联想拯救者y7000电池耗电快_联想拯救者Y7000P使用一周体验

Anson

买Y7000P可能算是我这么久以来最谨慎的一次购物了,不过可能也是我最满意的购物之一。

到手的那天看着拯救者黑色的包装就已经喜欢上了。作为一个电子设备强迫症,对于包装严谨的水印封条也是非常的满意,很大程度避免了二手机。

首先说一下配置。Y7000P I5 8300H,1050ti. 电源适配器功率135W.

本测评全程垫高哦请注意。野兽模式的开启与否请看说明。

外观

外观方面个人喜欢7KP多于7K,因为不喜欢太张扬的外形,白色的主色调给我一种低调又有实力的感觉。A面带有力量的大Y设计也非常好看

C面的触感很讨喜,平时不容易留下指纹。键盘部分若是打游戏的话asdw区的温度是完全不高的,右方的数字键也差不多,主要的高温区集中在键盘中央和偏上方,所以玩游戏的朋友可以放心了。触摸板的位置也放在了输入区正中央下方,基本不会出现误触(除非兄弟手大)。快捷键一应俱全。媒体键也不例外。即使是影音控也能用的很舒服。

散热风口放置在后面,侧面已经没有风口了。值得注意的是,后风口的笔记本都不适用抽风式散热器,请不要乱购买哦。对于Y7000P,只要有一个垫板提供进风就够了。

接口

左侧usb口+一个耳机麦克风二合一接口。右侧一个usb接口,还有一个novo键,用于reset,和一个电源灯。后方tybe-c,usb,HDMI,网线,电源,防盗锁,和一个DP接口。

键盘触觉回弹很不错,反馈舒服,本测评就是在Y7000P上打完的,完全没有影响我的打字速度,全程没有误触,f和j的识别非常迅速。Asdw的游戏是完全不用虚了。但是玩星际争霸2这样的游戏我还是要适应一段时间。

性能

一周前机器刚到手我就进行了双烤。先解释以下FN+Q的野兽模式的原理。关闭FNQ情况下,功率墙设置在35W,风扇默认速度。打开FNQ,功率墙上升到45W,风扇开到最大。

双烤成绩如下(这个是打开野兽模式的跑分)CPU频率稳定在3.2GHz,温度在90~94度起伏。功率基本稳定在45W,GPU温度在72度左右。机身温度没办法测,只好说一下大概的感受。Asdw区没有不适,数字区也是,将手掌放在键盘中央就会有热感。

CPU单烤就使用CINEBENCHr15来跑分了,首先是不开野兽模式的跑分

下面是开野兽模式的跑分

速度还是挺不错的。

硬盘跑分部分是我使用一个星期后测试的了,只测了固态。因为后台开着qq这个毒瘤还有win10各种服务随机占用硬盘,大家可以大概参考一下两次跑分。个人关闭自动硬盘优化,superfetch,windows search, update服务。

游戏体验

这个星期我用笔记本玩了GTA5,绝地求生,星际争霸2还有守望先锋。说以下大概的设置和帧数。

绝地求生: 画质全中,可视距离100,不开垂直同步。帧数65左右,飞机上可以达到100多,在素质广场可以上80.

附加:bilibili 3000码率 720P 30帧直播此设置吃鸡刚好达到cpu峰值性能,直播满30帧,游戏满60帧,开FN+Q

GTA5,画质全开,线上开车65帧,开飞机80帧,跑毒图70~80帧。

守望先锋,画质超高,即不开高级设置的画质调整开到最高,游戏帧数70帧左右

星际争霸2 画质开满,全部设置顶配,天梯超60帧。具体没测- -不过没人rts需要144吧。

屏幕素质

Y7000P全线电竞屏即高色域+144刷新率。听说Y7000P的高色域是比Y7000的还要好。不过个人没有比较。颜色方面的话我放几组对比图。大家可以大概看一下区别。(虽然说右边的是我用很久的台式辣鸡显示屏了。但是至少大家用上这个屏幕的时候会有非常不错的观感,正常人都是能看得出来的。)

拍摄手机:MIX2S

主要的差别就是,屏幕该白的地方白,不会偏黄偏蓝。两个显示器我已经调到人眼观看亮度基本差不多。色彩的分离也明显更优秀。蓝色还原的很舒服。AOC显示屏已经各种泛黄泛红啦,当然其实不太公平。如果说像我一样做剪辑的朋友,推荐购买高色域,帮助很大,减少色差。

内存在到手一周后加了一天2400的内存。没有2666做双通道。没钱是这样的了。但是提升很大,即使是2400双通道。因为读写分开,速度是几乎翻倍的。具体原理可以自行百度。Gta5帧数有提高,玩gta5的时候内存占用会达到8.2G左右,如果做Pr Ae的朋友,就更有必要加内存了,加载项目的时候内存一定会爆8的。关于加内存的视频也已经放在b站,av29364941。欢迎关注学习讨论。

最后总结一下吧。Y7000P算是我最初在观望Y7000和暗影4之后的等来的一个产品。当时Y7000散热不好,外观对我来说一般般。而暗影4的话隔热不好,烫手。最后看到CJ发布大Y的时候,就感觉有戏了。速度入手。事实证明下手的没有遗憾。不负责任的说233333外观好,性能好,散热猛,游戏爽。买下手不会后悔哦!

最后放一波日常图和拆机图

分割线

——————————————————————————————————

想了解拆机的,B站有上传视频

http://www.bilibili.com/video/av29364941

欢迎捧场

分割线——————————————————————————

为啥现在水军这么多。。还这么没水平。。。知乎看来无脑黑小白越来越多了

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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