A. 電腦上用來測量溫度的軟體是怎麼感應到溫度變化的 是不是CPU 硬碟上都預裝了溫度感應晶元
是軟體調取硬體裡面的數據進行測量的 與其說是軟體測量的 不如說是硬體自己測量的 只是 軟體把數據拿出來展示給我們看而已 如果沒有軟體的話你也可以進入主辦BIOS裡面查看 一般在cpu插槽旁邊會有一個溫度探頭，是根據那個探頭而得出的 會與實際溫度有點偏差現在在cpu ，顯示晶元，主板晶元里都集成了溫度感測器，可以吧溫度信息反映出來下載最新版WINDOWS 優化大師 裡面集成了 Z武器 就有系統部件的 溫度檢測 。原理說了 估計你也懂，說簡單一些把 系統內有一些熱敏電阻 電腦的部件本身有一定的溫度 熱敏電阻 把溫度轉化為電信號 然後軟體根據編碼規則 檢測電信號的變化 然後把電信號 轉化為 具體數據顯示出來CPU內部會有一個溫度二極體感應器（因為CPU內外溫度會相差很大）所以可以更精確些，而其他的硬體大部分是靠主板的感應元件測量集成晶元中有溫度感應電路，可以被程序讀出。
B. 硬碟溫度比CUP高
一般硬碟的溫度是比CPU的溫度要低一點,除非連續長期硬碟讀寫大量數據,硬碟溫度在一段時間內可能偏高.
你的情況很可能是因為硬碟的溫度感應器以及相關的電路阻值有變化引起的測試溫度不準確.電子測溫的原理主要是溫度變化引起電路阻值變化,電路的電流變化.相關軟體根據電流的大小,轉換為溫度的數值.
如果你的電腦使用很正常,用手摸硬碟外表不是很燙,就不必理會這些小的問題.
C. 硬體溫度檢測是怎麼工作的
復制過來的。Intel和AMD的標准做法是，從CPU的一條邊開始，用高速刀頭銑一個垂直於CPU邊的槽， ，到CPU的中心單為止。將測溫熱電偶的端頭用低溫焊錫焊接在CPU銅蓋的中心點上，線從槽中引出。然後跑軟體，直接用數采設備讀取CPU銅蓋的表面溫度。
簡單來說，就是通過不同頻率的工作狀態，通過多個cpu樣品用測溫度的工具來收集數據，整理出來，然後就是以後軟體能根據cpu的工作情況，大概給出這個cpu的溫度，理解了以後我感覺其實這個溫度好扯淡，我原來以為是根據熱感應器來測量的。
D. 硬碟的工作原理是什麼
硬碟的工作原理
現在的硬碟,無論是IDE還是SCSI,採用的都是溫徹思特「技術,都有以下特點：
1。磁頭，碟片及運動機構密封。
2。固定並高速旋轉的鍍磁碟片表面平整光滑。
3。磁頭沿碟片徑向移動。
4。磁頭對碟片接觸式啟停，但工作時呈飛行狀態不與碟片直接接觸。
碟片：硬碟碟片是將磁粉附著在鋁合金（新材料也有用玻璃）圓碟片的表面上.這些磁粉
被劃分成稱為磁軌的若干個同心圓，在每個同心圓的磁軌上就好像有無數的任意排列的小
磁鐵，它們分別代表著0和1的狀態。當這些小磁鐵受到來自磁頭的磁力影響時，其排列的
方向會隨之改變。利用磁頭的磁力控制指定的一些小磁鐵方向，使每個小磁鐵都可以用來
儲存信息。
盤體：硬碟的盤體由多個碟片組成，這些碟片重疊在一起放在一個密封的盒中，它們在主
軸電機的帶動下以很高的速度旋轉，其每分鍾轉速達3600，4500，5400，7200甚至以上。
磁頭：硬碟的磁頭用來讀取或者修改碟片上磁性物質的狀態，一般說來，每一個磁面都會
有一個磁頭，從最上面開始，從0開始編號。磁頭在停止工作時，與磁碟是接觸的，但是
在工作時呈飛行狀態。磁頭採取在碟片的著陸區接觸式啟停的方式，著陸區不存放任何數
據，磁頭在此區域啟停，不存在損傷任何數據的問題。讀取數據時，碟片高速旋轉，由於
對磁頭運動採取了精巧的空氣動力學設計，此時磁頭處於離盤面數據區0.2---0.5微米高
度的」飛行狀態「。既不與盤面接觸造成磨損，又能可*的讀取數據。
電機：硬碟內的電機都為無刷電機，在高速軸承支撐下機械磨損很小，可以長時間連續工
作。高速旋轉的盤體產生了明顯的陀螺效應，所以工作中的硬碟不宜運動，否則將加重軸
承的工作負荷。硬碟磁頭的尋道飼服電機多採用音圈式旋轉或者直線運動步進電機，在飼
服跟蹤的調節下精確地跟蹤碟片的磁軌，所以在硬碟工作時不要有沖擊碰撞，搬動時要小
心輕放。
概括地說，硬碟的工作原理是利用特定的磁粒子的極性來記錄數據。磁頭在讀取數據時，將磁粒子的不同極性轉換成不同的電脈沖信號，再利用數據轉換器將這些原始信號變成電腦可以使用的數據，寫的操作正好與此相反。另外，硬碟中還有一個存儲緩沖區，這是為了協調硬碟與主機在數據處理速度上的差異而設的。由於硬碟的結構比軟盤復雜得多，所以它的格式化工作也比軟盤要復雜，分為低級格式化，硬碟分區，高級格式化並建立文件管理系統。
硬碟驅動器加電正常工作後，利用控制電路中的單片機初始化模塊進行初始化工作，此時磁頭置於碟片中心位置，初始化完成後主軸電機將啟動並以高速旋轉，裝載磁頭的小車機構移動，將浮動磁頭置於碟片表面的00道，處於等待指令的啟動狀態。當介面電路接收到微機系統傳來的指令信號，通過前置放大控制電路，驅動音圈電機發出磁信號，根據感應阻值變化的磁頭對碟片數據信息進行正確定位，並將接收後的數據信息解碼，通過放大控制電路傳輸到介面電路，反饋給主機系統完成指令操作。結束硬碟操作的斷電狀態，在反力矩彈簧的作用下浮動磁頭駐留到盤面中心。
E. 殺毒軟體是怎樣測CPU和硬碟溫度的 它的原理是什麼
它是從BOIS里讀取的.
F. 普通計算機和大型伺服器的GPU溫度測量原理（硬體）
深度學習GPU工作站/伺服器硬體配置方案
I
市場上用於深度學習訓練計算機大致情況如下：
（1）伺服器/工作站（支持2、4、8塊GPU架構）：普遍存在噪音大，無法放置於辦公環境，必須放到專門的機房，維護成本高，另外數據存儲帶寬、延遲、容量也不盡如意。
（2）分布式集群架構：性能強大，但是開發成本太高（太貴），是大多數科研單位及個人無法承受。
（3）組裝電腦：這類特點是價格便宜，但是在散熱和功率方面依然是普通家用/游戲電腦標准，穩定性巨差。
（4）大部分GPU計算機(伺服器/工作站）：重點都放在GPU卡數量上，似乎只要配上足夠GPU卡，就可以了。
然而，機器硬體配置還需要整體均衡，不同的學習框架更需要不同GPU卡去適配。
主流學習框架
主流框架加速效能
上圖是不同的DL框架加速效能（NVIDIA GP100為例），不同的框架並不是GPU越多效能就越高。
深度學習計算密集，所以需要一個快速多核CPU，對吧？！
聽說深度學習有很多顯卡就可以了，一個高速CPU可能是種浪費？！
搭建一個深度學習系統時，最糟糕的事情之一就是把錢浪費在並非必需的硬體上。
一個高性能且經濟的深度學習系統所需的硬體到底要如何配置？！
一. 深度學習計算特點與硬體配置分析：
深度學習計算特點
1.數據存儲要求
在一些深度學習案例中，數據存儲會成為明顯的瓶頸。做深度學習首先需要一個好的存儲系統，將歷史資料保存起來。
主要任務：歷史數據存儲，如：文字、圖像、聲音、視頻、資料庫等。
數據容量：提供足夠高的存儲能力。
讀寫帶寬：多硬碟並行讀寫架構提高數據讀寫帶寬。
介面：高帶寬，同時延遲低。
傳統解決方式：專門的存儲伺服器，藉助萬兆埠訪問。
缺點：帶寬不高，對深度學習的數據讀取過程時間長(延遲大，兩台機器之間數據交換)，成本還巨高。
UltraLA解決方案：
將並行存儲直接通過PCIe介面，提供最大16個硬碟的並行讀取，數據量大並行讀取要求高，無論是匯流排還是硬碟並行帶寬，都得到加大提升，滿足海量數據密集I/O請求和計算需要。
2. CPU要求
如今深度學習CPU似乎不那麼重要了，因為我們都在用GPU，為了能夠明智地選擇CPU我們首先需要理解CPU，以及它是如何與深度學習相關聯的，CPU能為深度學習做什麼呢？當你在GPU上跑深度網路時，CPU進行的計算很少，但是CPU仍然需要處理以下事情：
（1）數據從存儲系統調入到內存的解壓計算。
（2）GPU計算前的數據預處理。
（3）在代碼中寫入並讀取變數，執行指令如函數調用，創建小批量數據，啟動到GPU的數據傳輸。
（4）GPU多卡並行計算前，每個核負責一塊卡的所需要的數據並行切分處理和控制。
（5）增值幾個變數、評估幾個布爾表達式、在GPU或在編程裡面調用幾個函數——所有這些會取決於CPU核的頻率，此時唯有提升CPU頻率。
傳統解決方式：CPU規格很隨意，核數和頻率沒有任何要求。
UltraLA解決方案：
CPU頻率盡量高
CPU三級緩存盡量大（有必要科普一下CPU緩存）
「這是個經常被忽視的問題，但是通常來說，它在整個性能問題中是非常重要的一部分。CPU緩存是容量非常小的直接位於CPU晶元上的存儲，物理位置非常接近CPU，能夠用來進行高速計算和操作。CPU通常有緩存分級，從小型高速緩存（L1，L2）到低速大型緩存（L3，L4）。作為一個程序員，你可以將它想成一個哈希表，每條數據都是一個鍵值對（key-value-pair），可以高速的基於特定鍵進行查找：如果找到，就可以在緩存得值中進行快速讀取和寫入操作；如果沒有找到（被稱為緩存未命中），CPU需要等待RAM趕上，之後再從內存進行讀值——一個非常緩慢的過程。重復的緩存未命中會導致性能的大幅下降。有效的CPU緩存方案與架構對於CPU性能來說非常關鍵。深度學習代碼部分——如變數與函數調用會從緩存中直接受益。」
CPU核數：比GPU卡數量大（原則：1核對應1卡，核數要有至少2個冗餘）。
3. GPU要求
如果你正在構建或升級你的深度學習系統，你最關心的應該也是GPU。GPU正是深度學習應用的核心要素——計算性能提升上，收獲巨大。
主要任務：承擔深度學習的數據建模計算、運行復雜演算法。
傳統架構：提供1~8塊GPU。
UltraLA解決方案：
數據帶寬：PCIe8x 3.0以上。
數據容量：顯存大小很關鍵。
深度學習框架匹配：CPU核-GPU卡 1對1。
GPU卡加速：多卡提升並行處理效率。
4.內存要求
至少要和你的GPU顯存存大小相同的內存。當然你也能用更小的內存工作，但是，你或許需要一步步轉移數據。總而言之，如果錢夠，而且需要做很多預處理，就不必在內存瓶頸上兜轉，浪費時間。
主要任務：存放預處理的數據，待GPU讀取處理，中間結果存放。
UltraLA解決方案：
數據帶寬最大化：單Xeon E5v4 4通道內存，雙XeonE5v4 8通道內存，內存帶寬最大化。
內存容量合理化：大於GPU總顯存。
說了那麼多，到底該如何配置深度學習工作站，下面是干貨來襲~
二. 深度學習工作站介紹與配置推薦
1. UltraLABGX370i-科研型
UltraLAB GX370i-科研型
硬體架構：4核4.7GHz~5.0GHz+4塊GPU+64GB內存+4塊硬碟(最大)
機器特點：高性價比，最快預處理和GPU超算架構
數據規模:小規模
2. UltraLABGX490i-高效型
硬體架構：配置10核4.5GHz+4塊GPU+128GB+4塊硬碟(最大)
機器特點：較GX360i，CPU核數和內存容量提升
數據規模:中小規模
UltraLAB GX490i基準配置
3. UltraLABGX490M-高性能型
硬體架構：配置6核4.5GHz/8核4.3GHz/10核4.3GHz+最大7塊GPU+256GB+20盤位並行存儲
機器特點：GPU數量支持到7塊，支持海量數據並行存儲
數據規模:中大規模
4. UltraLABGX620M-超級型
UltraLAB GX620M
硬體架構：雙Xeon可擴展處理器（最大56核，最高3.8GHz）+最大9塊GPU+20盤位並行存
機器特點：目前最強大的CPU+GPU異構計算
數據規模:建模與模擬計算、高性能科學計算、機器/深度學習
UltraLAB GX620M基準配置
UltraLAB深度學習工作站特點：
（1）種類豐富： GX370i(1C4G), GX490i(1C4G) --科研型，GX490M(1C7G)、GX620M(2C9G)--超級型。
（2）性能特點：超高頻+多GPU+海量高速存儲+靜音級=最完美強大DL硬體平台。
（3）應用平台：完美支持TensorFlow，Caffe，Torch，DIGITS，
G. 魯大師檢測電腦溫度原理是什麼啊
魯大師檢測電腦溫度原理是：魯大師並不是真正檢測電腦硬體的溫度，而只是讀取硬體上集成的硬體監測晶元的實時數據並顯示出來。
現代電腦硬體有很多都在相應的部位集成了溫度探測器，如主板的CPU插座下，硬碟盤體內。硬體上集成的監測晶元可以實時檢測相應的溫度數據。任何軟體只要遵循相應的規范都可以讀取晶元內的溫度數據。以硬碟溫度為例，魯大師，HD Tune Pro，Crystaldiskinfo，Everest，所有這些軟體都是直接調取監測晶元的數據來顯示溫度的。
H. 簡述下硬碟的工作原理
硬碟分為機械硬碟與固態硬碟兩者，各類型原理如下：
1、機械硬碟
機械硬碟由磁碟、馬達和磁頭等機械部件組成，當機械硬碟需要讀取數據時，磁頭需要移動到相應的位置，讀取磁碟上的數據，而這個過程是需要時間的，稱之為尋道時間和潛伏周期。
2、固態硬碟
固態硬碟的內部構造包括PCB板、主控制器晶元和快閃記憶體晶元。其中最基本的單位就是快閃記憶體晶元，這是一種非易失性內存晶元，通過充電、放電的方式寫入和擦除數據。
(8)硬碟測溫原理擴展閱讀：
由於HDD在運行時需要轉動，所以抗震能力和性能比較弱，而且待機轉動時功耗也更高一些（停轉除外），讀寫時會有明顯「吱」的聲響；由於SSD沒有機械結構轉動，所以抗震能力很強，性能也更好，同時功耗也低很多，工作時沒有聲音。
另外容量方面，2.5英寸HDD的容量可以做到最高4TB，主流為1TB和2TB，而SSD即使迎來QLC，目前主流容量還集中在256GB和512GB。SSD是完全可以做大容量的，但由於價格問題，中等容量SSD更容易被接受。
I. 硬碟溫度檢測原理
硬碟內部有溫度感測器，軟體通過讀取硬碟的S.M.A.R.T.數據得到感測器的溫度
J. 測試CPU溫度是什麼原理
通過感測器感知溫度然後向接收設備輸出對應的電信號，然後接收設備通過這個電信號就能得知CPU的溫度是多少了。
這個感測器現在都集成在了CPU內部，僅占很小的一點，通過CPU的一個針腳傳遞給主板的晶元，然後系統是可以直接讀取到主板晶元內的數據的，這樣就可以在系統中，使用一些特定軟體，比如CPUZ，everest,AIDA64等軟體讀取到這個數據。
並且CPU風扇的自動調整轉速也是依靠讀取感測器的溫度，然後由主板晶元判斷應該轉得多快，來實現自動調整速度以追求靜音和高效散熱之間達到一定的平衡的。