9700 功耗测试软件,i7-9700K功耗、同频测试及总结

本文对比了i7-9700K和i7-8700K在同频下的性能,包括CPU-Z、CBR15、国际象棋、3DMark等测试项目。结果显示,尽管i7-9700K价格稍高,但在性能上有约8%的优势,且拥有更好的散热。对于追求性能的用户,i7-9700K是更好的选择,但性价比方面,i7-8700K仍有其价值。
摘要由CSDN通过智能技术生成

功耗与温度测试

由于无法单独测试某个硬件的功耗,所以下面的都是整机的功耗,分别是三种应用场景,游戏满载选择的是《古墓丽影11》Benchmark过程中的整机功耗峰值,CPU满载则是Prime95运行FPU烤机测试、显卡空载。

24078c3e8d05a53dcc6bc22b5e1b358e.png

eaad3a48c96e569225d428b57d70b0bf.gif

两代i7同频测试

两代i7同频下谁更强?想必这个问题会困扰着不少玩家,毕竟i7-9700K虽然有了8个物理核心,但是没有了超线程,线程数目足足少了4个。这个评测也是有意义的,毕竟i7-8700K虽然使用硅脂,但是全核超频到4.7GHz还是很轻松的,假如同频下价格相对便宜的i7-8700K性能更强,自然也还有选购价值,话不多说,下面我们就开始测试。八代、九代酷睿同频测试

型号i7-8700K@4.7GHzi7-9700K@4.7GHz差距

CPU-Z多核成绩42354296+1%

CPU-Z单核成绩550562+2%

CBR15多核成绩154315490%

CBR15单核成绩2032030%

国际象棋2690627352+2%

3DMark FSE物理分2048919257-6%

X264 BenchMark50.1555.35+10%

Winara BenchMark21211kb/s16905KB/s-20%

古墓丽影11游戏平均帧141143+1%

奇异小队游戏帧2182190%

综合性能百分比100%99%-1%

PConline评测室总结

eaad3a48c96e569225d428b57d70b0bf.gif

按惯例先堆综合性能百分比。

eaad3a48c96e569225d428b57d70b0bf.gif

i7-9700K凭借更高的频率和规格,综合性能也比i7-8700K要强8%,对比AMD的旗舰Ryzen 7 2700X也要强9%。

考虑到价格因素,现在i7-9700K要比i7-8700K贵上400元,对比Ryzen 7 2700X贵900元。虽然i7-9700K对比i7-8700K价格要高13%,但考虑到性能的提升加上钎焊,而且现在也很难买到i7-8700K的散片,还是有一定的购买价值,但不是十分高,毕竟i7-8700K也能超频,当然大家都是默频的话i7-9700K还是要强上不少。对比AMD这边的话,讲道理在散片出来之前,i7-9700K和Ryzen 7 2700X已经不是一个定价区间的竞品了,标价足足相差了1/3。还是那句话,追求性价比或者对3D渲染能力和对多线程要求较高选择锐龙,若追求更全面的极致的性能包括游戏性能体验则九代i7是更好的选择。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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