检验新买内存条的真假

简介:

 

 五一的时候新买了一个笔记本,内存只有2G,而系统是win7,用了一周,觉得内存不够用啊,win7本身就占了1.2G的内存,再开个eclipse,和VMWare,就用完2G了,于是前天周日在淘宝上买了根4G的现代的内存(Hynix 现代 海力士4G DDR3 1333 PC3-10600S 笔记本内存),这是因为我本机的内存也是这种类型的(Hynix 现代 海力士2G DDR3 1333 PC3-10600S 笔记本内存)。
    今天终于收到啊,真高兴,但是换上之后,发现系统变快。当时怀疑是假的,于是拿360硬件检测(鲁大师)功能测试,发现内存的型号和大小都对,但是还是不放心,因为我知道是有软件可以把内存里的信息改掉的,例如把频率从667改为1333,而且网上有个说法"99%的现代内存都是假的"。我通过下面的方法可以确认这条内存是真的。
    1.外观,查看内存条的电路是否清晰,内存块上的文件是否清晰,是否有打磨过的痕迹(打磨技术是最拙劣的手段,更高明的是自己组装并生产)。
    2.外观看不出什么问题,那就拿软件测试,测试最好有对比对象,例如拿本机的内存做对比。理论上频率,型号一样,容量不一样的内存条的性能测试出来是一样。
    2.1 初级测试,拿360硬件检测(鲁大师)功能测试
这里可以看到型号和频率,和生产日期,但是这只是初级测试,因为鲁大师只是把内存里保存的信息读出来
 

 

  2.2 中级测试,cpu-z
     cpu-z里测试的内存信息主要看当前内存频率是否和原装的一样,即可
    我的原装内存条2G:缺少忘了截图了
    新买的内存条:

 

3.高级检测,这回我们主要比较的是性能,使用everestultimate工具检测,这个软件在天空软件上有,不过最好找个注册码。
  运行工具里的内存检测功能
  检测结果:
  我的原装内存:

 

新买的:

 

可以看到两个内存条的性能都相同,至于为什么检测出来的都是1066,网上有人说是因为cpu或者主板频率的关系。

另外点击"超频"菜单,还能看到内存条里的信息

         本文转自yifangyou 51CTO博客,原文链接:http://blog.51cto.com/yifangyou/608506 ,如需转载请自行联系原作者



相关文章
|
5月前
|
运维 前端开发 数据可视化
【CodeBuddy】一句话开发一个完整项目之:响应式栅格布局生成器
本项目是一款基于原生HTML/CSS/JavaScript的可视化栅格生成器,旨在提升响应式网页布局开发效率。通过动态调整列数、间距及颜色等参数,实时预览布局效果并生成可复用CSS代码。核心功能包括动态栅格控制、样式同步与代码生成,解决多输入控件同步、跨浏览器兼容等问题。适用于教学演示、原型设计和主题定制等场景。未来计划支持断点配置与SCSS导出,进一步优化用户体验。项目实践了CSS变量、原生API交互等技术,强调“所见即所得”原则,降低用户认知成本。
115 0
【CodeBuddy】一句话开发一个完整项目之:响应式栅格布局生成器
|
9月前
|
存储 缓存 数据处理
Pandas高级数据处理:缓存与持久化
本文介绍 Pandas 中的缓存与持久化技术,涵盖其意义、常见方式及问题解决方案。缓存可提高效率、减少重复计算;持久化则优化资源使用。文中探讨内存缓存、文件系统和数据库持久化,并提供代码示例,如 LRU 缓存、Parquet 格式保存及 SQLite 数据库交互,帮助读者理解和应用这些技术。
237 73
|
5月前
|
负载均衡 安全 应用服务中间件
《Nginx反向代理MinIO集群全实战:负载均衡配置、SELinux安全策略与生产环境调优指南》
SELinux(Security-Enhanced Linux) 是 Linux 内核的一个安全模块,用于提供强制访问控制(MAC, Mandatory Access Control),比传统的 Linux 文件权限(DAC, Discretionary Access Control)更严格。用执行命令时不受SELinux的限制,但Nginx Worker 进程:以。在一台新的虚拟机或现有虚拟机上安装 Nginx,这里使用。),确认请求被正确转发到 MinIO 集群。编辑 Nginx 配置文件。
459 1
|
小程序 API
微信小程序踩坑- tabBar.list[3].selectedIconPath 大小超过 40kb
微信小程序踩坑- tabBar.list[3].selectedIconPath 大小超过 40kb
322 0
|
机器学习/深度学习 决策智能
**批量归一化(BN)**是2015年提出的深度学习优化技术,旨在解决**内部协变量偏移**和**梯度问题**。
【6月更文挑战第28天】**批量归一化(BN)**是2015年提出的深度学习优化技术,旨在解决**内部协变量偏移**和**梯度问题**。BN通过在每个小批量上执行**标准化**,然后应用学习到的γ和β参数,确保层间输入稳定性,加速训练,减少对超参数的敏感性,并作为隐含的正则化手段对抗过拟合。这提升了模型训练速度和性能,简化了初始化。
193 0
|
机器学习/深度学习
通过学习曲线识别过拟合和欠拟合
本文介绍了如何利用学习曲线识别机器学习模型中的过拟合和欠拟合问题。过拟合发生时,模型过于复杂,对训练数据过拟合,导致测试集表现不佳;欠拟合则是因为模型太简单,无法捕获数据模式,训练和测试集得分均低。学习曲线通过绘制训练和验证损失随训练样本增加的情况来辅助判断。对于过拟合,学习曲线显示训练损失低且随样本增加上升,验证损失降低但不趋近训练损失;欠拟合时,训练和验证损失都高,且两者随着样本增加缓慢改善。通过学习曲线,我们可以调整模型复杂度或采用正则化等方法优化模型泛化能力。
383 0
|
NoSQL Linux Redis
Windows系统下安装Redis详细步骤
本文介绍Windows系统下安装Redis详细步骤
6188 1
Windows系统下安装Redis详细步骤
|
Linux 开发者 Python
探索PySimpleGUI:一款简洁易用的图形用户界面库
探索PySimpleGUI:一款简洁易用的图形用户界面库
1218 0
探索PySimpleGUI:一款简洁易用的图形用户界面库
Flutter中的无名英雄——Focus
Flutter中的无名英雄——Focus 在Flutter中,Focus是一个非常强大的组件,它可以接受用户输入和处理焦点事件,是实现交互功能的重要组成部分。
329 0