阅读更多

5顶
0踩

非技术

转载新闻 浅谈AMD与NVIDIA显卡发展策略上的差异

2009-06-24 11:44 by 副主编 ouspec 评论(0) 有2608人浏览
AMD公司高级副总裁Rick Bergman日前接受了the Inquirer网站的采访,采访过程中他分析了AMD与Nvidia两家显卡厂商之间在显卡技术发展策略方面的不同,按照他的说法,AMD将主要把精力放在游戏性能方面,因此他们将着力推广DX11并将成为市场上首家推出DX11显卡的厂商,并表示DX11将对今后的游戏产业造成深远的影响,此外,Bergman还透露目前至少有4-5家游戏厂商已经对DX11表示了极大的兴趣,并将很快推出有关的实际游戏。

Bergman称:“我们会向微软和其它几家游戏开发商发放DX11显卡,以方便他们开发有关的DX11游戏。”而对AMD首先启用DX11支持的情况,Bergman是这样评论的:“过去我们总是在Nvidia的背后苦苦追赶,这一次我们总算走在了前面。”

在AMD主打DX11游戏牌的同时,Nvidia却在GPU通用计算,CUDA以及OpenCL领域下了很大功夫,也因此在这方面占了AMD的上风。不过目前要判定这两种策略谁对谁非还很困难,只能留待实际的市场反应来评判了。
来自: mydrivers.com
5
0
评论 共 0 条 请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • Normalization of Database——数据库的正规化

    Recall: 数据库中的一些术语:(后面的中文可能翻译不准确,我自己这么称呼它们) relation —— 关系模型 tuple entity—— 表中的一条记录,也成为实体 attribute/column —— 每个表头即属性 domain —— 属性的取值域 FD(functional dependency)—— 函数依赖 MVD(Multi-Valued Dependency) —— 多...

  • 数据库五种范式

    1、第一范式(1NF)  对于一张二维表,最基本的要求就是:每一个分量必须是不可分的数据项,也就是说同一列中不能有多个值,即实体中的某个属性不能有多个值或者不能有重复的属性。满足了这个条件的关系表就属于第一范式。例1:  建立一个描述学校教务的数据库,涉及的对象包括学生的学号(Sno)、所在系(Sdept)、系主任姓名(Mname)、课程号(Cno)和成绩(Grade)。属性集合为U={Sno, ...

  • 数据库中5种范式

    为了建立冗余较小、结构合理的数据库,设计数据库时必须遵循一定的规则。在关系型数据库中这种规则就称为范式。范式是符合某一种设计要求的总结。要想设计一个结构合理的关系型数据库,必须满足一定的范式。 在实际开发中最为常见的设计范式有三个: 1.字段不可分。 2.有主键,非主键字段依赖主键。 3.非主键字段不能相互依赖 1.第一范式 第一范式是最基本的范式。如果

  • 数据库的规范化——让你读懂什么是范式

    推荐个在线SQL网站:http://sqlfiddle.com/,满足个人即时学习需要,避免安装数据库实例的麻烦。 参考资料:Wiki百科、百度百科、Google、博客园等,定义性的内容,直接引用了官方介绍。 本文参照以下目录进行内容组织: 什么是好的数据库设计? 函数依赖理论 函数依赖的定义 完全函数依赖与部分函数依赖 传递函数依赖 键(码) 关系模型的分解特性 模式分解存在的问题...

  • 规范化(标准化)数据的3种方法

    令规范化(标准化)数据的3种方法

  • 数据规范化

    数据规范化的方法数据归一化数据归一化是指把数据压缩到[0,1]的区间内。1. Min-Maxsklearn.preprocessing.MinMaxScalar 将数据压缩到Min到Max组成的区间,并使其结果落在0到1的范围内。 x=x−minmax−minx = \frac{x-min}{max-min}2. z-scoresklearn.preprocessing.StandardScal

  • 数据正则化 (data normalization) 的原理及实现 (Python sklearn)

    原理 数据正规化(data normalization)是将数据的每个样本(向量)变换为单位范数的向量,各样本之间是相互独立的.其实际上,是对向量中的每个分量值除以正规化因子.常用的正规化因子有 L1, L2 和 Max.假设,对长度为 n 的向量,其正规化因子 z 的计算公式,如下所示: 注意:Max 与无穷范数不同,无穷范数是需要先对向量的所有分量取绝对值,然后取其中的最大值;而...

  • 数据正规化 (data normalization) 的原理及实现 (Python sklearn)

    原理 数据正规化(data normalization)是将数据的每个样本(向量)变换为单位范数的向量,各样本之间是相互独立的.其实际上,是对向量中的每个分量值除以正规化因子.常用的正规化因子有 L1, L2 和 Max.假设,对长度为 n 的向量,其正规化因子 z 的计算公式,如下所示: 注意:Max 与无穷范数不同,无穷范数是需要先对向量的所有分量取绝对值,然后取其中的最大值;而...

  • 数据库的规范化与非规范化比较

    数据库设计的规范化与非规范化: (1)表格与面向对象: 表格包含各个字段,面向对象也是包含多个成员变量。两者有相似之处。 (2)E-R图向关系图转换: 一对一: 一对多: 多对多: (3)规范化与非规范化: 1)规范化: 规范化设计的过程就是按不同的范式,将一个二维表不断地分解成多个二维表并建立表之间的关联,最终达到一个表只描述一个实体或者实体间的一种联系的目标。

  • 数据库的3大范式和5大约束

    今天小编来讲一下数据库的相关知识点,数据库的三大特性可谓是:实体属性和关系。     实体:表; 属性:表中的数据(字段); 关系:表与表之间的关系;     数据库设计三大范式(重点): 第一范式(1NF):数据表中的每一列(每个字段)必须是不可拆分的最小单元,也就是确保每一列的原子性;例如:userInfo:山东省烟台市  131777368781           userAds:山东0省...

  • 数据库设计五范式

    第一范式:       对于表中的每一行,必须有且仅仅有唯一的行值,在一行中的每一列仅有唯一的值并且具有原子性第二范式:       要求非主键列是主键的子集,非主键列活动必须完全依赖整个主键。主键必须有唯一性的元素,一个主键可以由一个或更多的组成唯一值的列组成。一旦创建,主键无

  • 数据库范式详解-- 1-5NF.BCNF

       多说无谓现在开始吧!第一范式:1.所有记录具有相同的字段个数 2.所有的字段只包含一个单一的数据项 3.没有重复的数据字段第二范式:1.必须符合第一范式 2.表中不包含那些不含有与所有键相关信息的字段第三范式:1.必须符合第二范式 2.表中不能包含与主键无关的字段第四范式:1.必须符合第三范式 2.表不能包含一个实体的两个或多个相互独立的多值因子第五范式:1.必须符合

  • 数据库设计中的五个范式

    第一范式: 对于表中的每一行,必须且仅仅有唯一的行值.在一行中的每一列仅有唯一的值并且具有原子性. (第一范式是通过把重复的组放到每个独立的表中,把这些表通过一对多关联联系起来这种方式来消除重复组的。) 第二范式: 第二范式要求非主键列是主键的子集,非主键列活动必须完全依赖整个主键。主键必须有唯一性的元素,一个主键可以由一个或更多的组成唯一值的列组成。一旦创建,

  • MySQL | 数据库基础理论、六大设计范式详解

    MySQL基础 、关系型数据库与非关系型数据库 、从技术层面了解MySQL 、数据库的范式设计

  • 数据库的标准化 三范式

    数据库的标准化 第一范式 a、定义所需要的数据项,因为他们将成为表中的列。将相关的数据项放置在一个表中。 理解:首先,必须定义数据项。这意味着查看所要的数据,将数据组织为列,定义每一列 的数据类型,最后将所有相关的列放置到他们自己的表中。 b、确保没有重复的数据组。 理解:可以通过将重复的数据划分到多个表中,来删除重复的数据。将数据划分到多个表中的

  • 数据库正规化和设计技巧

    在动态网站的设计中,数据库设计的重要性不言而喻。如果设计不当,查询起来就非常吃力,程序的性能也会受到影响。无论你使用的是mySQL或者Oracle数据库,通过进行正规化的表格设计,可以令你的PHP代码更具可读性,更容易扩展,从而也会提升应用的性能。   简单说来,正规化就是在表格设计时,消除冗余性和不协调的从属关系。在本文中,我将通过五个渐进的过

  • 机器学习中之规范化,中心化,标准化,归一化,正则化,正规化

    一、归一化,标准化和中心化 广义的标准化: (1)离差标准化(最大最小值标准化) (2)标准差标准化 (3)归一化标准化 (4)二值化标准化 (5)独热编码标准化 归一化 (Normalization)、标准化 (Standardization)和中心化/零均值化 (Zero-centered) 标准化 数据的标准化(normalization)是将数据按比例缩放(scale),使之落入...

  • 数据库-----范式

    数据库范式,

Global site tag (gtag.js) - Google Analytics