A. 电脑上用来测量温度的软件是怎么感应到温度变化的 是不是CPU 硬盘上都预装了温度感应芯片
是软件调取硬件里面的数据进行测量的 与其说是软件测量的 不如说是硬件自己测量的 只是 软件把数据拿出来展示给我们看而已 如果没有软件的话你也可以进入主办BIOS里面查看 一般在cpu插槽旁边会有一个温度探头，是根据那个探头而得出的 会与实际温度有点偏差现在在cpu ，显示芯片，主板芯片里都集成了温度传感器，可以吧温度信息反映出来下载最新版WINDOWS 优化大师 里面集成了 Z武器 就有系统部件的 温度检测 。原理说了 估计你也懂，说简单一些把 系统内有一些热敏电阻 电脑的部件本身有一定的温度 热敏电阻 把温度转化为电信号 然后软件根据编码规则 检测电信号的变化 然后把电信号 转化为 具体数据显示出来CPU内部会有一个温度二极管感应器（因为CPU内外温度会相差很大）所以可以更精确些，而其他的硬件大部分是靠主板的感应元件测量集成芯片中有温度感应电路，可以被程序读出。
B. 硬盘温度比CUP高
一般硬盘的温度是比CPU的温度要低一点,除非连续长期硬盘读写大量数据,硬盘温度在一段时间内可能偏高.
你的情况很可能是因为硬盘的温度感应器以及相关的电路阻值有变化引起的测试温度不准确.电子测温的原理主要是温度变化引起电路阻值变化,电路的电流变化.相关软件根据电流的大小,转换为温度的数值.
如果你的电脑使用很正常,用手摸硬盘外表不是很烫,就不必理会这些小的问题.
C. 硬件温度检测是怎么工作的
复制过来的。Intel和AMD的标准做法是，从CPU的一条边开始，用高速刀头铣一个垂直于CPU边的槽， ，到CPU的中心单为止。将测温热电偶的端头用低温焊锡焊接在CPU铜盖的中心点上，线从槽中引出。然后跑软件，直接用数采设备读取CPU铜盖的表面温度。
简单来说，就是通过不同频率的工作状态，通过多个cpu样品用测温度的工具来收集数据，整理出来，然后就是以后软件能根据cpu的工作情况，大概给出这个cpu的温度，理解了以后我感觉其实这个温度好扯淡，我原来以为是根据热感应器来测量的。
D. 硬盘的工作原理是什么
硬盘的工作原理
现在的硬盘,无论是IDE还是SCSI,采用的都是温彻思特“技术,都有以下特点：
1。磁头，盘片及运动机构密封。
2。固定并高速旋转的镀磁盘片表面平整光滑。
3。磁头沿盘片径向移动。
4。磁头对盘片接触式启停，但工作时呈飞行状态不与盘片直接接触。
盘片：硬盘盘片是将磁粉附着在铝合金（新材料也有用玻璃）圆盘片的表面上.这些磁粉
被划分成称为磁道的若干个同心圆，在每个同心圆的磁道上就好像有无数的任意排列的小
磁铁，它们分别代表着0和1的状态。当这些小磁铁受到来自磁头的磁力影响时，其排列的
方向会随之改变。利用磁头的磁力控制指定的一些小磁铁方向，使每个小磁铁都可以用来
储存信息。
盘体：硬盘的盘体由多个盘片组成，这些盘片重叠在一起放在一个密封的盒中，它们在主
轴电机的带动下以很高的速度旋转，其每分钟转速达3600，4500，5400，7200甚至以上。
磁头：硬盘的磁头用来读取或者修改盘片上磁性物质的状态，一般说来，每一个磁面都会
有一个磁头，从最上面开始，从0开始编号。磁头在停止工作时，与磁盘是接触的，但是
在工作时呈飞行状态。磁头采取在盘片的着陆区接触式启停的方式，着陆区不存放任何数
据，磁头在此区域启停，不存在损伤任何数据的问题。读取数据时，盘片高速旋转，由于
对磁头运动采取了精巧的空气动力学设计，此时磁头处于离盘面数据区0.2---0.5微米高
度的”飞行状态“。既不与盘面接触造成磨损，又能可*的读取数据。
电机：硬盘内的电机都为无刷电机，在高速轴承支撑下机械磨损很小，可以长时间连续工
作。高速旋转的盘体产生了明显的陀螺效应，所以工作中的硬盘不宜运动，否则将加重轴
承的工作负荷。硬盘磁头的寻道饲服电机多采用音圈式旋转或者直线运动步进电机，在饲
服跟踪的调节下精确地跟踪盘片的磁道，所以在硬盘工作时不要有冲击碰撞，搬动时要小
心轻放。
概括地说，硬盘的工作原理是利用特定的磁粒子的极性来记录数据。磁头在读取数据时，将磁粒子的不同极性转换成不同的电脉冲信号，再利用数据转换器将这些原始信号变成电脑可以使用的数据，写的操作正好与此相反。另外，硬盘中还有一个存储缓冲区，这是为了协调硬盘与主机在数据处理速度上的差异而设的。由于硬盘的结构比软盘复杂得多，所以它的格式化工作也比软盘要复杂，分为低级格式化，硬盘分区，高级格式化并建立文件管理系统。
硬盘驱动器加电正常工作后，利用控制电路中的单片机初始化模块进行初始化工作，此时磁头置于盘片中心位置，初始化完成后主轴电机将启动并以高速旋转，装载磁头的小车机构移动，将浮动磁头置于盘片表面的00道，处于等待指令的启动状态。当接口电路接收到微机系统传来的指令信号，通过前置放大控制电路，驱动音圈电机发出磁信号，根据感应阻值变化的磁头对盘片数据信息进行正确定位，并将接收后的数据信息解码，通过放大控制电路传输到接口电路，反馈给主机系统完成指令操作。结束硬盘操作的断电状态，在反力矩弹簧的作用下浮动磁头驻留到盘面中心。
E. 杀毒软件是怎样测CPU和硬盘温度的 它的原理是什么
它是从BOIS里读取的.
F. 普通计算机和大型服务器的GPU温度测量原理（硬件）
深度学习GPU工作站/服务器硬件配置方案
I
市场上用于深度学习训练计算机大致情况如下：
（1）服务器/工作站（支持2、4、8块GPU架构）：普遍存在噪音大，无法放置于办公环境，必须放到专门的机房，维护成本高，另外数据存储带宽、延迟、容量也不尽如意。
（2）分布式集群架构：性能强大，但是开发成本太高（太贵），是大多数科研单位及个人无法承受。
（3）组装电脑：这类特点是价格便宜，但是在散热和功率方面依然是普通家用/游戏电脑标准，稳定性巨差。
（4）大部分GPU计算机(服务器/工作站）：重点都放在GPU卡数量上，似乎只要配上足够GPU卡，就可以了。
然而，机器硬件配置还需要整体均衡，不同的学习框架更需要不同GPU卡去适配。
主流学习框架
主流框架加速效能
上图是不同的DL框架加速效能（NVIDIA GP100为例），不同的框架并不是GPU越多效能就越高。
深度学习计算密集，所以需要一个快速多核CPU，对吧？！
听说深度学习有很多显卡就可以了，一个高速CPU可能是种浪费？！
搭建一个深度学习系统时，最糟糕的事情之一就是把钱浪费在并非必需的硬件上。
一个高性能且经济的深度学习系统所需的硬件到底要如何配置？！
一. 深度学习计算特点与硬件配置分析：
深度学习计算特点
1.数据存储要求
在一些深度学习案例中，数据存储会成为明显的瓶颈。做深度学习首先需要一个好的存储系统，将历史资料保存起来。
主要任务：历史数据存储，如：文字、图像、声音、视频、数据库等。
数据容量：提供足够高的存储能力。
读写带宽：多硬盘并行读写架构提高数据读写带宽。
接口：高带宽，同时延迟低。
传统解决方式：专门的存储服务器，借助万兆端口访问。
缺点：带宽不高，对深度学习的数据读取过程时间长(延迟大，两台机器之间数据交换)，成本还巨高。
UltraLA解决方案：
将并行存储直接通过PCIe接口，提供最大16个硬盘的并行读取，数据量大并行读取要求高，无论是总线还是硬盘并行带宽，都得到加大提升，满足海量数据密集I/O请求和计算需要。
2. CPU要求
如今深度学习CPU似乎不那么重要了，因为我们都在用GPU，为了能够明智地选择CPU我们首先需要理解CPU，以及它是如何与深度学习相关联的，CPU能为深度学习做什么呢？当你在GPU上跑深度网络时，CPU进行的计算很少，但是CPU仍然需要处理以下事情：
（1）数据从存储系统调入到内存的解压计算。
（2）GPU计算前的数据预处理。
（3）在代码中写入并读取变量，执行指令如函数调用，创建小批量数据，启动到GPU的数据传输。
（4）GPU多卡并行计算前，每个核负责一块卡的所需要的数据并行切分处理和控制。
（5）增值几个变量、评估几个布尔表达式、在GPU或在编程里面调用几个函数——所有这些会取决于CPU核的频率，此时唯有提升CPU频率。
传统解决方式：CPU规格很随意，核数和频率没有任何要求。
UltraLA解决方案：
CPU频率尽量高
CPU三级缓存尽量大（有必要科普一下CPU缓存）
“这是个经常被忽视的问题，但是通常来说，它在整个性能问题中是非常重要的一部分。CPU缓存是容量非常小的直接位于CPU芯片上的存储，物理位置非常接近CPU，能够用来进行高速计算和操作。CPU通常有缓存分级，从小型高速缓存（L1，L2）到低速大型缓存（L3，L4）。作为一个程序员，你可以将它想成一个哈希表，每条数据都是一个键值对（key-value-pair），可以高速的基于特定键进行查找：如果找到，就可以在缓存得值中进行快速读取和写入操作；如果没有找到（被称为缓存未命中），CPU需要等待RAM赶上，之后再从内存进行读值——一个非常缓慢的过程。重复的缓存未命中会导致性能的大幅下降。有效的CPU缓存方案与架构对于CPU性能来说非常关键。深度学习代码部分——如变量与函数调用会从缓存中直接受益。”
CPU核数：比GPU卡数量大（原则：1核对应1卡，核数要有至少2个冗余）。
3. GPU要求
如果你正在构建或升级你的深度学习系统，你最关心的应该也是GPU。GPU正是深度学习应用的核心要素——计算性能提升上，收获巨大。
主要任务：承担深度学习的数据建模计算、运行复杂算法。
传统架构：提供1~8块GPU。
UltraLA解决方案：
数据带宽：PCIe8x 3.0以上。
数据容量：显存大小很关键。
深度学习框架匹配：CPU核-GPU卡 1对1。
GPU卡加速：多卡提升并行处理效率。
4.内存要求
至少要和你的GPU显存存大小相同的内存。当然你也能用更小的内存工作，但是，你或许需要一步步转移数据。总而言之，如果钱够，而且需要做很多预处理，就不必在内存瓶颈上兜转，浪费时间。
主要任务：存放预处理的数据，待GPU读取处理，中间结果存放。
UltraLA解决方案：
数据带宽最大化：单Xeon E5v4 4通道内存，双XeonE5v4 8通道内存，内存带宽最大化。
内存容量合理化：大于GPU总显存。
说了那么多，到底该如何配置深度学习工作站，下面是干货来袭~
二. 深度学习工作站介绍与配置推荐
1. UltraLABGX370i-科研型
UltraLAB GX370i-科研型
硬件架构：4核4.7GHz~5.0GHz+4块GPU+64GB内存+4块硬盘(最大)
机器特点：高性价比，最快预处理和GPU超算架构
数据规模:小规模
2. UltraLABGX490i-高效型
硬件架构：配置10核4.5GHz+4块GPU+128GB+4块硬盘(最大)
机器特点：较GX360i，CPU核数和内存容量提升
数据规模:中小规模
UltraLAB GX490i基准配置
3. UltraLABGX490M-高性能型
硬件架构：配置6核4.5GHz/8核4.3GHz/10核4.3GHz+最大7块GPU+256GB+20盘位并行存储
机器特点：GPU数量支持到7块，支持海量数据并行存储
数据规模:中大规模
4. UltraLABGX620M-超级型
UltraLAB GX620M
硬件架构：双Xeon可扩展处理器（最大56核，最高3.8GHz）+最大9块GPU+20盘位并行存
机器特点：目前最强大的CPU+GPU异构计算
数据规模:建模与仿真计算、高性能科学计算、机器/深度学习
UltraLAB GX620M基准配置
UltraLAB深度学习工作站特点：
（1）种类丰富： GX370i(1C4G), GX490i(1C4G) --科研型，GX490M(1C7G)、GX620M(2C9G)--超级型。
（2）性能特点：超高频+多GPU+海量高速存储+静音级=最完美强大DL硬件平台。
（3）应用平台：完美支持TensorFlow，Caffe，Torch，DIGITS，
G. 鲁大师检测电脑温度原理是什么啊
鲁大师检测电脑温度原理是：鲁大师并不是真正检测电脑硬件的温度，而只是读取硬件上集成的硬件监测芯片的实时数据并显示出来。
现代电脑硬件有很多都在相应的部位集成了温度探测器，如主板的CPU插座下，硬盘盘体内。硬件上集成的监测芯片可以实时检测相应的温度数据。任何软件只要遵循相应的规范都可以读取芯片内的温度数据。以硬盘温度为例，鲁大师，HD Tune Pro，Crystaldiskinfo，Everest，所有这些软件都是直接调取监测芯片的数据来显示温度的。
H. 简述下硬盘的工作原理
硬盘分为机械硬盘与固态硬盘两者，各类型原理如下：
1、机械硬盘
机械硬盘由磁盘、马达和磁头等机械部件组成，当机械硬盘需要读取数据时，磁头需要移动到相应的位置，读取磁盘上的数据，而这个过程是需要时间的，称之为寻道时间和潜伏周期。
2、固态硬盘
固态硬盘的内部构造包括PCB板、主控制器芯片和闪存芯片。其中最基本的单位就是闪存芯片，这是一种非易失性内存芯片，通过充电、放电的方式写入和擦除数据。
(8)硬盘测温原理扩展阅读：
由于HDD在运行时需要转动，所以抗震能力和性能比较弱，而且待机转动时功耗也更高一些（停转除外），读写时会有明显“吱”的声响；由于SSD没有机械结构转动，所以抗震能力很强，性能也更好，同时功耗也低很多，工作时没有声音。
另外容量方面，2.5英寸HDD的容量可以做到最高4TB，主流为1TB和2TB，而SSD即使迎来QLC，目前主流容量还集中在256GB和512GB。SSD是完全可以做大容量的，但由于价格问题，中等容量SSD更容易被接受。
I. 硬盘温度检测原理
硬盘内部有温度传感器，软件通过读取硬盘的S.M.A.R.T.数据得到传感器的温度
J. 测试CPU温度是什么原理
通过传感器感知温度然后向接收设备输出对应的电信号，然后接收设备通过这个电信号就能得知CPU的温度是多少了。
这个传感器现在都集成在了CPU内部，仅占很小的一点，通过CPU的一个针脚传递给主板的芯片，然后系统是可以直接读取到主板芯片内的数据的，这样就可以在系统中，使用一些特定软件，比如CPUZ，everest,AIDA64等软件读取到这个数据。
并且CPU风扇的自动调整转速也是依靠读取传感器的温度，然后由主板芯片判断应该转得多快，来实现自动调整速度以追求静音和高效散热之间达到一定的平衡的。