- 综合排序
- 最热优先
- 最新优先
- 来自专栏nginx
TF卡速度测评-实测TF卡品牌速度综合性能排名
AS SSD Benchmark 可测试顺序读写、4K 随机读写、4K-64Thrd 读写速度，还能给出综合得分，便于直观对比不同 SD 卡性能；CrystalDiskMark 测试全面且高效，能快速得出 4K 随机写入速度关乎小文件写入效率，如手机拍照时照片以小文件形式存储到 SD 卡，该速度快可减少拍照等待时间。在一些对小文件读写频繁的场景，如物联网设备数据存储，4K 随机读写速度至关重要。 3.4K-64Thrd 读写速度 4K-64Thrd 读取速度体现多线程环境下读取小文件的性能，如多程序同时读取 SD 卡数据。 4K-64Thrd 写入速度反映多线程写入小文件的能力，对多任务处理时的文件写入效率影响大。在服务器存储或多设备同时向 SD 卡写入数据的场景中，该指标能衡量 SD 卡的性能表现。 等级越高，性能越好，UHS-II 卡的读写速度远超 Class 4 卡。不同容量的 SD 卡性能也有不同，大容量卡通常采用更先进的存储技术，读写速度可能更快。
1.5K10编辑于 2025-11-15 - 来自专栏我在本科期间写的文章
TF卡速度测评-实测TF卡品牌速度综合性能排名
AS SSD Benchmark 可测试顺序读写、4K 随机读写、4K-64Thrd 读写速度，还能给出综合得分，便于直观对比不同 SD 卡性能；CrystalDiskMark 测试全面且高效，能快速得出 4K 随机写入速度关乎小文件写入效率，如手机拍照时照片以小文件形式存储到 SD 卡，该速度快可减少拍照等待时间。在一些对小文件读写频繁的场景，如物联网设备数据存储，4K 随机读写速度至关重要。 3.4K-64Thrd 读写速度 4K-64Thrd 读取速度体现多线程环境下读取小文件的性能，如多程序同时读取 SD 卡数据。 4K-64Thrd 写入速度反映多线程写入小文件的能力，对多任务处理时的文件写入效率影响大。在服务器存储或多设备同时向 SD 卡写入数据的场景中，该指标能衡量 SD 卡的性能表现。 等级越高，性能越好，UHS-II 卡的读写速度远超 Class 4 卡。不同容量的 SD 卡性能也有不同，大容量卡通常采用更先进的存储技术，读写速度可能更快。
3.4K10编辑于 2025-04-29 SD和TF卡的应用
TF卡虽然体积小，但功能和SD卡完全相同，只是物理尺寸不同而已。在我目前的项目中，几乎所有的便携式设备都采用TF卡作为存储方案。比如我们为客户开发的一款工业相机，就使用了TF卡来存储拍摄的图像数据。 在我们的项目中，为了保证4K视频的流畅录制，我们要求客户使用UHS-I U3或更高等级的TF卡。 SD卡和TF卡的选型建议3.1 容量选择在选择存储卡容量时，我通常会根据应用的具体需求来决定。对于日志记录类应用，一般4GB到16GB就足够了。 我们使用的是SanDisk的工业级TF卡，经过两年的实际运行，故障率几乎为零。而同期使用消费级TF卡的竞品，在极端温度下频繁出现问题。4. 使用中的注意事项4.1 文件系统的选择在嵌入式系统中使用SD卡或TF卡，通常需要配合文件系统使用。最常用的是FAT32和exFAT。FAT32兼容性好，几乎所有设备都支持，但有单个文件4GB的限制。
88211编辑于 2026-02-23- 来自专栏机器学习/数据可视化
TF-char4-TF2基本语法
as tf import numpy as np tf.convert_to_tensor([1,2,3]) tf.convert_to_tensor(np.array([[1,2,3],[4,5,6 () tf.zeros()/tf.zeros_like() tf.ones([2,3]) a = tf.zeros([2,4]) b = tf.ones_like(a) # 形状相同 自定义数值张量 out = tf.random.uniform(4,10) # 随机模拟网络输出 y = tf.constant([2,3,4,5]) # 随机构造样本真实输出标签 y = tf.one_hot(y, ([4, 32, 32, 3]) tf.reshape(x, [2,-1]) tf.reshape(x,[2,4,12]) tf.reshape(x,[2,-1,3]) 增删维度 增加维度 增加一个长度为 (b, axis=0) # 插入新维度 b = tf.tile(b, multiples=[2,1]) # axis=0上复制1份 x = tf.range(4) x = tf.reshape(x
2.1K20发布于 2021-03-02 解锁存储密码：SD NAND、TF卡、SD卡的应用全景
SD NAND、TF卡和SD卡，虽同属NAND Flash存储介质家族，却因各自独特的“个性”，在不同领域绽放光彩。接下来，让我们一同揭开它们的神秘面纱，深入了解其应用领域、场景及具体产品。 其内部集成了控制器，并且与标准的SD/TF卡接口协议兼容，这使得对主控SOC的要求不高，软件开发也相对轻松。 二、TF卡：便捷存储的佼佼者TF卡，学名Micro SD卡，物理尺寸仅11x15mm ，通过卡座与设备连接，具备可插拔特性，是市面上最常见的便携式存储卡，就像一个小巧的“数据行李箱”，随时随地为设备扩充 三、SD卡：专业领域的中流砥柱SD卡尺寸为24x32mm ，比TF卡大，是TF卡的“前辈”，同样可插拔。虽然在消费电子领域逐渐被TF卡抢占风头，但在专业领域，它依旧是无可替代的存在。 • 劣势显现：不过，在消费电子领域，由于其体积较大，正逐渐被小巧的TF卡取代。
81910编辑于 2025-10-29SD NAND、TF卡、SD卡的应用领域大揭秘
在如今这个数据爆炸的时代，各类存储设备犹如繁星般闪耀，而SD NAND、TF卡和SD卡更是其中的佼佼者。它们看似相似，实则各有千秋，在不同的领域和场景中发挥着独特的作用。 TF卡：随身设备的“灵活存储伙伴”TF卡，也就是Micro SD卡，尺寸仅有11x15mm，通过卡座与设备连接，可自由插拔，就像一个“可随身携带的迷你移动硬盘”。 • 智能手机与平板电脑的“扩容神器”：几乎所有支持存储扩展的安卓手机、平板，都能通过插入TF卡解决“内存不足”的烦恼——用户可自行选择容量，存放海量照片、4K视频、无损音乐和大型应用安装包，无需担心设备自带存储满额 SD卡：专业领域的“高速存储主力”SD卡尺寸为24x32mm，比TF卡大一圈，作为TF卡的“前辈”，它虽在消费电子领域逐渐被小巧的TF卡替代，但在对速度、稳定性有高要求的专业场景中，依然占据不可替代的地位 • 专业摄影与摄像的“核心载体”：单反相机、无反相机拍摄RAW格式照片时，单张文件体积常达20-50MB，高速SD卡能支持每秒十余张的连拍速度，避免因存储速度不足导致“卡拍”；专业摄像机录制4K、8K高码率视频
1.2K10编辑于 2025-11-14- 来自专栏coderhuo
TF卡存储性能调优案例分析
一、背景 二、排查点及优化方法 TF卡控制器有没有问题 TF卡有没有问题 业务层写卡逻辑有没有问题 存储性能的其他优化思路 三、参考资料 本文根据一个实际案例介绍TF卡存储性能调优思路。 如果是IO瓶颈，可能是由于以下几种原因导致的： 芯片TF卡控制器的问题 TF卡本身的问题，也就是常说的”挑卡”，有些卡有问题，有些卡没问题 业务层写卡逻辑不合理导致的问题 TF卡控制器有没有问题 可以用同一张卡在不同的平台上使用 另外，由于写入性能和TF卡状态等因素有关，最好是用多卡多次验证。 通过该实验，我们发现自己的芯片和另一款对标芯片的写入性能差了大概20%，说明芯片TF卡控制器性能还是有差异的。 优化思路： 簇大小设置为4MB，尽量避免一个block中存在多个文件的情况（不同卡的block大小是有差异的，不排除有些卡的block大于4MB）。 降低修改文件的频率：对于mp4文件，降低索引刷新频率，拔卡会导致录像文件最后几秒的数据无法播放（不过可以通过修复算法找回）。
3.7K20发布于 2020-07-27 开箱展示—CS创世SD NAND FLASH(贴片式SD卡TF卡）
最近收到了来自深圳市雷龙发展有限公司寄来的存储卡，奈何最近也没有好的嵌入式项目需要用到，哪这里就简单给大家展示一下吧。 原始包装大概就是这样子了垃，有两个存储芯片和一个简单的转接器，测试的时候可以把芯片焊接到转接器上，等到自己真正开发的时候，可以设计好电路，直接把存储卡焊接到PCB板上，就可以正常读取了。 转接板的一头，其实就跟我们常见的TF卡一样，我们可以直接把它插到读卡器上读取这里也就测试一下，实际使用时肯定不会这样用： 由于我是把tf卡插到读卡器里读取的，读卡器又是USB接口，所以这里被识别成了
1.2K10编辑于 2024-10-25从存储介质到控制器：TF卡4K随机读写性能的底层逻辑
一、问题的提出在嵌入式系统开发中，TF卡（microSD卡）常被用作系统盘、日志存储或数据缓存介质。一个常见的现象是：两张标称顺序读写速度相近的TF卡，在相同的系统负载下，I/O响应表现却差异显著。 这也是即使使用相同闪存晶圆，不同品牌TF卡4K性能仍有较大差距的主要原因。三、实测数据与解读3.1 测试环境与方法测试工具：AS SSD Benchmark。 测试对象：五款8GB-16GB容量TF卡，分别来自闪迪、金士顿、铠侠、米客方德（两款）。 /s>5 MB/s4K读+写均衡4.3 测试方法建议对TF卡进行4K性能评估时，需注意：使用USB 3.0及以上读卡器：USB 2.0的理论带宽480Mbps，实测顺序读写通常被限制在35-40MB/s 本次测试数据显示，不同品牌TF卡的4K随机写入速度差异可达35倍以上。这一差异主要源于控制器FTL算法对小数据块写入路径的优化能力，而非闪存介质本身的物理特性。
41510编辑于 2026-06-10- 来自专栏小鹏的专栏
tf API 研读4：Inputs and Readers
操作 描述 tf.placeholder(dtype, shape=None, name=None) 为一个tensor插入一个占位符 eg:x = tf.placeholder(tf.float32, , [1], [1], [1], [1]] col1, col2, col3, col4, col5 = tf.decode_csv( value, record_defaults=record_defaults ) features = tf.pack([col1, col2, col3, col4]) with tf.Session() as sess: # Start populating the filename class tf.FIFOQueue 在出列时依照先入先出顺序，其他方法与tf.QueueBase雷同 class tf.PaddingFIFOQueue 一个FIFOQueue ，同时根据padding ], batch_size=32, num_threads=4, capacity=50000, min_after_dequeue=10000) #Batching
1.9K100发布于 2018-01-09 - 来自专栏数据恢复教程
TF卡显示RAW：深入解析与高效恢复之道
本文将深入探讨TF卡显示RAW的现象，并提供一种高效的数据恢复方案，帮助用户迅速找回丢失的数据。TF卡RAW格式之谜TF卡显示RAW格式，是许多用户在使用过程中可能遇到的一个棘手问题。 兼容性问题：部分设备或读卡器与TF卡的兼容性不佳，也可能导致TF卡被错误地识别为RAW格式。数据恢复实战：数之寻软件显身手面对TF卡RAW格式的困境，专业的数据恢复软件成为了我们找回数据的“救星”。 三、深度扫描TF卡数之寻软件将启动其深度扫描引擎，对TF卡进行全面、细致的搜索，以寻找所有可恢复的文件。这一过程可能需要一定的时间，具体取决于TF卡的容量、文件数量以及损坏程度。 定期备份：定期将TF卡中的重要数据备份到其他存储介质上，如硬盘、云存储等，以防不测。这样即使TF卡出现问题，也能通过备份快速恢复数据。 选用高质量TF卡：购买时选择知名品牌、质量可靠的TF卡产品，以减少因质量问题导致的数据丢失风险。注意兼容性：在使用TF卡时，注意检查其与设备的兼容性，避免因兼容性问题导致的数据丢失。
1.6K10编辑于 2024-08-27 - 来自专栏SD NAND
SD NAND（嵌入式TF卡）性能测试工具
在存储设备的性能测试中，选择合适的测试工具至关重要。H2testw便是众多用户常用的测试工具之一。这款工具以其简便性和高效性，广泛应用于U盘的读写性能检测，能够准确评估存储设备的性能参数。虽然H2testw主要为U盘设计，但由于SD NAND芯片可以通过转接板接入读卡器，实现与U盘类似的功能，因此H2testw同样可以用于测试SD NAND芯片的性能。
1.5K10编辑于 2024-09-23 - 来自专栏C/C++指南
雷龙CS SD NAND(贴片式TF卡)测评体验
声明：非广告，为用户体验文章 产品介绍 前段时间有幸免费得到了雷龙出品的贴片式的TF卡的芯片及转接板，两片贴片式nand芯片＋一个转接板，一种一个已让官方焊接完好；如下图所示： 正面： 背面： 通过转接板，可以将CS SD NAND(贴片式TF卡)转变为常见的TF卡，利用读卡器插入电脑中当作存储设备使用。 它俗称贴片式T卡，贴片式TF卡，贴片式SD卡，贴片式内存卡，贴片式闪存卡，贴片式卡...等等。虽然SD NAND 和TF卡称呼上有些类似，但是SD NAND和TF卡有着本质上的区别。 （贴片式TF卡），尺寸小巧，简单易用，兼容性强，稳定可靠，固件可定制，LGA-8封装，标准SDIO接口，兼容SPI，兼容拔插式TF卡/SD卡，可替代普通TF卡/SD卡，尺寸6.2x8mm，内置平均读写算法 支持TF卡启动的SOC都可以用SD NAND，提供STM32参考例程及原厂技术支持，容量：2GB，比TF卡稳定，比eMMC易用。 可以看到，雷龙CS SD NAND要远远比TF卡小。
79410编辑于 2025-02-21 - 来自专栏自然语言处理
tensorflow教程-基本函数使用1 tf.argmax()简介2 tf.reduce_mean()3 tf.reduce_sum()4 tf.equal()
实例1 import numpy as np import tensorflow as tf A = np.arange(1, 8, 2).reshape(1, 4) print("A:", A) B 实例2 import tensorflow as tf a = tf.get_variable(name='a', shape=[3, 4], (tf.reduce_sum(A, 1))) print("A中沿Y轴和为：", sess.run(tf.reduce_sum(A, 0))) 结果 A: [[0 1 2] [3 4 5]] A中所有值的和为： 15.0 A中沿X轴和为： [ 3 12] A中沿Y轴和为： [3 5 7] [Finished in 2.4s] 4 tf.equal() tf.equal(real, prediction import numpy as np real = [[1, 3, 4, 5, 6]] # 真实值 prediction = [[1, 3, 4, 3, 2]] # 预测值 with tf.Session
1.6K60发布于 2018-06-07 - 来自专栏工作经验
N1刷了Armbian之后自动挂载硬盘（TF卡）
所有新增硬盘都在/dev/目录下) mount /dev/sda1 /mnts/ //挂载到mnts cd /mnts/ //进入挂载的硬盘 'ls'查看内容 4.
2.9K20编辑于 2023-07-17 NAND Flash（贴片式TF卡）存储新突破，基础示例
2004年2月，闪迪又和摩托罗拉发布了更小巧的microSD卡（也称为TransFlash或TF卡）。 2005年7月，SD卡协会确认了microSD卡规范，传输速度也提升到了约25MB/s。 支持TF卡启动的SOC都可以用SD NAND， 提供STM32参考例程及原厂技术支持， 主流容量：128MB/512MB/2GB/4GB/8GB， 比TF卡稳定，比eMMC便宜。 SD NAND 与 TF卡的区别：（看图表） 现有产品分类 本篇示例代码采用工业级CSNP4GCR01-AMW。容量为512MB。 支持TF卡启动的SOC都可以用SD NAND， 提供STM32参考例程及原厂技术支持， 主流容量：128MB/512MB/2GB/4GB/8GB， 比TF卡稳定，比eMMC便宜。 （将芯片引脚引出为TF 卡） 硬件设备及电路 SD NAND原理图： 探索者TF 卡槽： STM32线路连接 使用SDIO模式， D0接PC8; D1接PC9; D2接PC10; D3接PC11
1.4K10编辑于 2024-05-21- 来自专栏GPUS开发者
【教程】用TF卡启动NVIDIA Jetson Orin Nano开发套件
在列表中，可以看到Jetson Orin Nano、Jetson Nao（含2GB版本）与Jetson Xavier NX开发套件的外形即为相似，都支持用TF（或称microSD）卡开机的方式，至于Jetson 实际操作步骤也相当简单，就是在Ether软件中选择前面下载的镜像文件（例如JP511-orin-nano-sd-card-image.zip），然后将要安装的TF卡（建议至少64GB）安装在USB 选择要刷的目标设备 （TF卡插在USB卡座上），最后点击“FLASH!” 正常刷完系统之后，就能将TF卡从USB读卡器中取出，然后插入开发套件的卡槽中，如下图左①所指示的位置，或者如下图右翻过背后的位置。
2.7K50编辑于 2023-05-30 - 来自专栏全志嵌入式那些事
全志D1-H哪吒直接用PhoenixSuit烧录TF(SDNAND)，避免复杂的插拔TF卡
如题 因为不喜欢插拔卡搞来搞去，喜欢直接USB插上直接干活烧录到底， 那就，看下D1怎么搞TF直接通过PhoenixSuit烧录 TF卡或者SDNAND 第一步，看启动过程的LOG： U-Boot driver ver uboot2018:2021-04-16 14:23:00-1 [03.876][mmc]: get sdc_type fail and use default host:tm4. name :dsp0 part[4] classname :DISK part[4] addrlo :0x7620 part[4] lenlo :0x3f0 part[4] user_type :32768 part[4] keydata :0 part[4] ro :0 part[5] name :recovery part[5] classname :DISK Entry_name = dtb [171]mmc not para [173]Jump to second Boot. 23333 还真就烧录进去了，也不知道这会有什么隐患没，反正我用着很舒服，不用插拔卡了
1.4K10编辑于 2024-02-02 - 来自专栏杨熹的专栏
TensorFlow-4: tf.contrib.learn 快速入门
%E5%BF%AB%E9%80%9F%E5%85%A5%E9%97%A8%E3%80%91/ ---- 今天学习用 tf.contrib.learn 来建立 DNN 对 Iris 数据集进行分类. ("", dimension=4)] # Build 3 layer DNN with 10, 20, 10 units respectively. ---- 在上面的代码中： 用 tf.contrib.learn.datasets.base.load_csv_with_header 可以导入 CSV 数据集。 ，因此用 tf.contrib.layers.real_valued_column,数据集中有四个特征（萼片宽度，萼片高度，花瓣宽度和花瓣高度），因此 dimension=4 。 feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)] 3.
84260发布于 2018-04-03 - 来自专栏核心板
RK3568-IOT核心板不同规格品牌TF卡读写速率测试
测试目的 为了评估系统对不同类型的TF卡读写的性能和稳定性，以及确定系统是否可以正确地读取和写入数据。这对于需要大量使用TF卡存储数据的应用程序（例如，文件传输、备份和储存等）非常重要。 此外，比较不同品牌和规格的TF卡读写速度的测试结果，可以帮助用户选择最适合其应用程序的TF卡。 该报告适用于使用5种以上不同规格品牌TF卡在HD-RK3568-IOT评估板上的读写速度测试。 在读方面，速度最快的是闪迪C10 128G和海康威视C10 16GB，速度最慢的是金士顿C4 8G。 推荐用户使用闪迪C10系列或海康威视C10 1系列的TF卡，这两个型号在读写速度方面都表现不错。 如果用户需要更大的存储容量，可以基于以上两种TF卡进行选择。在写入速度方面，用户可以选择闪迪C10系列TF卡。 总的来说，各品牌规格TF卡可以正常在HD-RK3568-IOT评估板上识别使用，其中闪迪&海康威视&金士顿三种品牌的TF卡在评估板上都有较好的读写性能表现，能较大程度满足使用需求，用户可以选择以上TF卡用于
1.6K30编辑于 2023-03-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号