移动硬盘常见问题的解决

移动硬盘是一个非标准的usb设备,使用中远不如鼠标这样可靠,问题多多,这里就很多常见情况总结一下:

  1、如果你的硬盘盒子是50元以下的,尤其是标着IBM字样的,请赶快换掉这个盒子。这种盒子早期还可以,自从03年起生产的质量就不可忍受了,很多的故障都发生在这种盒子上,如果您还爱惜你的硬盘,请换掉它。

  2、移动硬盘分区不要超过2个,供电充足时分区数量和使用效果无关。只是分区的数量多了在接通时,卷标的弹出会很慢。

  3、使用200元以下盒子的移动硬盘最好都不要插在机器上长期工作,移动硬盘是用来临时交换数据的,不是一个本地硬盘。相比于笔记本内置的,移动硬盘里面的笔记本硬盘时刻都工作在恶劣的环境(移动硬盘里面的硬盘工作环境恶劣不仅仅指温度,还有恶劣的供电状况, 简陋电路接出来的ide接口。)下,应该尽量缩短工作时间。正确的使用方法是使用本地硬盘下载资料等,然后copy到移动硬盘上,而不是挂在机器上整夜下载。这个说法等于给在usb1.1接口copy海量数据宣判死刑,如果要大量copy数据赶紧加个usb2.0卡吧。对于现在常见的金属移动硬盘盒,它的工作温度比内置的可爽多了。内置硬盘出问题更麻烦,所以我都是直接下载到移动硬盘的分区中,然后在分类备份。

  4、不要给移动硬盘整理磁盘碎片,整理的方法就是把整个分区里面的数据都copy出来,再copy回去。外置硬盘通过一个usb接口和主机连接,如果同时数据上行和下行,速度会很低,而整理磁盘碎片的过程就是就是数据的频繁上行下行,由于速度慢,这个过程会非常漫长, 还不如copy出来再copy 回去。1394也是一个道理。

  5、移动硬盘认不出或者copy会断线如何解决?(供电不足是其一大原因)

  (1)不使用usb加长线,这种线的质量一般不太好,会使usb数据同步出错,使移动硬盘不能正常工作。不使用机箱上的前置usb接口,原因同前。尽量把移动硬盘插在原本的usb口上。

  (2)淘汰你的劣质usb硬盘盒,更换劣质的数据线为带屏蔽层的优质usb线(就是比较好的盒子带的线)。

  (3)usb接口兼容性不佳,非intel芯片组的主板有时候有usb兼容性差的问题,但是现在正在销售的主流芯片组里几乎只有nforce2了,传说新的bios和usb驱动改善了nforce2的usb兼容性,但是实践证明改善很有限。彻底解决这问题的方法只有购买一个pci的usb2.0卡,其他参见6。

    6、如何解决供电不足的问题?

  (1)购买比较好的usb移动硬盘盒。

  (2)购买4200转的笔记本硬盘做移动硬盘。不要买5400转的。不要相信硬盘上面标的电流值,那没有参考价值。 实践证明 hitachi 的4200转诸型号比如 4k80 4k40 80GN等都是不错的选择。一般不买富士通或者东芝的,因为在大陆没有正式的渠道商。一般也不买st的,因为ST的硬盘一般都是5400的,尽管电流值标的是0.47A。

  (3)购买笔记本电脑时,考虑一下一下usb口的供电能力。 已经证明usb接口供电能力太弱的是:三星Q20/ dell 300m/X300 ; sony V505 ; IBM R40之前的几乎所有R;toshiba P2000/2010 ....usb供电能力差,多见于日韩系轻薄机。 我最赞赏的就是IBM X31的usb口,不管移动硬盘(哪怕是5400转的);外置combo一律通吃,其供电能力不亚于一般台机。 如果购买pci的usb2.0卡,要挑有4针辅助供电口的;如果购买笔记本用的pc卡usb2.0转接卡,要挑带一个变压器辅助供电的,好歹也要有带一个ps2辅助供电线的。

  (4)移动硬盘盒子自身也有辅助供电线的,好盒子直接给一个变压器,差的盒子也有ps2或者usb的供电线,供电不足时当然要插上,即使usb口足够带动硬盘,如果不是短时间工作,建议也插上,usb接口的供电总是很勉强的。

  7、千万不要混用供电线!

  某个盒子的线就只给某个盒子用,某张pc卡的供电线只能给那个型号的卡用。

  供电线的接口电压定义各有不同,乱插轻则烧盒子,重则烧硬盘。

  8、如何让移动硬盘跑得更快?

  copy大的文件肯定比细碎的小文件有效率,下面的的数据都是针对大文件copy的。

  (1)usb1.1 必须升级为usb2.0。台机有pci的usb2.0卡, 笔记本有pc卡的usb2.0卡。买卡时不能贪便宜,100元以下的笔记本卡,50元以下的台机卡都不要买。

  (2)硬盘的型号要新一点,一般02年起生产的盘都有跑到15M/s+的能力。

  (3)usb接口 : 首先供电要足。控制芯片 以NEC或者INTEL ICH4/5南桥带的为佳, 其次ALI ,最次VIA。不过这些芯片其实都有15M/S的能力,还要看pcb板的设计和做工。

  (4)盒子要好。芯片的选择 ISD300 > ALI 5621> meson?(忘了型号)> GL811 =ALI (猥琐版,型号忘了,很小),NEC的桥接芯片很少用在硬盘盒子上,一般都是在光驱盒子里使用,NEC的也很不错,可以和ISD300相比。 实际上GL811也有跑到18M/s的水平,和转接卡一个道理,速度更看pcb的设计与做工。 卡和盒子,拣贵的买肯定没错的。

  (5)本地硬盘也要足够快。

  (6)usb1.1的速度是1M/s ,usb2.0的及格水平是10M/s, 如果不足10M/s, 那么在 笔记本硬盘, 盒子, 接口, 本地硬盘之中至少有一个瓶颈。 我用ASUS intel 845PE主板,元古双接口盒子(ISD300),hitachi 80GN的硬盘,本地硬盘ST7200.7, 速度可以达到 22M/s, 同样平台用罄城GL811的盒子也达到了18M/s。 22M/s已经几乎是硬盘传输速度的极限了,似乎这个时候usb2.0的带宽还没有喂饱。 劣质usb卡甚至只能跑到4M/s足见差距。

  (7)太多细碎的小文件也可以用winrar打包后再copy。

  9、1394移动硬盘的专述:

  (1)供电: 机器自带的6针1394口额定电流为1A,已经足够带动所有移动移动硬盘,甚至台机硬盘。 4针口不供电,必须给移动硬盘另外供电。 pc卡接出来的1394也不能供电,必须给pc卡或者移动硬盘工供电。

  (2)1394接口: 以TI双芯片为最佳;ricoh的也很不错,不过很少出现在零售的卡里, IBM X系列板载的常常是ricoh的,ALI的还可以, VIA的最差(一般台机主板板载都是这个),不过还是那句话,做工比芯片重要。

  (3)盒子: 一般的移动硬盘的1394都是用oxford911 桥接的,没看到缩水的芯片。oxford922是一个更加优秀的IC,单芯片搞定usb2.0/1394双接口,现在已经有一些高档3.5寸硬盘盒使用,2.5寸的盒子还没有看到。 PL-3507是台湾一家ic设计公司的产品,同样是单芯片双接口,性能待测,我刚看到产品。

  (4)实测: 我的平台用了一个TI双芯片的PCI1394卡, 元古双接口盒子(oxfd911),80GN,速度也是22M/S。 曾经测试过的顶峰速度也有24M/s。 而同样的盒子和硬盘在compaq X1000(板载VIA1394IC),速度是17-18M/s 。

  (5)1394的最大优点是CPU占有率低。

  10、妥善保护你的移动硬盘。

  切忌摔打,轻拿轻放;

  注意温度,太热就停;

  干燥防水,先删再拔 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值