這對性能和功耗都有影響。不過記憶體內運算的具體實施方案，在市場上也是五花八門，早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構，用40nm嵌入式NOR，在儲記憶體內部執行運算，不過替換掉了數位週邊電路，改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。
劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中，近記憶體運算的這個方案應該和AMD的3D V-cache比較類似，把儲存裸晶和運算裸晶疊起來。
劉明指出，「這是我們最近的一個工作，採用hybrid bonding的技術，與矽通孔(TSV)做比較，hybrid bonding功耗是0.8pJ/bit，而TSV是4pJ/bit。延遲方面，hybrid bonding只有0.5ns，而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上，前文也提到了它具備更高的互連密度和效率。
另外這套方案還將DRAM刷新頻率提高了一倍，從64ms提高至128ms，以降低功耗。「應對刷新率變慢出現拖尾bit，我們引入RRAM TCAM索引這些tail bits」劉明說。
記憶體內運算方面，「傳統運算是用布林邏輯，一個4位元的乘法需要用到幾百個電晶體，這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法，然後利用基爾霍夫定律完成列的累加。」劉明表示，「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存，沒有資料搬運。」這是記憶體內運算的常規思路。
「無論是基於SRAM，還是基於新型記憶體，相比近記憶體運算都有明顯優勢，」劉明認為。下圖是記憶體內運算和近記憶體運算，精準度、能效等方面的對比，記憶體內運算架構對於低精準度運算有價值。
下圖則總結了業內主要的一些記憶體內運算研究，在精確度和能效方面的對應關係。劉明表示，「需要高精確度、高運算力的情況下，近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術，這幾年的進步也非常快。」
去年阿里達摩院發佈2020年十大科技趨勢中，有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式，這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題：是記憶體廠商，還是數文書處理器廠商？(三星推過記憶體內運算晶片，三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)
(2)神經型態運算：神經型態運算和記憶體內運算一樣，也是新興技術的熱門話題，這項技術有時也叫作compute in memory，可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是，這種結構更偏「類人腦」。
進行神經型態研究的企業現在也逐漸變得多起來，劉明也提到了AI晶片「最終的理想是在結構層次模仿腦，元件層次逼近腦，功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。
傳說中的Intel Loihi就是比較典型存算一體的架構，「這片裸晶裡面包含128個小核心，每個核心用於模擬1,024個神經元的運算結構。」宋繼強說，「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來，構成接近1億神經元的系統，讓學術界的夥伴去試用。」
「它和深度學習加速器相比，沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線，功耗很低，也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為，不採用同步時脈，「刺激的時候就是一個非同步電動勢，只有工作部分耗電，功耗是現在深度學習加速晶片的千分之一。」
「而且未來我們可以對不同區域做劃分，比如這兒是視覺區、那兒是語言區、那兒是觸覺區，同時進行多模態訓練，互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片，似乎也是Intel在XPU方向上探索不同架構運算的方向之一。
(2)微型化矽光：這個技術方向可能在層級上更偏高了一些，不再晶片架構層級，不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面，已有應用了，發出資料時，連接埠處會有個收發器把電訊號轉為光訊號，透過光纖來傳輸資料，另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高，內部元件數量大，尺寸也就比較大。
Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的，就是把光和電子相關的組成部分高度整合到晶片上，用IC製造技術。未來的光通訊不只是資料中心機架到機架之間，也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大，也就是所謂的I/O功耗牆，這是這類微型化矽光元件存在的重要價值。
這其中存在的技術挑戰還是比較多，如做資料的光訊號調變的調變器調變器，據說Intel的技術使其實現了1,000倍的縮小；還有在接收端需要有個探測器(detector)轉換光訊號，用所謂的全矽微環(micro-ring)結構，實現矽對光的檢測能力；波分複用技術實現頻寬倍增，以及把矽光和CMOS晶片做整合等。
Intel認為，把矽光模組與運算資源整合，就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上，這類技術還是頗具前景，Intel此前說目標是實現每根光纖1Tbps的速率，並且能效在1pJ/bit，最遠距離1km，這在非本地傳輸上是很理想的數字。
還有軟體…
除了AI晶片本身，從整個生態的角度，包括AI感知到運算的整個鏈條上的其他組成部分，都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面，針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體，透過軟體最佳化就能實現幾倍的性能提升。
宋繼強說，「我們發現軟體最佳化與否，在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。
在AI開發生態上，雖然Nvidia是最具發言權的；但從戰略角度來看，像Intel這種研發CPU、GPU、FPGA、ASIC，甚至還有神經型態運算處理器的企業而言，不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台，用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。
在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下，處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升；而一些新的技術方向，包括近記憶體運算、記憶體內運算和微型矽光，能夠在資料訪存、傳輸方面產生新的價值；神經型態運算這種類腦運算方式，是實現AI運算的目標；軟體層面的最佳化，也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩，AI晶片的性能、效率提升在上面提到的這麼多方案加持下，終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。
資料來源：https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg
cpu超頻軟體 在 李妍慧 Yen Hui Lee Facebook 的最佳解答
👀期末總檢討：『線上教育未來需要更大力帶動』
週五是新竹市中小學結業式，本學期的最後一天。所有一個半月來天天線上上課的老師跟同學（還有家長），大家真的辛‧苦‧了😹！
五月份以來，各級學校包含補習班才藝班開始停課，學生開始需要在家上課。雖然說＃積極整備、 ＃超前部署 喊了一年台灣才遭到疫情襲擊，但許多人仍然因為缺乏經驗而手忙腳亂，我辦公室有關於 ＃上課品質 的電話，這一個多月來從來沒有停過！
從來自家長、教師甚至是補習班方面的意見中，我們也思考了若干問題，希望在『線上教育問題多』的專欄中一一呈現，為每一個家庭針對因為疫情「線上化的109-2學期」，提出幾個亟需修正的問題。
一、老舊器材卡不停，硬體軟體沒到位上課效率差
這幾天我家小朋友的電腦因為內存記憶體（ram）不夠，多開幾個chrome分頁時，就會感覺卡卡；甚至，用了好幾年也過保的筆電在用adobe平台或是後製要交的短片時，CPU已經難以負荷日益肥大的軟體需求，頻頻讓風扇轉啊轉，高速運轉的聲音搭配火燙的鍵盤，實在讓人傷腦筋！而更糟糕的是，當我領著孩子去電腦商場更新時，廠商告訴我我才知道，記憶體顆粒是焊死在主機板上，該機型無法更新😅...。
處理💻電腦問題，確實讓我跟小朋友都上了一課，也讓我意識到，電腦設備問題一定已經讓許多家庭相當困擾。根據辦公室目前接獲的陳情，有的家裡網路速度可能不足以應付多台電腦分享視訊頻寬外，有的缺乏必要軟體如Microsoft Office套裝軟體，有的家長沒有相應經驗，小朋友經常因為檔案繳交問題一來一往浪費大量時間；除此之外，常見問題像是google classroom麥克風或視訊鏡頭啟動失敗、電腦老舊續航力差等，已經讓老師與家長疲於回應，家長群組常充滿「好痛苦～」「真是地獄～🤦♀️」 之類的留言吶喊。
二、學童在家沒人顧，翹課遲交樣樣來
除了器材之外，更嚴肅的問題是『#管教問題』。家長頻頻抱怨，「我們兩夫妻都要上班，老師隔著螢幕盯著小朋友，真的『鎮的住』學齡的好動孩子嗎？」這個問題嚴重程度與小朋友自制能力有絕大關係，而仍在接受團體教育、磨練守規矩意識年紀的孩子，又如何期待孩子百分之百乖乖線上上課？
目前，受制於物理距離與課程進度，老師無法在電腦螢幕前有效管理教室，幾乎是中小學線上教育現場的通病。老師們除了專注課程之外，還要打電話通知家長學生狀況，而家長又在上班無法及時督促孩子，孩子不專心狀況相當普遍。許多老師紛紛表示，過往翹課遲交作業是偶爾發生的個案，現在幾乎每一堂課都有這種狀況😅，光是「管理教室」這一個任務，就讓老師疲於奔命，要多花上好幾倍🩸的時間關心學習狀況，更不用提因此排擠到兼顧每個孩子學習狀況的時間。
不是每一個家庭有祖父母、專人甚至是家教打點孩子的線上教育，家長要上班、老師一人用電腦顧30個孩子，真的很困難。就業市場、家庭結構以及兒童成長發展三種因素交織而成的結構性問題，確實不是線上教育上路一個多月的現在能立刻處理。
三、考試評量弊端多，教育資源Ｍ型化現形
本學期上課的最後一週，許多學校正在歷經段考等期末評量。在缺乏現場監督狀況下，許多老師改以多元評量，要學生自己利用網路資源製作報告。
＃多元評量 美意甚高，卻發生因為電腦能力不足、家長無力指導、器材落拍而導致的成果差異，變成「有精熟電腦父母的孩子」報告完整度高，期末測驗變成了家庭軍備競賽報告書！108課綱上線，現在學生要製作「學習歷程檔案」作為升大學、甚至是升高中的給分依據，教育資源M型化的狀況，變得更加明顯！從辦公室接獲陳情的狀況來看，原本僅僅是對於器材、授課風格的陳情，也在期末考週變成了更巨大的教育政策問題！
就我最近跟各學校老師瞭解的狀況來看，雖然新竹高科技人才家庭眾多，但仍有不少隔代教養、基層雙薪家庭以及新移民家庭，家戶之間的社會稟賦落差仍大。在數位生活、線上學習以及多元評量成為顯學的當下，我們有必要加大力道提升！補救因為政策變遷造成的教育資源落差，盡全力給予下一代學子更合理的社會流動機會。
＃線上教育 ＃108課綱 台灣線上同步教學社群
cpu超頻軟體 在 Jing Youtube 的最佳貼文
暑假到了很多朋友買了新電腦卻不會看規格與資訊
本集聊電Jing將推薦給各位11款免費(+3款付費)的電腦檢測軟體!
並解說要如何使用與查看相關資訊
1.Speccy
簡單、直覺，適合新手的電腦檢測軟體
官方網站：https://www.ccleaner.com/speccy
2.CPU-Z
主要檢測CPU的詳細規格，同時也可檢測其他配備與跑分
官方網站：https://www.cpuid.com/softwares/cpu-z.html
3.GPU-Z
主要檢測顯示卡的詳細規格
官方網站：https://www.techpowerup.com/gpuz/
4.Core Temp
主要檢測CPU溫度與使用率
官方網站：https://www.alcpu.com/CoreTemp/
5.HWiNFO64
非常完善的硬體規格監測工具
官方網站：https://www.hwinfo.com/download/
6.Thaiphoon Burner
記憶體SPD資訊的檢測軟體(主要用於查詢顆粒)
官方網站：http://www.softnology.biz/files.html
7.MSI Afterburner
可在遊戲中顯示OSD顯示卡超頻軟體
官方網站：https://tw.msi.com/page/afterburner
8.CrystalDiskInfo
可查看硬碟健康狀況與溫度的工具
官方網站：https://crystalmark.info/en/software/crystaldiskinfo/
9.CrystalDiskMark
硬碟的讀取寫入測試工具
官方網站：https://crystalmark.info/en/software/crystaldiskmark/
接下來這兩款屬於官方的超頻工具軟體
一般狀況用途很少，有需要再下載即可!
10.Intel XTU
Intel推出的超頻、監視軟體，可調整相當多CPU的參數
官方網站：https://downloadcenter.intel.com/zh-tw/download/24075/Intel-Extreme-Tuning-Utility-Intel-XTU-
11.AMD Ryzen Master
AMD官方推出的超頻款體，與XTU功能相似
官方網站：https://www.amd.com/zh-hant/technologies/ryzen-master
接下來幾款是付費的軟體，但個人也是非常推薦
12.AIDA64(可試用30天)
專業的電腦規格檢測軟體，還可進行壓力測試與記憶體延遲測試
官方網站：https://www.aida64.com/downloads
13.3DMARK
顯示卡的專業跑分軟體，也有壓力測試的功能
官方網站：https://store.steampowered.com/app/223850/3DMark/
14.FPS Monitor
可在遊戲中監控硬體資訊，圖形化的OSD設定介面
官方網站：https://store.steampowered.com/app/966610/
--------------------------------------------------------------------------------------------
拍攝器材:Sony RX100 M5 & GoPro HERO 7 Black
剪接軟體:Adobe Premiere Pro + After Effects
--------------------------------------------------------------------------------------------
更多及時動態都在我的FB粉專唷~快去按讚吧!
Facebook ／https://www.facebook.com/Jing94993
IG ／ https://www.instagram.com/jing4966
Twitter ／ https://twitter.com/xadcarry
Bilibili ／ https://space.bilibili.com/302292951
#聊電Jing #電腦檢測 #監控軟體
cpu超頻軟體 在 ryzen master自動超頻2023-精選在臉書/Facebook/Dcard上的 ... 的推薦與評價
AMD CPU超頻軟體AMD Ryzen Master自動超頻工具. AMD官方已經明確了將支持降壓超頻，明年集成到自己的超頻軟體中，Ryzen銳龍9 5900X多核效能可以再 ... ... <看更多>
cpu超頻軟體 在 用軟體超頻和進BIOS超頻，有什麼不同？ - Mobile01 的推薦與評價
用軟體超頻和進BIOS超頻，有什麼不同？ - 如題，例如超CPU電壓，主機板附的調校軟體也有調電壓的功能，且更人性化，為什麼還要進BIOS超頻呢？ ... <看更多>
cpu超頻軟體 在 ryzen master自動超頻2023-精選在臉書/Facebook/Dcard上的 ... 的推薦與評價
AMD CPU超頻軟體AMD Ryzen Master自動超頻工具. AMD官方已經明確了將支持降壓超頻，明年集成到自己的超頻軟體中，Ryzen銳龍9 5900X多核效能可以再 ... ... <看更多>