10606g海力士超频参数设置

进入BIOS点超频设置，点BIOS点更新，即可设置好。

显卡不是随意可以超频的，需要看显卡的体质，显卡芯片体质超好的，最高可以再超频15％，一般的只可以超频5-10％。

因为现在gtx1060 6g，早就是非公版产品，自身本身就是已经超频了，虽然厂家非公版超频的有限，在想大幅超频，提升不多了。

硬件的超频限制：

由于主要中央处理器生产商均意识到用户超频电脑后所导致他们损失的问题，其中一个原因是因为部分买家只会购买比较便宜的产品予以超频，以得到较贵产品相同或更高的效能，这就冲击到了较贵产品的销售。

故Intel率先于生产Pentium MMX时限制了中央处理器的最高倍频，及后发展至完全锁定中央处理器的倍频，使得超频中央处理器时的难度增加及可超幅度减少。

但部分厂商会出售较高价的不锁定倍频版CPU供超频玩家使用，另外仅提供电脑厂商在新产品上市前开发测试用的工程样品（Engineering Sample）CPU常见不锁倍频，但此种CPU极少在一般零售通路贩卖。

自从接触了机器学习后，在很多地方如书籍和文献中经常会看到有一类参数叫超参数（hyperparameter），其中提超参数最多的地方是在支持向量机（SVM）和深度学习（Deep Learning）中，比如支持向量机中的松弛因子：

上式中的C就是松弛因子，这个参数在支持向量机中不像参数W那样，可以通过优化学习得到。还有深度学习中的超参数，如学习率（Learning Rate），在训练深度网络时，这个学习率参数需要提前指定，比如最近设为0.09等。

那么问题来了，到底什么是超参数（hyperparameter）？在很多教材和文献中都是默认你理解超参数的定义的。如果不知道超参数的定义的话，有些文献中的话可能不好理解，比如在机器学习中，尤其是在支持向量机中，为什么有些文献要把数据集分割成训练集，验证集和测试集，而不是直接分割为训练集和测试集？只有理解了何谓超参数，才会明白某些文献中这样分割的道理。

什么是超参数呢？先来看一下超参数的学院风定义：在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果。

超参数的通俗定义：超参数也是一种参数，它具有参数的特性，比如未知，也就是它不是一个已知常量。一种手工可配置的设置，需要为它根据已有或现有的经验指定“正确”的值，也就是人为为它设定一个值，它不是通过系统学习得到的。

下面主要看看超参数在机器学习中的定义及示例：

在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数。 相反，其他参数的值通过训练得出。

超参数：

1. 定义关于模型的更高层次的概念，如复杂性或学习能力。

2. 不能直接从标准模型培训过程中的数据中学习，需要预先定义。

3. 可以通过设置不同的值，训练不同的模型和选择更好的测试值来决定

超参数的一些示例：

1. 树的数量或树的深度

2. 矩阵分解中潜在因素的数量

3. 学习率（多种模式）

4. 深层神经网络隐藏层数

5. k均值聚类中的簇数