Что такое tpu на материнской плате

Что такое tpu на материнской плате

Your Browser Is Not Supported! Please upgrade to latest version: Chrome, FireFox, Opera, Safari or Internet Explorer. Thank You!

Be the first to comment on «Complete Guide on Thermoplastic Polyurethanes (TPU)»

Quick Navigation

• Marketing solutions
• Online courses
• Program analytics
• Become an expert
• About us
• Careers
• Contact us

Stay connected

Subscribe to our Newsletters

Industries Served

Plastics
Elastomers

Coatings
Ingredients

Adhesives
Ingredients

Cosmetics
Ingredients

Polymer
Additives

Процессор Tpu что это такое

Tensor Processing Unit (TPU) – это специализированная интегральная схема (ASIC), разработанная Google для ускорения машинного обучения. Google предлагает TPU по запросу в виде облачной службы глубокого обучения под названием Cloud TPU.

Cloud TPU тесно интегрирован с TensorFlow, платформой Google для машинного обучения (ML) с открытым исходным кодом. Вы можете использовать выделенные API-интерфейсы TensorFlow для запуска рабочих нагрузок на оборудовании TPU. Cloud TPU позволяет создавать кластеры вычислительных блоков TensorFlow, которые также могут включать ЦП и обычные графические процессоры (GPU).

Из этой статьи вы узнаете:

Когда следует использовать TPU?

Cloud TPU оптимизирован для следующих сценариев.

• Модели машинного обучения в основном основаны на матричных вычислениях.
• Основной цикл обучения не использует пользовательские операции TensorFlow
• Долгоиграющие модели, на обучение которых уходят недели или месяцы.
• Модели с очень большими партиями.
• Модели, в которых весь цикл обучения выполняется несколько раз – обычное дело для нейронных сетей.

Облачный TPU не рекомендуется для следующих сценариев:

• Модели, использующие векторную линейную алгебру или поэлементную алгебру (в отличие от матричных вычислений).
• Модели с редким доступом к памяти
• Модели, использующие арифметические операции, требующие высокой точности.
• Модели, использующие пользовательские операции TensorFlow, особенно если они выполняются в основном цикле обучения.

Облачная архитектура TPU

Каждое ядро ​​TPU имеет три типа процессоров:

• Скалярный процессор
• Векторный процессор
• Матричные блоки (MXU) — обеспечивают большую часть вычислительной мощности чипа TPU. Каждый блок MXU может выполнять 16 000 операций умножения за цикл.

MXU используют bfloat16, 16-битное представление с плавающей запятой, которое обеспечивает более высокую точность вычислений модели машинного обучения по сравнению с традиционным представлением половинной точности.

Каждое ядро ​​устройства TPU может выполнять вычисления (известные как операции XLA) по отдельности. Межсоединения с высокой пропускной способностью позволяют чипам напрямую взаимодействовать друг с другом.

Cloud TPU предлагает два варианта развертывания:

• Одиночные устройства TPU, не связанные между собой через выделенную высокоскоростную сеть. Вы не можете комбинировать версии TPU для одного устройства (см. описание ниже) для выполнения одних и тех же рабочих нагрузок.
• Модули TPU — подключение нескольких устройств TPU к высокоскоростному сетевому интерфейсу. Это обеспечивает рабочие нагрузки машинного обучения большим пулом ядер и памяти TPU, а также позволяет комбинировать версии TPU.

Версии ТПУ

Версия TPU определяет аппаратные характеристики устройства. В таблице ниже приведены сведения о последних двух поколениях.

Компания Google объявила о выпуске микросхемы TPU ASIC четвертого поколения под названием TPU v4, которая более чем в два раза увеличивает возможности матричного умножения по сравнению с версией 3, значительно увеличивает пропускную способность памяти и улучшает технологию межсоединений. В тесте MLPerf производительность TPU v4 была в 2,7 раза выше, чем у v3.

Результаты показали, что при аналогичном масштабе предыдущих тренировочных соревнований ML Perf производительность TPU v3 улучшилась в среднем в 2,7 раза. Пожалуйста, подождите терпеливо. Подробная информация о TPUv4 будет опубликована в ближайшее время.

Рекомендации по повышению производительности Cloud TPU

Вот несколько рекомендаций, которые можно использовать, чтобы максимально эффективно использовать ресурсы TPU в Google Cloud.

Производительность компилятора XLA

Ускоренная линейная алгебра (XLA) — это компилятор машинного обучения, который может генерировать исполняемые двоичные файлы для TPU, CPU, GPU и других аппаратных платформ. XLA поставляется со стандартной кодовой базой TensorFlow. Модели Cloud TPU TensorFlow преобразуются в графики XLA, а графики XLA компилируются в исполняемые файлы TPU.

Оборудование, используемое для Cloud TPU, заметно отличается от оборудования, используемого для ЦП и ГП. На более высоком уровне ЦП выполняет только несколько высокопроизводительных потоков, в то время как ГП выполняет много потоков с низкой производительностью. Напротив, облачные TPU с матричными модулями 128 x 128 запускают один очень мощный поток, способный выполнять 16 000 операций за цикл. Этот поток состоит из 128 x 128 потоков, соединенных в виде конвейера.

Поэтому при адресации памяти на TPU предпочтительнее использовать числа, кратные 8 (с плавающей запятой), а при выполнении матричных операций — кратные 128.

Производительность обработки модели

Вот как решить две распространенные проблемы при обучении моделей на TPU:

Предварительная обработка данных занимает слишком много времени

Программный стек, предоставляемый TensorFlow-TPU, позволяет ЦП выполнять сложную предварительную обработку данных перед отправкой данных в TPU. Однако TPU невероятно быстры, и сложная обработка входных данных может быстро привести к возникновению узких мест.

Google предоставляет инструмент анализа Cloud TPU, который позволяет определить, является ли обработка ввода узким местом.»В этом случае вы можете поискать способы оптимизации, например однократно выполнить определенные операции предварительной обработки в автономном режиме, чтобы избежать замедления работы.

Из-за сегментирования размер пакета слишком мал

Размер пакета вашей модели автоматически сегментируется или разделяется между 8 ядрами на TPU. Например, если размер вашего пакета равен 128, истинный размер пакета, работающего на каждом ядре TPU, равен 16. В этом случае TPU будет использовать только часть его емкости.

Чтобы оптимально использовать память в TPU, используйте наибольший размер пакета, который при делении на 8 соответствует объему памяти вашего TPU. Размеры пакетов всегда должны делиться на 128, так как TPU использует для обработки 128 x 128 ячеек памяти.

Последствия тайлинга

Облачные массивы TPU дополняются (или «плитками»), заполняя одно измерение до ближайшего числа, кратного 8, а другое измерение до числа, кратного 128. Компилятор XLA использует эвристику для эффективного упорядочивания данных, но иногда это может пойти не так. Попробуйте разные конфигурации моделей, чтобы определить, какая из них обеспечивает наилучшую производительность.

Учитывать память, которая тратится на заполнение. Чтобы максимально эффективно использовать TPU, структурируйте размеры модели так, чтобы они соответствовали размерам, ожидаемым TPU, чтобы свести к минимуму разбиение на блоки и непроизводительные затраты памяти.

Google TPU с Run:AI

Run:AI автоматизирует управление ресурсами и координацию рабочих нагрузок для инфраструктуры машинного обучения. С помощью Run:AI вы можете автоматически запускать столько экспериментов с интенсивными вычислениями, используя оборудование GPU и CPU.

Наша платформа AI Orchestration Platform для компьютеров с графическим процессором, на которых выполняются рабочие нагрузки AI/ML, обеспечивает:

• Усовершенствованная организация очередей и справедливое планирование, позволяющие пользователям легко и автоматически совместно использовать кластеры графических процессоров.
• Распределенное обучение на нескольких узлах графического процессора для ускорения обучения модели.
• Дробные графические процессоры для беспрепятственного выполнения нескольких рабочих нагрузок на одном графическом процессоре любого типа.
• Отслеживание рабочих нагрузок и использования ресурсов для повышения производительности пользователей.

Run:AI упрощает оркестровку инфраструктуры машинного обучения, помогая специалистам по данным повысить производительность и качество моделей.

Tensor Processing Units (TPU) – специально разработанные Google специализированные интегральные схемы (ASIC), используемые для ускорения рабочих нагрузок машинного обучения. TPU разрабатываются с нуля с учетом богатого опыта и лидерства Google в области машинного обучения.

Cloud TPU позволяет запускать рабочие нагрузки машинного обучения на аппаратном ускорителе Google TPU с помощью TensorFlow. Cloud TPU обеспечивает максимальную производительность и гибкость, чтобы помочь исследователям, разработчикам и предприятиям создавать вычислительные кластеры TensorFlow, которые могут использовать ЦП, ГП и ТПУ. Высокоуровневые API-интерфейсы TensorFlow помогают запускать модели на оборудовании Cloud TPU.

Преимущества TPU

Облачные ресурсы TPU ускоряют выполнение вычислений линейной алгебры, которые широко используются в приложениях машинного обучения. TPU минимизируют время достижения точности при обучении больших и сложных моделей нейронных сетей. Модели, на обучение которых раньше уходили недели на других аппаратных платформах, на TPU теперь сходятся за несколько часов.

Доступность

Облачные TPU доступны в следующих зонах:

Европа

Азиатско-Тихоокеанский регион

Тип TPU (v2)	Ядра TPU v2	Общая память TPU	Регион/зона
v2-8	8	64 ГБ	asia-east1-c

Модель программирования Cloud TPU

Облачные TPU очень быстро выполняют плотные векторные и матричные вычисления. Передача данных между Cloud TPU и памятью хоста медленная по сравнению со скоростью вычислений — скорость шины PCIe намного ниже, чем скорость соединения Cloud TPU и встроенной памяти с высокой пропускной способностью (HBM). . Частичная компиляция модели, при которой выполнение выполняется туда и обратно между хостом и устройством, приводит к тому, что TPU большую часть времени бездействует, ожидая поступления данных по шине PCIe. Чтобы облегчить эту ситуацию, модель программирования для Cloud TPU предназначена для выполнения большей части обучения на TPU — в идеале всего цикла обучения.

Ниже приведены некоторые характерные особенности модели программирования TPU:

• Все параметры модели хранятся во встроенной памяти с высокой пропускной способностью.
• Стоимость запуска вычислений в Cloud TPU амортизируется за счет выполнения множества обучающих шагов в цикле.
• Входные обучающие данные передаются в очередь «входа» в Cloud TPU. Программа, работающая в Cloud TPU, извлекает пакеты из этих очередей на каждом этапе обучения.
• Сервер TensorFlow, работающий на хост-компьютере (процессор, подключенный к устройству Cloud TPU), извлекает данные и выполняет их предварительную обработку перед «передачей» на оборудование Cloud TPU.
• Параллелизм данных. Ядра в Cloud TPU синхронно выполняют идентичную программу, находящуюся в соответствующем HBM. Операция редукции выполняется в конце каждого шага нейронной сети по всем ядрам.

Когда использовать TPU

Облачные TPU оптимизированы для определенных рабочих нагрузок. В некоторых ситуациях вам может понадобиться использовать графические процессоры или ЦП в экземплярах Compute Engine для выполнения рабочих нагрузок машинного обучения. Как правило, вы можете решить, какое оборудование лучше всего подходит для вашей рабочей нагрузки, исходя из следующих рекомендаций:

• Быстрое прототипирование, требующее максимальной гибкости.
• Простые модели, которые не требуют много времени для обучения
• Небольшие модели с небольшими эффективными размерами партий.
• Модели, в которых преобладают пользовательские операции TensorFlow, написанные на C++
• Модели, которые ограничены доступными операциями ввода-вывода или пропускной способностью сети хост-системы.

• Модели, для которых исходный код не существует или его слишком сложно изменить.
• Модели со значительным количеством пользовательских операций TensorFlow, которые должны хотя бы частично выполняться на ЦП
• Модели с операциями TensorFlow, недоступными в Cloud TPU (см. список доступных операций TensorFlow)
• Средние и крупные модели с большими эффективными размерами пакетов.

• В моделях преобладают матричные вычисления
• Модели без пользовательских операций TensorFlow внутри основного цикла обучения
• Модели, которые тренируются неделями или месяцами.
• Большие и очень большие модели с очень большими эффективными размерами пакетов

Облачные TPU не подходят для следующих рабочих нагрузок:

• Программы линейной алгебры, которые требуют частых ветвлений или содержат доминирование алгебры по элементам. TPU оптимизированы для выполнения быстрого и объемного матричного умножения, поэтому рабочая нагрузка, в которой не преобладает матричное умножение, вряд ли будет хорошо работать на TPU по сравнению с другими платформами.
• Рабочие нагрузки, требующие разреженного доступа к памяти, могут быть недоступны на TPU.
• Рабочие нагрузки, требующие высокоточных арифметических операций.Например, арифметика с двойной точностью не подходит для TPU.
• Рабочие нагрузки нейронной сети, содержащие пользовательские операции TensorFlow, написанные на C++. В частности, пользовательские операции в теле основного цикла обучения не подходят для TPU.

Рабочие нагрузки нейронной сети должны иметь возможность выполнять несколько итераций всего цикла обучения на TPU. Хотя это не является фундаментальным требованием самих TPU, это одно из текущих ограничений экосистемы программного обеспечения TPU, необходимое для повышения эффективности.

Отличия от обычного обучения

Типичный обучающий граф TensorFlow состоит из нескольких перекрывающихся подграфов, которые обеспечивают различные функции, включая:

• Операции ввода-вывода для чтения обучающих данных.
• Этапы предварительной обработки ввода, часто связанные через очереди.
• Переменные модели.
• Код инициализации для этих переменных.
• Сама модель.
• Функции потерь.
• Код градиента (обычно создается автоматически).
• Краткие сведения о мониторинге обучения.
• Сохранить/восстановить операции для контрольных точек.

В Cloud TPU программы TensorFlow компилируются компилятором XLA JIT. При обучении на Cloud TPU единственный код, который можно скомпилировать и выполнить на оборудовании, — это код, соответствующий плотным частям модели, подграфам потерь и градиента. Все остальные части программы TensorFlow выполняются на хост-компьютерах (сервере Cloud TPU) как часть обычного распределенного сеанса TensorFlow. Обычно это операции ввода-вывода, которые считывают обучающие данные, любой код предварительной обработки (например: декодирование сжатых изображений, случайная выборка/обрезка, сборка обучающих мини-пакетов) и все части обслуживания графа, такие как сохранение/восстановление контрольной точки.

Рекомендации по разработке моделей

Один чип Cloud TPU содержит 2 ядра, каждое из которых содержит несколько матричных блоков (MXU), предназначенных для ускорения программ, в которых преобладают плотные матричные умножения и свертки (см. Архитектуру системы). Программы, которые тратят значительную часть времени выполнения на умножение матриц, обычно хорошо подходят для Cloud TPU. Программа, в вычислениях которой преобладают нематричные операции, такие как сложение, изменение формы или объединение, скорее всего, не достигнет высокого уровня использования MXU. Ниже приведены некоторые рекомендации, которые помогут вам выбрать и построить модели, подходящие для Cloud TPU.

Одно устройство Cloud TPU состоит из четырех микросхем, каждая из которых имеет два ядра TPU. Поэтому для эффективного использования Cloud TPU программа должна использовать каждое из восьми ядер.

Макет

Компилятор XLA выполняет преобразования кода, в том числе разбивает матрицу на блоки меньшего размера, чтобы эффективно выполнять вычисления на единице матрицы (MXU). Структура аппаратного обеспечения MXU, систолический массив 128×128 и конструкция подсистемы памяти TPU, которая предпочитает размеры, кратные 8, используются компилятором XLA для эффективности листов. Следовательно, некоторые макеты более удобны для разбиения на мозаику, в то время как другие требуют выполнения изменения формы, прежде чем их можно будет разбить на плитки. Операции изменения формы часто связаны с памятью Cloud TPU.

Фигуры

Компилятор XLA компилирует граф TensorFlow как раз вовремя для первого пакета. Если какие-либо последующие партии имеют другую форму, модель не работает. (Перекомпилировать график каждый раз при изменении формы — слишком медленно.) Поэтому любая модель, имеющая тензоры с динамическими формами, изменяющимися во время выполнения, плохо подходит для TPU.

Заполнение

Высокопроизводительная программа Cloud TPU — это программа, в которой плотные вычисления можно легко разбить на фрагменты размером 128 x 128. Когда матричные вычисления не могут занимать весь блок MXU, компилятор дополняет тензоры нулями. У заполнения есть два недостатка:

• Тензоры, дополненные нулями, недостаточно используют ядро ​​TPU.
• Заполнение увеличивает объем встроенной памяти, необходимой для тензора, и в крайнем случае может привести к ошибке нехватки памяти.

Несмотря на то, что заполнение автоматически выполняется компилятором XLA, когда это необходимо, можно определить объем заполнения, выполняемого с помощью инструмента op_profile. Вы можете избежать заполнения, выбрав размеры тензора, которые хорошо подходят для TPU.

Размеры

Выбор подходящих размеров тензора имеет большое значение для достижения максимальной производительности оборудования TPU, особенно MXU. Компилятор XLA пытается использовать либо размер пакета, либо измерение функции, чтобы максимально использовать MXU. Следовательно, одно из них должно быть кратно 128. В противном случае компилятор добавит одно из них к 128. В идеале размер пакета, а также размерность функции должны быть кратны 8, что позволяет извлечь высокую производительность из подсистемы памяти.

Операции

Сервис VPC контролирует интеграцию

Cloud TPU VPC Service Controls позволяет вам определять периметры безопасности вокруг ваших ресурсов Cloud TPU и контролировать перемещение данных через границу периметра. Дополнительные сведения об элементах управления службами VPC см. в разделе Обзор средств управления службами VPC. Чтобы узнать об ограничениях использования Cloud TPU с VPC Service Controls, ознакомьтесь с поддерживаемыми продуктами и ограничениями.

Пограничный ТПУ

Моделям машинного обучения, обученным в облаке, все чаще приходится выполнять логические выводы «на периферии», то есть на устройствах, которые работают на периферии Интернета вещей (IoT). К таким устройствам относятся датчики и другие интеллектуальные устройства, которые собирают данные в режиме реального времени, принимают интеллектуальные решения, а затем выполняют действия или передают свою информацию на другие устройства или в облако.

Поскольку такие устройства должны работать с ограниченным энергопотреблением (в том числе от аккумулятора), Google разработала сопроцессор Edge TPU для ускорения логического вывода машинного обучения на устройствах с низким энергопотреблением. Отдельный Edge TPU может выполнять 4 триллиона операций в секунду (4 TOPS), потребляя всего 2 Вт мощности — другими словами, вы получаете 2 TOPS на ватт. Например, Edge TPU может выполнять самые современные модели мобильного зрения, такие как MobileNet V2, со скоростью почти 400 кадров в секунду и с низким энергопотреблением.

Этот ускоритель машинного обучения с низким энергопотреблением дополняет Cloud TPU и Cloud IoT, предоставляя сквозную (между облаком, аппаратное и программное обеспечение) инфраструктуру, которая упрощает работу с решениями на основе ИИ.

Edge TPU доступен для ваших собственных прототипов и производственных устройств в нескольких форм-факторах, включая одноплатный компьютер, систему на модуле, карту PCIe/M.2 и модуль для поверхностного монтажа. Дополнительную информацию о Edge TPU и всех доступных продуктах можно найти на сайте coral.ai.

Что дальше

• Прочитайте краткое руководство по TPU, чтобы начать работу с ресурсами Cloud TPU.
• Пройдите одно из учебных пособий по Cloud TPU, чтобы узнать, как запускать распространенные рабочие нагрузки машинного обучения на ресурсах Cloud TPU.

Если не указано иное, содержимое этой страницы предоставляется по лицензии Creative Commons Attribution 4.0, а образцы кода — по лицензии Apache 2.0. Подробнее см. в Правилах сайта Google Developers. Java является зарегистрированным товарным знаком Oracle и/или ее дочерних компаний.

Технологии искусственного интеллекта и машинного обучения ускоряют развитие интеллектуальных приложений. Чтобы справляться со все более сложными приложениями, полупроводниковые компании постоянно разрабатывают процессоры и ускорители, включая CPU, GPU и TPU. Однако из-за замедления по закону Мура одной производительности ЦП будет недостаточно для эффективного выполнения ресурсоемких рабочих нагрузок. Проблема в том, как компании могут повысить производительность целых систем, чтобы удовлетворить чрезмерные требования приложений ИИ? Ответ может прийти через разработку GPU и TPU в дополнение к CPU для запуска моделей глубокого обучения. Вот почему важно понимать технологии, лежащие в основе ЦП, ГП и ТПУ, чтобы идти в ногу с постоянно развивающимися технологиями для повышения производительности и эффективности.

Если вы ищете ответы на вопрос, в чем разница между CPU, GPU и TPU? Или как они работают в компьютерной архитектуре? Чтение этого блога может помочь вам ответить на некоторые вопросы о процессорах, графических процессорах и TPU.

Основное различие между ЦП, ГП и ТПУ заключается в том, что ЦП — это процессор, который работает как мозг компьютера и идеально подходит для программирования общего назначения. Напротив, GPU — это ускоритель производительности, улучшающий рабочие нагрузки компьютерной графики и ИИ. В то время как TPU — это специально разработанные процессоры Google, которые ускоряют рабочие нагрузки машинного обучения с использованием (конкретной платформы машинного обучения) TensorFlow. Узнайте больше об ускорении производительности в предыдущей записи блога о выделенном вычислительном оборудовании.

Что такое процессор?

Центральный процессор (ЦП) — это базовый процессор, присутствующий во всех ваших смарт-устройствах. ЦП — это процессор общего назначения, разработанный с несколькими мощными ядрами и большой кэш-памятью, что позволяет ему одновременно запускать несколько программных потоков. Процессор подобен дирижеру в оркестре; он управляет всеми остальными компонентами от памяти до видеокарты, выполняя множество функций обработки для системы.

ЦП имеет по крайней мере одно процессорное ядро, но со временем число ядер увеличивается. Наличие нескольких ядер позволяет ЦП выполнять многопоточность — технологию, которая позволяет ЦП одновременно выполнять две линии выполнения (потоки) на одном ядре. Кроме того, современные ЦП теперь имеют от двух до шести ядер, а некоторые даже имеют от восьми до 64 ядер для ЦП корпоративного уровня, которые обычно зарезервированы для центра обработки данных.

Обзор возможностей ЦП:

• Имеет несколько ядер
• Низкая задержка
• Специализируется на последовательной обработке
• Возможность одновременного выполнения нескольких операций
• Наибольшая загрузка FLOPS для RNN (рекуррентная нейронная сеть)
• Поддержка самой крупной модели благодаря большому объему памяти.
• Гораздо более гибкие и программируемые для нерегулярных вычислений (например, небольших пакетов вычислений без MatMul)

Что такое графический процессор?

ГП (графический процессор) – это специализированный процессор, работающий вместе с ЦП в качестве ускорителя производительности. По сравнению с центральным процессором, графический процессор имеет тысячи ядер, которые могут разбивать сложные проблемы на тысячи или миллионы отдельных задач и решать их параллельно. Параллельные вычисления используют тысячи ядер графического процессора для оптимизации различных приложений, включая обработку графики, рендеринг видео, машинное обучение и даже майнинг таких криптовалют, как биткойн.

За последнее десятилетие графические процессоры стали незаменимыми для разработки глубокого обучения. Благодаря способности ускорять большие матричные операции и выполнять матричные вычисления смешанной точности за одну операцию, графические процессоры могут ускорить глубокое обучение с высокой скоростью. Эта технология параллельных вычислений делает GPU важной частью современных суперкомпьютеров, вызвавших бум искусственного интеллекта во всем мире.

Сводка возможностей графического процессора:

• Имеет тысячи ядер
• Высокая пропускная способность
• Специализируется на параллельной обработке
• Способность выполнять тысячи операций одновременно

Что такое ТПУ?

TPU — это блоки тензорной обработки, представляющие собой специализированные интегральные схемы (ASIC). TPU были разработаны Google с нуля; они начали использовать TPU в 2015 году и сделали их общедоступными в 2018 году. TPU доступны в виде облачной или уменьшенной версии чипа. Облачные TPU невероятно быстро выполняют плотные векторные и матричные вычисления, чтобы ускорить машинное обучение нейронной сети в программном обеспечении TensorFlow. TensorFlow — это платформа машинного обучения с открытым исходным кодом, созданная командой Google Brain Team, чтобы помочь разработчикам, исследователям и предприятиям запускать и использовать модели ИИ на высокоуровневых API-интерфейсах TensorFlow, поддерживаемых оборудованием Cloud TPU. TPU минимизируют время достижения точности при обучении больших и сложных моделей нейронных сетей. Благодаря TPU модели глубокого обучения, которые раньше обучались на GPU неделями, теперь на TPU занимают всего несколько часов.

Обзор возможностей TPU:

• Специальное оборудование для матричной обработки
• Высокая задержка (по сравнению с ЦП)
• Очень высокая пропускная способность
• Вычисления с максимальным параллелизмом
• Высокая оптимизация для больших пакетов и CNN (сверточная нейронная сеть)

Кто такие производители процессоров, графических процессоров и TPU?

Производители процессоров: Intel, AMD, Qualcomm, NVIDIA, IBM, Samsung, Apple, Hewlett-Packard, VIA, Atmel и т. д.

Производители графических процессоров: NVIDIA, AMD, Broadcom Limited, Imagination Technologies (PowerVR)

Производитель ТПУ: Google, Coral (принадлежит Google), HAILO

Когда использовать CPU, GPU или TPU для запуска моделей машинного обучения?

ЦП — это процессоры общего назначения, а ГП и ТПУ — это оптимизированные ускорители, ускоряющие машинное обучение. Может показаться довольно простым, какой из них использовать для запуска рабочих нагрузок машинного обучения. Однако вы можете присмотреться и подумать, какие модели машинного обучения вы используете, чтобы решить, какое оборудование лучше всего подходит для вашей рабочей нагрузки. Вот несколько кратких рекомендаций, которые помогут вам определить, какие процессоры лучше всего подходят для вашего приложения:

• Прототипы, требующие максимальной гибкости
• Обучение простых моделей, не требующее много времени
• Обучение небольших моделей с небольшими эффективными размерами пакетов.
• В основном написан на C++ на основе пользовательских операций TensorFlow.
• Модели с ограниченным вводом-выводом или ограниченной пропускной способностью сети

• Модели, которые слишком сложно изменить, или несуществующие источники
• Модели с многочисленными пользовательскими операциями TensorFlow, которые должен поддерживать графический процессор
• Модели, недоступные в Cloud TPU
• Модели среднего или большего размера с большими эффективными размерами партий.

• Обучение моделей с использованием в основном матричных вычислений
• Обучение моделей без пользовательских операций TensorFlow внутри основного цикла обучения
• Обучающие модели, для завершения которых требуются недели или месяцы
• Обучение огромных моделей с очень большими эффективными размерами пакетов

Как CPU, GPU и TPU подключаются к материнской плате?

Материнская плата – это пластиковая печатная плата, которая содержит различные компоненты компьютера, такие как ЦП, память и разъемы для других периферийных устройств. Материнская плата — это место, где все процессоры, графические процессоры и TPU подключены для связи с другими электронными компонентами системы.

Как процессоры подключаются к материнской плате?

Существует два основных типа ЦП: сокетные ЦП и интегрированные ЦП SoC (система на кристалле). ЦП сокета устанавливаются в слот ЦП на материнской плате. Сокеты ЦП имеют тысячи контактных точек или металлических контактов для питания и передачи данных между ЦП и другими процессорами, подключенными к материнской плате. ЦП сокета обычно подключаются через слот ЦП массива ping-сетки (PGA) или массива наземной сетки (LGA). С другой стороны, SoC — это уникальный набор микросхем, в котором центральный процессор вместе с другими важными периферийными устройствами, такими как память и графический ускоритель, объединены в один кремниевый чип. SoC обычно припаиваются прямо к материнской плате с помощью BGA-подключения и обеспечивают более низкое энергопотребление для IoT и мобильных приложений.

Энергопотребление ЦП и решение для его охлаждения

Потребляемая мощность ЦП – это значение мощности, необходимой для работы ЦП. Значение энергопотребления может быть полезным ориентиром при выборе правильного решения для охлаждения. При выборе решения для охлаждения производители часто используют расчетную тепловую мощность (TDP), чтобы описать, насколько эффективно их решение охлаждает ЦП. Значение TDP определяет, сколько тепла может выделять процессор при высокой нагрузке. Энергопотребление ЦП и TDP тесно связаны, где более высокое энергопотребление приводит к более высокому TDP. Чем мощнее ЦП, тем больше энергии он потребляет и тем больше тепла выделяет при работе с высокой нагрузкой. На рынке доступен широкий спектр процессоров с различными значениями TDP; TDP процессора обычно составляет от 10 Вт до 130 Вт выделяемого тепла. Чтобы выбрать правильное решение для охлаждения, ваше решение для охлаждения и ваш процессор должны иметь одинаковый TDP. Например, для ЦП с TDP 95 Вт требуется решение для охлаждения с TDP 95 Вт. В промышленном секторе безвентиляторные защищенные компьютеры используют пассивные решения для охлаждения ЦП. Безвентиляторное решение может охлаждать процессоры с TDP от 10 Вт до 65 Вт. Для чего-то большего потребуется решение для активного охлаждения, обычно с вентилятором.

Как GPU подключаются к материнской плате?

Графические процессоры — это дополнительные ускорители, которые немного отличаются по способу подключения к материнской плате. Графические процессоры бывают двух основных типов: дискретные графические процессоры и интегрированные графические процессоры. Дискретный графический процессор — это внешний графический процессор, отдельный от центрального процессора. GPU имеет собственную выделенную память, которая отделена от CPU. Дискретные графические процессоры обычно подключаются к слоту PCI Express x16 на материнской плате. Напротив, встроенные графические процессоры встраиваются вместе с ЦП в интегральную схему SoC.

Энергопотребление графического процессора и решение для его охлаждения

Графические карты также сообщают свое энергопотребление и показатель TDP, измеряемый в ваттах (Вт). Типичные дискретные графические процессоры потребляют от 80 до 250 Вт энергии и выделяют от 100 до 300 Вт тепла в зависимости от их рейтинга TDP. Дискретные графические процессоры обычно включают встроенные решения для охлаждения, которые уже соответствуют TDP их видеокарты. Проверка энергопотребления вашего графического процессора и значения TDP помогает решить, какой блок питания (блок питания) приобрести или хотите ли вы установить дополнительные решения для охлаждения для тяжелых приложений разгона.

Как TPU подключаются к материнской плате?

В начале 2019 года Google наконец-то выпустила оборудование из термопластичного полиуретана, которое можно купить у бренда Coral. Текущая спецификация для блоков TPU, которые вы можете купить, может выполнять 4 триллиона операций в секунду (TOPS), потребляя всего 0,5 Вт мощности на каждый TOPS. Сегодня вы можете приобрести три типа оборудования TPU:

1. USB-ускорители TPU с Edge TPU через USB-кабель.
2. TPU, которые подключаются через соединения mPCIe или M.2 (клавиши A+E и B+M). Разъемы M.2 и mPCIe позволяют подключать TPU непосредственно к материнской плате.
3. Вариант TPU Dev Board – это одноплатный компьютер со съемной системой-на-модуле (SoM) для модульных приложений ИИ.

Энергопотребление TPU и решение для его охлаждения

Ускоритель Google Edge TPU ML обеспечивает общую пиковую производительность 8 TOPS (триллионов операций в секунду) при энергопотреблении 2 TOPS на ватт. В качестве решения для охлаждения вы можете прикрепить радиатор или металлический корпус через отдельные термопрокладки на M.2 TPU, чтобы обеспечить успешную долгосрочную работу. Кроме того, крайний ТПУ имеет высокую температуру перехода Tj, с максимальной температурой перехода Tj: 115 ℃. Температура перехода — это самая высокая рабочая температура кремниевого чипа. Температура перехода Edge TPU должна оставаться ниже температурного предела для безопасной работы. Каждый TPU включает датчик температуры для контроля внутренней температуры и указания точки срабатывания для динамического масштабирования частоты (DFS). Растет спрос на TPU для периферийных промышленных приложений из-за их компактного форм-фактора, низкого энергопотребления, отличной эффективности и устойчивости к высоким температурам.

Было показано, что различные технологии обработки предлагают различные преимущества в зависимости от конкретного применения. Новые технологии развиваются стремительно, поэтому крайне важно быть в курсе последних инноваций в области вычислительных технологий, поскольку индустрия искусственного интеллекта и полупроводников продолжает расти в геометрической прогрессии.

Google представила Tensor Processing Units или TPU в 2016 году. TPU, в отличие от GPU, были специально разработаны для выполнения таких операций, как умножение матриц при обучении нейронных сетей. Доступ к TPU Google можно получить в двух формах — облачный TPU и пограничный TPU. Доступ к облачным TPU можно получить из ноутбука Google Colab, который предоставляет пользователям модули TPU, размещенные в центрах обработки данных Google. Принимая во внимание, что Edge TPU — это специально созданный комплект для разработки, который можно использовать для создания конкретных приложений. В следующем разделе мы увидим работу TPU и ее ключевых компонентов.

Ключевые компоненты TPU

Прежде чем перейти к работе с TPU, вот несколько слов, связанных с ним:

Тензоры – это многомерные массивы или матрицы. Тензоры — это фундаментальные единицы, которые могут хранить точки данных, такие как веса узла в нейронной сети, в формате строк и столбцов. С тензорами выполняются основные математические операции, включая сложение, поэлементное умножение и умножение матриц.

FLOP (операций с плавающей запятой в секунду) – это единица измерения производительности вычислительной операции. Пользовательский формат с плавающей запятой, в случае TPU Google, называется «Формат с плавающей запятой мозга» или для краткости «bfloat16». bfloat16 тщательно помещается в систолические массивы для ускорения обучения нейронной сети. Чем выше диапазон FLOP, тем выше вычислительная мощность.

через HT Kung, CMU

Систолический массив – это сеть процессоров, отвечающих за выполнение вычислений и передачу результатов по системе. Он состоит из большого количества обрабатывающих элементов (PE), расположенных в виде массивов, как показано выше. Эти массивы обладают высокой степенью параллелизма и удобны для параллельных вычислений.

Как работают TPU

Tensor Processing Unit (TPU) — специализированная микросхема ASIC, созданная специально для машинного обучения и адаптированная для TensorFlow. Она может выполнять массовые умножения и сложения для нейронных сетей с большой скоростью, при этом сокращая использование слишком большого количества энергии и занимаемой площади.

TPU выполняют 3 основных шага:

1. Сначала параметры загружаются из памяти в матрицу умножителей и сумматоров.
2. Затем данные загружаются из памяти.
3. После каждой операции умножения результаты передаются следующим множителям с одновременным суммированием (скалярным произведением). Это видно на приведенной выше анимации. Затем выходные данные представляются как сумма всех результатов умножения между данными и параметрами.

Типичный облачный TPU имеет два систолических массива размером 128 x 128, объединяющих 32 768 ALU (арифметико-логических единиц) для 16-битных значений с плавающей запятой в одном процессоре. Тысячи умножителей и сумматоров связаны друг с другом напрямую, образуя большую физическую матрицу операторов, которая формирует архитектуру систолического массива, как обсуждалось выше.

TPU позволяет чипу быть более устойчивым к снижению точности вычислений, что означает, что для каждой операции требуется меньше транзисторов. Благодаря этой функции один чип может выполнять относительно больше операций в секунду.

Поскольку TPU специально созданы для обработки таких операций, как умножение матриц и ускорение обучения, TPU могут не подходить для обработки других видов рабочих нагрузок.

Ограничения облачных TPU:

• Рабочие нагрузки, не основанные на матричном умножении, вряд ли будут хорошо работать на TPU
• Если рабочая нагрузка требует высокоточных арифметических операций, TPU — не лучший выбор.
• Рабочие нагрузки нейронной сети, содержащие пользовательские операции TensorFlow, написанные на C++, не подходят

Где они используются

TPU использовались в знаменитой игре AlphaGo от DeepMind, где алгоритмы использовались для победы над лучшим в мире игроком в го Ли Седолем. Он также использовался в системе AlphaZero, которая выпускала программы для игры в шахматы, сёги и го. Google также использовал TPU для своих сервисов обработки текста Street View и смог найти весь текст в базе данных Street View менее чем за пять дней. В случае с Google Фото TPU теперь позволяют обрабатывать более 100 миллионов фотографий в день. Что наиболее важно, TPU также использовались для «мозгов» результатов поиска Google — RankBrain.

Читайте также:

• Что такое системный блок компьютера
• Включить ли все ядра процессора
• Кнопка извлечения PS4 не работает
• Если процессор не работает
• Xeon e5 2620 аналог какого процессора

What Is Thermoplastic Polyurethane (TPU)?

Some smartphone cases advertise their TPU construction, but what makes the material so great?

Readers like you help support How-To Geek. When you make a purchase using links on our site, we may earn an affiliate commission. Read More.

Quick Links

• What’s a Thermoplastic?

• What About Polyurethane?

• Why TPU Is Great for Protecting Devices

• TPU Is Everywhere

If you’re shopping for a smartphone case, your choices in the material are often silicone, polycarbonate, hard plastics, and Thermoplastic Polyurethane (TPU). If you’re wondering what TPU is, we’re going to (figuratively) break it down.

What’s a Thermoplastic?

Plastic, as you probably know, is a (usually) synthetic material made from synthetic polymers. Polymers are substances made up of monomers. Monomer molecules form long chains with their neighbors, creating huge macromolecules.

Plasticity is the property that gives plastics their name. To be plastic simply means that a solid material can be permanently deformed. Plastics can be reshaped by molding, extruding, or applying pressure.

Thermoplastics get their name from how they react to heat. Thermoplastics become plastic at certain temperatures, which is when they are shaped as needed. When they cool down, their new shape becomes permanent until they are heated up again.

The temperatures needed to make thermoplastics pliable are much higher than, for example, your phone will ever be subjected to. So there’s little chance that a thermoplastic product will lose its shape during normal use.

Fused Deposition Modelling 3D printers, which is currently the most common 3D printer on the market, use thermoplastics. A filament of the plastic is fed through an extruder and the printer creates its product in layers that rapidly cool and solidify.

What About Polyurethane?

Polyurethane (PU) refers to a class of organic polymers that are joined by urethane links. «Organic» in this case refers to organic chemistry, which centers around carbon compounds. Carbon is the basis for life as we know it, hence the name.

One of the things that make polyurethane special is that it’s not a specific chemical compound. Polyurethane can be made from a number of different monomers. This is why it’s a «class» of polymers.

Because you can make PU from different materials, it means that different PUs have different properties. Most polyurethane is made into foam, such as kitchen sponges.

Why TPU Is Great for Protecting Devices

Although TPU is made from a variety of materials, products made from TPU generally have elasticity, transparency, and low weight. TPU can be quite thin and retain its strength. The combination of elasticity and strength makes TPU a good choice for protective cases since the material won’t crack, tear, or break under the types of forces a dropped device is normally subjected to.

Another bonus property of TPU is its strong resistance to oils and liquids. So the natural oil and sweat from your fingers shouldn’t stain it!

TPU Is Everywhere

TPU has such a wide range of applications that you almost certainly have a lot of the stuff lying around. Car dashboard panels, power tools casings, hoses, tubes, cable sleeves, shoes, and more are made from or use TPU.

It’s also a fine choice for a smartphone case material, but your phone is already made from some incredible materials such as polycarbonate and Gorilla Glass. So perhaps you don’t have to make the choice at all, and can be one of the brave folks that go caseless. On the other hand, if you really love customizing your phone’s look, there’s an argument to be made for having multiple phone cases.

Что такое tpu на материнской плате

Несколько слов про разгон и энергосбережение ровно двумя движениями пальцев

Доброго времени суток всем и вся. В связи с недавними событиями всё никак руки не доходят Вам написать больше слов про свой переход AMD , другую мат.плату, видеокарту и прочие радости жизни.. Да и вообще писать почаще.

Пока здоровье еще находится в стадии восстановления (хотя и, надеюсь, финального) хочу рассказать о двух замечательных технологиях, условно, реализованных теперь уже аппаратно. Речь пойдет про известный многим EPU и еще не совсем известный многим TPU , которые ныне уже реализованы двумя чипами и двумя переключателями на некоторых мат.платах.

TPU и EPU — авторазгон и энергосбережение

Не смотря на то, что технологии эти существуют, например, у ASUS (или только у них, не знаю как сейчас дела в общем и целом на рынке, а так как заметка пишется в офлайне, то не могу погуглить по-человечески) уже довольно давно, то знают о них почему-то не все.

В общем, как утверждала Википедия:

В начале июля 2010 года ASUS представила новую технологию « Dual Intelligent Processors », которая, согласно анонсу, может мгновенно ускорить ПК на 37 % или уменьшить его энергопотребление на 80 %. Эта технология на аппаратном уровне реализуется двумя чипами, « TurboV Processing Unit » ( TPU ) и EPU , которые отвечают за разгон и энергоэффективность соответственно.

На моей старой P5E Deluxe, которой стукнуло уже черт знает сколько лет, — эта возможность (причем, по-моему только EPU , т.е энергосбережение) была реализована на уровне BIOS и соответствующего ПО под Windows . Сейчас на новенькой плате (да и вообще, как я понимаю, почти на всех новых, что поддерживают эти технологии), оно реализовано двумя чипами..

..и даже физическими переключателем на плате, которые позволяют, — буквально, — двумя щелчками пальцев включить любую из них..

Не знаю как на счет энергосбережения (замеров не делал, да и не очень люблю ограничивать производительность чем бы то ни было), но для неподкованного пользователя TPU — это просто чудо для разгона компьютера, которое частенько избавляет от необходимость лезть в BIOS и многострадально крутить неизвестные ему там настройки. Щелкнул пальцем — включил компьютер, получил прирост производительности.

Например для моего 4 ГГц восьмиядерника от AMD , это щелчок даёт 500 с копейками МГц прироста. Это конечно не заявленные 37% и руками можно выбить еще и побольше, но, согласитесь, что за полтелодвижения рукой, таки приятно.

На сим пока что всё. Оставайтесь со мной и с проектом вообще.

Белов Андрей (Sonikelf) alt=»Sonikelf» /> alt=»Sonikelf» />Заметки Сис.Админа [Sonikelf’s Project’s] Космодамианская наб., 32-34 Россия, Москва (916) 174-8226

Что такое tpu на материнской плате asus

ASUS внедрила в материнские платы технологию Dual Intelligent Processors

16.07.2010 в 06:30 Обновлено: 20.04.2022 в 20:48 ITC.UA ITC.UA

Компания ASUS сообщила о внедрении в свои материнские платы новой технологии Dual Intelligent Processors, предназначенной для увеличения производительности компьютерных систем и более эффективного расхода ими электроэнергии.

Технология Dual Intelligent Processors подразумевает использование дополнительных встроенных на материнской плате чипов – разгонного процессора TPU (TurboV Processing Unit) и энергетического процессора EPU (Energy Processing Unit), – которые позволяют повысить эффективность работы современных многоядерных процессоров, оптимизируя их производительность и энергоэффективность.
TPU – это встроенный на материнской плате чип, предназначенный для автоматического увеличения производительности системы без ущерба для ее стабильности. Он автоматически вносит изменения в параметры работы системы, обеспечивая прирост производительности до 37%. Таким образом, для обеспечения более высокой производительности работы системы теперь пользователю нет необходимости заниматься разгоном вручную. При этом отмечается, что не все время выполняемые на компьютере задачи требуют высокой производительности. Потому вторым дополнительным чипом является энергетический процессор EPU. В его задачу входит мониторинг и управление энергопотреблением системы с целью максимально эффективного использования энергии. EPU обеспечивает снижение энергопотребления в моменты низкой загрузки компьютера, например при таких задачах, как просмотр веб-сайтов, работа с текстом и т.д. Когда же требуется полная вычислительная мощность, происходит автоматический мгновенный переход к обычному режиму работы системы питания материнской платы.

Технология ASUS Dual Intelligent Processors поддерживается широким спектром материнских плат ASUS, полный перечень которых представлен в таблице.

авторазгон TPU и энергосбережение EPU

Этот материал написан посетителем сайта, и за него начислено вознаграждение.

Сегодня уже многие наслышаны о двух вещах — разгон процессора и энергосберегающие комплектующие. Однако, разгон желающие до сих пор проводили исключительно на свой страх и риск, меняя настройки BIOS и экспериментируя. А покупая энергосберегающие комплектующие на компьютер, например, жёсткий диск или видеокарту, пользователь в итоге получал попросту медленную версию изделия (например, жёсткие диски с маркировкой Green работают на оборотах 5400 вместо «стандартных» 7200).

Минул 2010 год. И поскольку технологии не стоят на месте, инженеры компании ASUS разработали принципиально новый подход к эффективности использования составляющих компьютера — это внедрение искуственного интеллекта.

Информация подготовлена для конкурса статей от ASUS «Здравствуй, мама, это я!»
Статья содержит теоретические, практические и экспериментальные материалы. Для повышения информативности и наглядности было набрано большое количество графических материалов (скриншотов, фотографий), но для удобства чтения часть изображений скрыта за ссылками в тексте. Нажимайте на них для открытия графических файлов. Приятного вам и познавательного чтения.

Современные материнские платы ASUS получили в свой арсенал новую современную технологию: DIP — Dual Intelligent Processors, что в буквальном переводе означает «двойные интеллектуальные процессоры». Действительно, DIP состоит из двух компонентов:
1. TPU — TurboV Processing Unit — разгонный микропроцессор.
2. EPU — Energy Processing Unit — энергосберегающий микропроцессор.

Фото 1 и фото 2. Так выглядят микросхемы TPU и EPU на материнской плате.

Концепция DIP заключается в общей оптимизации системы в области энергетической эффективности, производительности и удобства использования. Микропроцессоры DIP не зависят от центрального процессора и способны в полной мере контролировать работу системы, раскрывая её максимальный потенциал. И самое главное — всё это происходит безопасно и в автоматическом режиме, что даёт возможность даже неопытному пользователю получить от своего компьютера всё, на что тот способен.

Схема взаимодействия DIP со всеми компонентами системы:

(нажмите на картинку для просмотра)

Технология DIP может быть использована без установоки программного обеспечения и может быть вызвана с помощью BIOS, или физического переключателя на материнской плате (есть не на всех моделях), или даже специального пульта (есть не на всех моделях), что делает её легко доступной для любого пользователя. Однако, чтобы получить максимальную отдачу от технологий, необходимо установить комплект приложений, позволяющих использовать максимум возможностей DIP.

Перейдём к подробному обзору технологий DIP и практической части.

Конфигурация оборудования:
Процессор AMD Phenom-2 955 3,2 ( ручной разгон достигал 3,9ггц)
Кулер cpu Thermaltake SpinQ VT
Материнская плата MB Asus M4A87-TD
Оперативна память 8gb DDR3 Hynix 1333
Видеокарта ASUS EAH5770 512mb
Блок питания 660w AcBel
Жёсткие диски WD 500gb RE4 + WD 1tb caviar green.

Фирменнные утилиты ASUS, драйверы, вспомогательное ПО и ОС Windows 7 обновлены до свежих версий.

Технология TPU — автоматический разгон системы.

«Не так просто реализовать функцию повышения производительности компьютера, особенно в дружелюбном для пользователя виде, однако мы достигли в этом успеха с процессором TurboV. В то время как настройка системы вручную требует больших знаний и опыта, TurboV окажется полезным даже для новичков», отметил Joe Hsie, глава отдела материнских плат компании ASUS.

Фирменная утилита ASUS TurboV EVO используется для работы с возможностями TPU и позволяет максимально использовать рассматриваемую технологию. Подробно рассмотрим эту программу. Её функции разделены на 3 главных категории:
1. TurboV — обширные возможности повышения производительности системы.
2. CPU Level Up — повышения уровня процессора (на 1 или 2 шага, «превращает» процессор в следующую модель).
3. Turbo Key — назначение горячих клавиш для быстрой активации сохранённых профилей работы оборудования.

Функции TurboV дают нам обширные возможности по тонкому/простому/безопасному/эффективному изменению параметров работы оборудования. В результате мы можем:
1. Получить прирост производительности, даже не обладая специальными заниями и практически ничем не рискуя.
2. Выжать из своего железа максимум, если мы обладаем техническими знаниями и понимаем, что делаем. При этом в случае своей ошибки мы практически ничем не рискуем.
3. Доверить работу автоматике TPU, и получить безопасный оптимальный разгон системы.
4. Доверить работу автоматике TPU, и получить максимально возможный стабильный разгон системы.

ПРЕДУПРЕЖДЕНИЕ: эксплуатация оборудования в режимах, превышающих стандартные заводские параметры, всегда связана с риском выхода оборудования из строя, а так же уменьшением срока службы оборудования. Компания ASUS и автор статьи не несут ответственность за действия пользователей, связанные с разгоном системы.

Итак, начнём детальное рассмотрение функций программы ASUS TurboV EVO.

Ручной режим (Manual).

В ручном режиме мы можем тонко настраивать параметры системы, а именно: базовую частоту процессора, рабочие напряжения и множитель процессора. В выпадающем меню Profile мы можем выбрать один из готовых профилей — Performance, Superior и Ultimate (это соответственно малое, среднее и большое безопасное повышения производительности). Мы так же можем передвигать ползунки настроек для получения нужных нам параметров (сверху вниз: базовая частота процессора, напряжение питания процессора, напряжение северного моста, напряжение оперативной памяти).

Если у нас нажата кнопка More Settings (внизу слева), то мы можем увидеть дополнительные настройки. На вкладке Advanced Mode можно отдельно отрегулировать напряжение шины HT (HyperTransport) и NB (северного моста). На вкладке CPU Ratio можно задействовать разблокировку процессорных ядер (Turbo Unlocker) и задать на каждое процессорное ядро собственный множитель (для наиболее стабильной работы лучше всё-таки задавать одинаковый множитель всем ядрам).

Установив нужные нам параметры, мы можем нажать кнопку Save Profile, чтобы сохранить собсвенный профиль работы оборудования.

Так же в любое время можно нажать (внизу справа) кнопку OS Default Settings для сброса на заводские настройки, кнопку Apply для применения текущих заданных параметров (в том числе после сброса настроек) и кнопку Undo для отмены последних сделанных изменений в настройках.

ПРИМЕЧАНИЕ 1. Результаты работы в ручном режиме не записываются в настройках BIOS. После перезагрузки система вернётся в штатное состояние. Но, сохранив свой профиль работы оборудования, мы можем моментально активировать его в любой момент.

ПРИМЕЧАНИЕ 2. Мы можем не только повышать, но и понижать настройки. В этом случае мы можем замедлить работу оборудования, при этом снизив энергопотребление и нагрев. В определённых случаях это может оказаться полезным, хотя ASUS TurboV EVO и предназначена в первую очередь для ускорения работы ПК.

Упрощённый режим (Easy Mode).

В упрощённом режиме можно регулировать только базовую частоту процессора. При передвижении ползунка CPU Frequency прочие параметры (напряжение питания процессора, напряжение северного моста, напряжение оперативной памяти) при необходимости будут регулировать автоматикой TPU. После задания параметров мы можем вернуться в ручной режим и сохранить полученный профиль оборудования. Использование простого режима гарантирует стабильность полученных результатов.

Автоматический тюнинг (Auto Tuning).

При использовании автоматического тюнинга мы доверяем настройку системы искусственному интеллекту TPU. От нас требуется лишь указать один из трёх вариантов тюнинга (нажмите кнопку More Settings, чтобы их увидеть):
1. Fast Tuning — малый тюнинг для безопасного оптимального повышения производительности.
2. Extreme Tuning — экстремальный тюнинг для получения максимально возможной производительности.
3. Custom Tuning — выборочный тюнинг (можно разрешить или запретить изменение напряжения, а так же указать частоту оперативной памяти).

ВНИМАНИЕ! Результаты работы автоматического тюнинга записываются в BIOS.

https://amdy.su/wp-admin/options-general.php?page=ad-inserter.php#tab-8

Выбрав вариант тюнинга, нужно нажать кнопку Start, и ждать результатов.

Перед началом тюнинга вы увидите ПРЕДУПРЕЖДЕНИЕ о том, что в процессе тюнинга система может быть перезагружена несколько раз (при возникновении ошибок игнорируйте их и дождитесь окончательных результатов), автоматический тюнинг разгоняет систему и повышает рабочие частоты и напряжения процессора и памяти, записывает изменения в BIOS (эффект от изменений появится после перезагрузки) и проводит стресс-тест для проверки стабильности системы (экран при этом блокируется и нужно дождаться результатов).

В режиме Fast Tuning TPU подберёт оптимальные безопасные параметры, перезагрузит систему и выдаст результат. В данном случае прирост производительности составляет 8%.

В режиме Extreme Tuning TPU будет постепенно повышать значения настроек оборудования, проводя тест стабильности системы после каждого изменения. В случае успешного тестирования TPU записывает новые настройки в BIOS, ещё немного повышает параметры и повторяет тест. Если тест проходит неудачно, происходит перезагрузка системы. Так как стабильные настройки сохранялись в BIOS, после перезагрузки компьютер работает на них. После запуска Windows на экран выводиться итоговый результат. Мы можем так же войти в BIOS и увидеть полученные в итоге значения частот и напряжений. В данном примере итоговый прирост производительности составил 19%. Напомню, что при ручном разгоне я получал 21% прироста. Таким образом можно считать, что результат автоматического тюнинга весьма неплох — если бы я не обладал необходимыми знаниями в сфере ПК, я получил бы почти такой же результат при помощи TPU.

В режиме Custom Tuning можно зафиксировать напряжения — в этом случае TPU не будет их изменять. Кроме того, можно указать, на какой частоте должна работать память. По сути этот режим позволяет добиться максимального безопасного разгона системы. Если мы зафиксируем напряжение и зададим пониженное значение частоты памяти — разгон будет безопасным, оборудование не будет сильнее нагреваться. Однако, результирующий прирост производительности будет более низким.

В завершение обзора утилиты ASUS TurboV EVO рассмотрим оставшиеся две функции:

CPU Level Up — повышение уровня процессора.

Передвигая ползунок, можно «превратить» процессор в следующую, более мощную модель. Повысить уровень в данной аппаратной конфигурации можно дважды, в других конфигурациях количество повышений может быть иным. ВНИМАНИЕ! Эти настройки TPU будет сохранять в BIOS.

Turbo Key — назначение горячих клавиш для быстрой активации сохранённых профилей работы оборудования.

В ручном режим TurboV мы можем сохранять свои настройки системы в виде профилей для их последующего использования. Функция Turbo Key — назначение горячих клавиш для быстрого вызова этих профилей. Здесь нужно просто выбрать комбинацию клавиш, профиль из списка и нажать кнопку Apply для сохранения настроек. После этого мы можем активировать выбранный профиль простым нажатием клавиш (при этом в правом верхнем углу экрана появится специфический пламенный значок). Повторное нажатие отключит его. Таким образом Turbo Key позволяет нам в любой момент переводить компьютер в режим повышенной производительности и так же возвращать в стандартный режим работы. Это очень полезно при работе в полноэкранных приложениях, в том числе в играх.

АВТОМАТИЧЕСКИЙ ТЮНИНГ СРЕДСТВАМИ BIOS
По сути этот тот же Fast Tuning — малый тюнинг для безопасного оптимального повышения производительности, который мы можем получить при помощи утилиты ASUS TurboV EVO. Для использования этой возможности необходимо войти в BIOS и активировать OC Tuner Utility. Компьютер будет перезагружен, уже с новыми параметрами.

ПРОВЕРКА ЭФФЕКТИВНОСТИ
Опции и цифры, которые мы видим, это конечно хорошо, но самое главное — это результат в реальных условиях. Для тестирования использовался STALKER Call Of Pripyat Benchmark с максимальными настройками качества. Для начала был зафиксирован результат до разгона. Затем система была ускорена ASUS TurboV EVO в режиме экстремального тюнинга. Здесь надо отметить, что прирост производительности составил в этот раз 20% — TPU удалось получить ещё немного мегагерц производительности. Затем был запущен бенчмарк на основе популярной игры «Зов Припяти». Настройки качества всё так же на максимуме, а результат радовал уже сразу визуально — кратковременные притормаживания, которые иногда появлялись в штатном режиме, теперь исчезли! И вот мы получаем долгожданный скриншот результатов: максимальный FPS почти без изменений, а вот минимальный и средний вырос — местами почти вдвое! В одном месте есть провал минимального FPS, но вполне мог быть единичный секундный случай, в целом на протяжение всего теста производительность выглядела лучше даже для невооружённого глаза.

Вывод очевидный — технология работает, прирост производительности есть, причём в отдельных случаях очень значительный.

Дополнительно по просьбе в комментариях статьи был проведён тест с разгоном из-под Windows без перезагрузок и сохранений настроек в BIOS. Для разнообразия в этот раз для теста использовался 3DMark Vantage, включающий как тесты графики, так и тесты CPU. Результат на штатных параметрах был зафиксирован, после чего система была разогнана. Я уже прежде разгонял систему вручную (о чём упоминалось в начале статьи), и теперь задал те же параметры утилитой TurboV EVO. После прохождения всех тестов итоговые показатели улучшились (GPU + 433, CPU + 810 очков).

Так же для теста в «боевых» условиях задействован STALKER ClearSky Benchmark. Результаты до и после разгона получились немного странными. Наиболее значимый прирост FPS во втором и третьем проходе составил + 8 в пике. Визуально же я заметил до разгона притормаживание на первом и четвёртом проходе в конце теста, которые после разгона чудесно пропали.

Тем не менее, итоговый вывод — технология разгона работает из-под Windows столь же эффективно, как настройка и сохранение параметров в BIOS. Получается, в BIOS можно даже и не ходить. Тем более, что в случае ошибки и переразгона Reset исправит ситуацию.

Технология EPU — грамотный подход к энергосбережению.
Презентация EPU на сайте ASUS.

В настоящее время существует две версии EPU Engine — EPU-4 и EPU-6. Отличие заключается в количестве компонентов ПК, подконтрольных энергосберегающему процессору EPU. EPU-4 поддерживает четыре компонента — центральный процессор, видеокарту, жёсткий диск и кулер. EPU-6 в дополнение к этому набору регулирует работу чипсета и оперативной памяти.

Оперировать с технологией EPU мы можем при помощи фирменной утилиты ASUS EPU. В рассматриваемом примере программа даёт нам 3 режима работы — автоматический, скоростной и энергосберегающий — материнская плата оснащена EPU-4 (в EPU-6 будет присутствовать ещё два промежуточных режима — турбо и умеренное энергосбережение). На схеме внизу справа можно увидеть преимущества и недостатки выбранного режима работы.

На скриншоте включен автоматический режим. На нём вы так же можете увидеть текущие значения частот, напряжений и температуры оборудования. В автоматическом режиме EPU переключается между скоростным и энергосберегающем режимами в зависимости от нагрузки на систему.

Скоростной режим подразумевает полную готовность к выполнению ресурсоёмких задач.

Энергосберегающий режим переводит оборудование в режим малого потребления энергии. Частота процессора при этом переключается на минимально возможную. В моём примере частота процессора понизилась с 3200мгц до 800 мгц на ядро, а напряжение упало от 1,38в до 1,02в. Это очень значительное изменение в режиме работы, причём на ходу, прямо из под Windows. Кроме того, при переходе в режим экономии энергии процессор начинает меньше нагреваться. В данном случае его температура понизилась в итоге на 4 градуса. Если у вас будет установлен кулер с автоматической регулировкой оборотов — они скорее всего снизятся, в результате уменьшится создаваемый кулером шум. Так же отметим, что замедление системы практически никак не сказывается на качестве работы — на снимках вы можете увидеть, что у меня были запущены разные программы, и они продолжали работать нормально, без «тормозов».

Что мы получаем в итоге? Давайте считать:
1. Пониженное напряжение питания и рабочей — оборудование работает на малой мощности, уменьшается технический износ.
2. Уменьшается расход электроэнергии.
3. Уменьшается нагрев оборудования.
4. Уменьшается создаваемый шум.
5. Моментальная активация и отключения энергосбережения — прямо из под Windows.

В настройках программы можно изменить некоторые параметры для каждого режима.
Перемещая ползунок опции vCore Voltage Downgrade (доступно в автоматическом и энергосберегающем режиме) можно задать режим понижения напряжения. Его можно отключить (не рекомендуется, по крайней мере для режима энергосбережения), указать как высокое или экстремальное. Если мы выберем экстремальное понижение напряжение, EPU предложит провести тюниг для выявления допустимого значения.
Динамическое управление питанием и контроль вентилятора можно оставить по умолчанию. А вот отключение жёстких дисков и дисплея через 20 минут — рекомендуется настроить «под себя». Для кого-то будет удобнее просто отключить эти опции совсем.

ЕЩЁ НЕСКОЛЬКО СЛОВ ОБ ASUS DIP
Развитие технологий Dual Intelligent Processors и их поддержка. ASUS DIP 2.

Вторая версия технологии Dual Intelligent Processors появилась вскоре после первой. Нововведения:
1. Включение TPU и EPU нажатием переключателем на материнской плате. Установка утилит ASUS в этом случае не требуется. Но всё же с программным управлением можно добиться более высоких результатов.
2. BT Turbo Remote (BT GO!) — дистанционное управление через Bluetooth, в том числе при помощи смартфона. Из возможностей: обмен файлами, синхронизация папок, доступ в Интернет, управление мультимедиа, выключение и перезагрузка ПК, и конечно же функция Turbo Key. Технология BT GO! присутствует на платах Maximus Extreme IV и P8P67 Deluxe. BT Turbo Remote поддерживается всеми мобильными платформами: iPhone (on App store), Android, Symbian & Windows.
3. Замена устаревшей BIOS (Basic System Input-Output) на современную EFI (Extensible Firmware Interface), идущую на смену архаичному меню BIOS. EFI, в отличие от BIOS, обладает удобным графическим интерфейсом и, например, отображает показания датчиков температуры с помощью наглядных цветовых шкал, а пункты меню выбираются мышью. Кроме того, EFI поддерживает жёсткие диски ёмкостью до 2,2Тб и обеспечивает более высокую производительность.
4. Новый программируемый контроллер питания Digi+VRM, повышающий надёжность и стабильность работы центрального процессора, обеспечивает более совершенное управление питанием и распределение нагрузки (так, например, материнская плата с восьмифазным питанием CPU и Digi+VRM будет эффективнее, чем шестнадцатифазная без Digi+VRM — значение имеет теперь не количество, а качество). Digi+VRM настраивается в EFI (бывший BIOS) или фирменной утилитой DIGI+ VRM.
5. Система охлаждения Active Cooling, выполняющая перераспределение нагрузки в случае достижения тем или иным компонентом критической температуры. Управляется из BIOS, а так же утилитой T.Probe.

В комплекте некоторых материнских плат присутствует удобный внешний пульт. С него можно загружать один из трёх сохранённых профилей, переключаться между автоматическим и ручным режимом TPU, и «на лету» изменять частоту шины.

Материнские платы с поддержкой технологий DIP:

Технологию DIP второго поколения поддерживают материнские платы: Maximus IV Extreme, P8P67, P8P67 DELUXE, P8P67 EVO, P8P67 PRO, P8P67 WS Revolution.

=> презентационные материалы о технологиях DIP 2 на сайте ASUS

ПОДВЕДЕНИЕ ИТОГОВ И ВЫВОДЫ

ASUS DIP — это тот случай, когда одна голова хорошо, а две — вообще супер! Инженеры ASUS разместили по соседству несовместимые ранее вещи, так сказать Black & Green, а именно повышение производительности и энергосбережение. DIP это:
1. Легко и просто. Начинающий пользователь не должен испытывать затруднений.
2. Интеллектуально. Умные микропроцессоры сделают всё необходимое подачей одной команды.
3. Эффективно. Автоматика работает действительно на высоте. А ручной режим обеспечивает абсолютную гибкость.
4. Безопасно. Пользователь почти ничем не рискует и защищён от собственных ошибок.
5. Доступно. Технологии DIP присутствуют не только на дорогих материнских платах.
6. Перспективно. Технологии регулярно пополняются новыми возможностями и привлекают всё больше новых пользователей.

Материнские платы ASUS отвечают всем современным требованиям и являются лучшим выбором как основа качественных и эффективных компьютеров для любых задач.

Обсуждение и комментарии.

Этот материал написан посетителем сайта, и за него начислено вознаграждение.

Материнская плата ASUS

с двумя интеллектуальными процессорами Материнская плата ASUS

Процессор Intel® Socket 1156 Core™ i7 Процессор Core™ i5/Core™ i3 Процессоры Pentium
Набор микросхем Intel® P55 Express
24 гибридных фазы поддерживает
Технология NVIDIA® Quad-GPU SLI™ и ATI™ Quad-GPU CrossFireX™ ​​
Поддержка True USB 3. 0 и SATA SATA 6 Гбит/с

Сокет AM3 Phenom II/Athlon II/Sempron 100
AMD® 890FX/SB850
Двухканальная память DDR3 2000(O.C.)/1600/1333/1066 с поддержкой
2 слота PCIe X16 с поддержкой SLI и CrossFireX
Настоящая поддержка USB 3.0 и SATA 6 Гбит/с

Технические характеристики и цена могут быть изменены без предварительного уведомления.
© 2010 ASUSTeK Computer Inc. Все права защищены.

Есть ли опыт использования переключателя TPU на мобильных устройствах ASUS с процессором i5 2500K?

JavaScript отключен. Для лучшего опыта, пожалуйста, включите JavaScript в вашем браузере, прежде чем продолжить.

Статус Закрыто для дальнейших ответов.

• 13 декабря 2011 г.
• Добавить закладку
• #1

Привет, у меня есть материнская плата ASUS P8Z68-V-LE, и я заинтригован функцией переключателя TPU. Это по сути «автоматический разгон»? Что самое худшее может произойти, если я включу его? Кстати, у меня есть только стандартный радиатор и вентилятор — я бы, очевидно, следил за температурой.

Кто-нибудь еще использовал переключатель TPU? Опыт?

• 14 декабря 2011 г.
• Добавить закладку
• #2



Нет, я не использовал его специально, но да, по сути, это автоматический разгон. Очевидно, что он динамический, поэтому он будет разгоняться только при загрузке, поэтому не удивляйтесь, если поначалу ничего не изменится.

Я бы не стал слишком беспокоиться о штатном радиаторе. Это то, что, по их предположению, у вас есть.

• 15 декабря 2011 г.
• Добавить закладку
• #3

Я переключил переключатель TPU на моем ASUS P8Z68-V (не Pro) с 2500K. Он перезагрузил BIOS примерно 3 раза, и я получил разгон до 4,32. Это ОС по запросу, проверенная с помощью CoreTemp и SuperPI. Я использую Arctic Cooling Freezer Pro 7. Если я правильно помню, включение переключателя TPU аналогично включению автоматического разгона в BIOS, но переключение приносит больше удовольствия!

• 16 декабря 2011 г.
• Добавить закладку
• #4



Если я правильно помню, включение переключателя TPU — это то же самое, что и включение автоматического разгона в BIOS, но переключение приносит больше удовольствия!

Нажмите, чтобы развернуть. ..

Вы правы. Установка OC Tuner в BIOS на «ok» точно такая же, как и при использовании физического переключателя на материнской плате.

Я бы заменил стандартный HSF на что-нибудь получше, прежде чем разгонять процессор.

• 16 декабря 2011 г.
• Добавить закладку
• #5



Да, и функции TPU, и EPU можно включить с помощью программного обеспечения или встроенного переключателя, поэтому переключатель(и) может не соответствовать тому, что на самом деле установлено в BIOS (но соответствующий встроенный индикатор должен показывать состояние ) — вместо этого для переключения функции следовало использовать мини-кнопки (например, кнопку сброса cmos).

• 16 декабря 2011 г.
• Добавить закладку
• #6



Несколько наших новых плат для энтузиастов имеют встроенную функцию автоматического разгона. Общее мнение, которое я получил, заключается в том, что для неопытного оверклокера здорово получить прирост производительности без необходимости прилагать все усилия для изучения шагов, о которых им обычно нужно знать. Я также слышал, что, хотя вы можете добиться надежного разгона этих процессоров, он не будет таким хорошим, как то, что вы могли бы получить вручную.

What is the difference between TPU 1 and TPU 2?

TPU 1 will overclock just using the multiplier, whereas TPU 2 will overclock BCLK too.

then, What does TPU switch do?

The TPU switch (as mentioned above by skunks68) is a basic Over-clock that will make your CPU run a bit harder with the flick-of-a-switch for a more ‘user-friendly’ achievement using the systems recommended settings. EPU is an Energy efficient setting that makes your system run at a lower speed to save power.

hence, Do I need ASUS AI Suite?

It is not required. It just offers features if you choose to use them. Most settings such as fan control, overclocking, BIOS update can also be done in the BIOS. You do not necessarily need the AI ​​suite.

indeed What does ASUS optimal mode do?

ASUS Optimal: It ‘overclocks’ your whole system and offers more stability if you try to overclock your CPU , so more stability in general. It is more power consuming .

and How do I install ASUS suite?


Installing the AI


1. Head to the ASUS Support Center.
2. Enter your motherboard product name. (Ours is the “Z170 PRO GAMING”).
3. Select the corresponding motherboard listing.
4. Choose Drivers & Tools.
5. Choose your operating system.
6. Hit Utilities.
7. Select ASUS AI Suite 3.
8. Extract the .

What is performance bias in ASUS BIOS? The “Performance Bias” option found in the BIOS adds even more performance to Geekbench, even set to the default Auto mode. By changing it from Auto to Aida/Geekbench, we record gains in each of the five values tested.

Table of Contents

How do you use a MemOK button?

Use the “ASUS MemOK!” button

When the “DRAM LED” LED lights in red on the motherboard, locate the button “MemOK” next to this red LED on the motherboard and press it for 3 seconds. Then, the red LED flashes and the computer will reboot itself. Upon reboot, the message “Memory OK!

How do I enable TPM in ASUS BIOS?


Windows 11: How To

Enable TPM In BIOS



What is AI Suite ASUS?

ASUS AI Suite II is an all-in-one interface that integrates several ASUS utilities and allows users to launch and operate these utilities simultaneously.

Can I uninstall ASUS AI Suite?

When you install or uninstall AI SUITE 3, it will check whether your motherboard is from ASUS. If yes, your command will be conducted, if not, your command will be invalid. It’s suggested to reinstall your operation system if you really want to uninstall AI Suite 3 in this situation.

Where is ASUS AI Suite?

1. Click Windows icon, and click AI Suite 3 to open it. 2. User can monitor CPU frequency, Voltage, Temperature, Fan through AI Suite 3.

Is overclocking safe?

Is overclocking safe? Overclocking is far less dangerous to the health of your components than it used to be – with fail-safes built into modern silicon – but you will still be running your hardware outside its officially rated parameters. … That’s why, historically, overclocking is done on ageing components.

What is DOCP ASUS BIOS?

DOCP: AMD Direct Over Clock Profile (AMD Platform) Load the preset overclock file and DRAM timing from memory SPD chip to quickly overclock to a stable frequency.

What is EZ system tuning ASUS?

EZ Tuning Wizard allows you to view and tweak the overclocking settings of your system. It also allows you to change the SATA mode of motherboard from AHCI to RAID mode.

How do I get into ASUS BIOS?

Press and hold the F2 button , then click the power button. DO NOT RELEASE the F2 button until the BIOS screen display. You can refer to the video.

What is performance enhancer ASUS BIOS?

ASUS Performance Enhancement is a one touch BIOS option that raises the power limit of your 3rd Gen Ryzen CPU to get up to a 17.5% performance boost.

What is Vddcr switching frequency?

What is VDDCR CPU Voltage? Sets the voltage for your CPU on a 1:1 ratio, depending on your motherboard you can either enter a manual value of an offset value. So a value of 1.4000 will set the CPU voltage to 1.4 volts using the manual setting.

What is MemOK Asus?

MemOK! technology was developed to let users increase computer RAM without worry. If the computer fails to boot after installing a new RAM memory module, simply press the easily accessible MemOK! button on the motherboard, which ensures the system boots up successfully.

What does a red DRAM light mean?

The light is supposed to come on. It’s letting you know it’s cycling through boot. It turns itself off automatically. If it stays on it’s a problem, otherwise no worries.

How do I fix RAM red light?

RAM – a lit red LED for RAM or DRAM simply means that the computer RAM is not detected. To fix this, check on your RAM and make sure that all you RAM are inserted to the slots properly.

What is ASUS UEFI BIOS utility?

The new ASUS UEFI BIOS is a Unified Extensible Interface that complies with UEFI architecture, offering a user-friendly interface that goes beyond the traditional keyboard- only BIOS controls to enable a more flexible and convenient mouse input.

What happens if I enable TPM?

The TPM cannot do anything without your operating system or programs doing work with it. Just “enabling” the TPM will do absolutely nothing and will not by itself make files inaccessible.

Is ASUS AI overclocking good?

Using ASUS AI automatic overclocking function, we saw a more significant jump in performance of around 3.7%, with even lower CPU temperatures and a much lower overall power draw, with a maximum CPU VCore load voltage of 1.181 V; this is impressive.

What is AI Suite for?

ASUS AI Suite III is an intuitive central hub that provides access to the vast majority of ASUS monitoring and control utilities on your motherboard. Controls for TPU, EPU, DIGI+ VRM and Fan Xpert can all be found in AI Suite 3, which can also be automated on motherboards with 4-Way Optimization.

ASUS TPU and EPU? What exactly is this?

OK, so I got this ASUS motherboard with a TPU and EPU dip switch on the motherboard. It comes default Disabled.

What exactly is this supposed to do to make your system faster by 37% and cheaper by 80% as it says in the web site.
http://event.asus.com/mb/2010/Dual_Intelligent_Processors/

That sounds kind of like something that you wouldn’t even bother putting a switch on the motherboard for if it’s so great. Should I Enable both of them or what? And is there a reason for leaving it Disabled?

alphaproject

Distinguished

Randum

Honorable

skunkz68

Honorable

Yumi1996

Reputable

[quotemsg=4383035,0,737348]Tpu will over clock your system to a stable mode and will change your settings automatically even if you change them. I had issue with that caused my cpu to overheat. Epu engery efficet mode when your not demands a lot out of it.[/quotemsg]

I am getting some very high temperatures with Tpu enabled. It even hits 90 with a stock cooler when all I am doing is playing borderlands. Did you just disable it and solve the problem?

sheehan469

Honorable

[quotemsg=15242392,0,1904722][quotemsg=4383035,0,737348]Tpu will over clock your system to a stable mode and will change your settings automatically even if you change them. I had issue with that caused my cpu to overheat. Epu engery efficet mode when your not demands a lot out of it.[/quotemsg]

I am getting some very high temperatures with Tpu enabled. It even hits 90 with a stock cooler when all I am doing is playing borderlands. Did you just disable it and solve the problem?
[/quotemsg]
Hey, I just stumbled across this and I know you posted it a month ago but I just wanted to say your /really/ shouldn’t overclock with just a stock cooler, you’re gonna overheat no matter how you go about it that way. Get an aftermarket cooler, maybe try liquid cooling or s/t but don’t do it before then for sure.

Похожие публикации:

1. Famatech radmin vpn ethernet adapter что это
2. Load optimal defaults в биосе что это
3. Memory type как узнать dram calculator
4. Как убрать линии в таблице в excel
Похожие публикации:
1. Как закрепить яндекс почту на панель задач
2. Как найти заметки в вк
3. Как открыть оверлей geforce experience в игре
4. Какие динамики поставить на фронт