世界上最糟糕的显卡?
The world's worst video card?
频道:Ben Eater · 时长:32:47 · 发布:2019-07-05 · 播放:7142445
简介
Ben Eater 解释了 VGA 信号的工作原理,并构建了一个面包板电路,产生正确的同步时序,使显示器识别信号。然后他逐步构建,从简单的逻辑芯片显示图像。
HN 为什么推荐
HN 推荐它作为对视频硬件工作原理的清晰、从零开始的观察,只需基本的逻辑知识即可理解。
任何对逻辑电路有基本了解的人都有足够的背景来理解它。值得一看。 — HN, 2020
中文字幕节选
多年来,计算机在显示器上显示信息最常见的方式 就是通过这个无处不在的VGA接口 但它是如何工作的?计算机需要向它发送什么电信号 才能显示出图像呢? 看这里。这个连接器有15个引脚,但除了一些 接地引脚外,实际上这里有一堆引脚都是接地 我们真正关心的只有五个信号。 有红、绿、蓝、水平同步和垂直同步 其他一些引脚有时会以不同 方式用于计算机和显示器之间通信,比如 显示器支持哪些分辨率之类的事情,但那些都是 可选的。反正我们忽略除那五个引脚之外的所有东西 它的工作原理与老式CRT显示器的工作方式密切相关 在那些老显示器中,有一个电子枪对准屏幕, 周围有电磁铁可以偏转 电子到屏幕的不同部分 然后为了绘制图像,电子束只是扫描 屏幕从左到右、从上到下,大致如此 现代平板显示器实际上并不是这样工作的 但电子束 物理上扫过屏幕的时序仍然定义了 我们需要发送每个像素的时机,而且我们不仅需要 考虑像素的顺序和从一个像素到 下一个像素的时间,还有这些上下左右的边距 让电子束有机会 稳定下来,或者你可以认为它正在加速 在它绘制下一条扫描线之前 然后它消隐,并在 这里右侧有一点额外空间,在电子束摆回左侧之前 电子束摆回左侧也需要时间? 开始下一条扫描线,然后在图像底部也是一样 这里有一些空白扫描线,在电子束 被送回左上角进行下一帧之前 所以有一个基于时序的物理过程 所以即使更现代的显示器不使用相同的物理过程 我们也必须遵循相同的时序才能显示出图像 这个图显示了时序的细节 每条扫描线的可见部分需要一定 时间,然后是所谓的前沿 这只是图像右侧的空白时间,然后是同步脉冲 这是一个单独的信号线,这个水平同步信号 告诉电子束摆回图像左侧 然后后沿是图像左侧的空白时间 在下一条扫描线开始之前 然后在整个帧的末尾也是一样。 所以当你到达帧的末尾。有一个前沿 这是为了考虑图像底部空白扫描线的时间 然后是一个垂直同步脉冲 这是信号,也是电子束 被送回显示器左上角所需的时间 然后有一个后沿,它考虑了 下一帧顶部的空白扫描线 但这里重要的是,对于任何特定的显示分辨率 显示器支持的,我们必须把这些时序搞对 所以水平同步和垂直同步信号 是我们这里连接器上的引脚13和14 我们必须把这些信号的时序 搞对,才能正确显示图像 事实上,对于老式CRT显示器,如果你没有把时序搞对 你实际上可能会损坏显示器,因为你可能会让电子 电子枪指向了不该指向的地方,而我不认为 有可能损坏较新的平板显示器, 但如果你最终损坏了你的显示器 我不想听到这件事,别怪我。其实, 我确实想听到这件事,但别怪我 好了,所以把握好时序很重要, 但确切的时序要求是什么呢? 嗯,如果我们查看VGA信号时序,你可以在第一个链接中看到 有一大堆不同的分辨率和不同的模式, 一块好的显卡会支持其中一堆分辨率, 甚至可能通过那些我让你忽略的数据引脚与显示器通信 来选择最佳模式,但我的目标不是做一块好显卡
HN 上的讨论
实际上,我更兴奋看到Ben Eater在YouTube上的新视频,胜过其他任何东西。他的东西简直太棒了。尽管它比我曾经工作过的层次更低,但它极具娱乐性和教育性。他的6502系列很棒,但我想强调他做的另外几个视频:“让我们构建一个在VGA显示器上显示图像的电路!在这个视频中,我讨论VGA信号如何工作,并构建一个电路,提供正确的同步信号时序,以便显示器识别信号。”[VIDEO] — Diederich, 2020-01
Ben Eater做了一个关于使用面包板电路驱动VGA显示器的视频。他以他一贯惊人的教学风格逐步构建,强烈推荐:[VIDEO] — dimator, 2019-09
Ben Eater有一个很棒的视频[1],关于用简单的门电路和其他基本组件构建显卡。它详细介绍了VGA信号是如何生成的。[1]: [VIDEO] — caymanjim, 2021-06
更极端的是“世界上最糟糕的显卡”[1],它是在面包板上用 mostly 分立逻辑搭建的。太迷人了。[1] [VIDEO] — fowl2, 2021-05
这让我想起了Ben Eater的YouTube视频,他在面包板上用基本门电路搭建一切。他用面包板上的集成电路制作了一块显卡,让我着迷:[VIDEO] — vishnuharidas, 2020-12
相关视频
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- 格雷厄姆数有多大?(特邀罗恩·格雷厄姆) · Numberphile · 8:23
- 驾车回家 - ShaderToy · The Art of Code · 2:01
- 犹他大学计算机科学系 50 周年纪念 · University of Utah · 6:55:03
- JavaScript:好的部分 · Google TechTalks · 1:03:47
- Emacs + org-mode + Python在可重复研究中的应用;SciPy 2013演讲 · Enthought · 21:16
- 第一讲 | 用于视觉识别的卷积神经网络介绍 · Stanford University School of Engineering · 57:56
- 超级任天堂和世嘉 Genesis 在线游戏的未讲述故事 | XBAND · Wrestling With Gaming · 1:04:15
- 费曼:磁铁(以及为什么?) FUN TO IMAGINE 4/ 更高画质版本! · Christopher Sykes · 7:34
- 宇宙中最重要的思想:引言 · Sean Carroll · 6:33
- Tom Lehrer - Wernher von Braun - 带介绍 - 宽屏 · The Tom Lehrer Wisdom Channel · 2:22
- Tom Lehrer - 元素 - 1967年哥本哈根现场影像 · The Tom Lehrer Wisdom Channel · 3:02
- 粉红噪音十小时环境音 屏蔽 掩蔽 - burn in - 放松 · Dalesnale - Noise Ambient · 9:35:19
- Tom Lehrer - We Will All Go Together When We Go · The Tom Lehrer Wisdom Channel · 3:27
- Tom Lehrer - Wernher von Braun · The Tom Lehrer Wisdom Channel · 1:46
- 修复整个 SM64 源代码(疯狂的 N64 性能) · Kaze Emanuar · 18:20
- 世界上最糟糕的显卡?激动人心的结论 · Ben Eater · 24:23