伪装成 Chrome,Yandex 浏览器稳定性大幅提升
用户熟知的 Chrome、Edge、Brave、Vivaldi 和 Opera 都是基于 Chromium 的浏览器,在大家的认知中,这些浏览器的性能应该都差不太多,各个浏览器之间的主要差别可能就是界面和一些功能。只不过从最近的测试来看,情况并非如此。
Yandex Browser 是俄罗斯搜索巨头 Yandex 在 2012 年推出的浏览器,同样基于 Chromium,其特点是内置了卡巴斯基的反病毒技术来保护用户安全。近日 Yandex 浏览器性能团队的负责人 Maxim Smirnov 在官方博客的一篇名为「命名很重要」的文章中表示,他们仅仅就是将浏览器的可执行文件改名为 chrome.exe,就大幅降低了 GPU 进程的崩溃率和内存占用。
事情的起因是 Maxim Smirnov 的团队发现了一个触摸板滚动问题,该问题影响了 Yandex 浏览器,但在同一台设备上,Chrome 和 Edge 却没有受到影响。在技术层面,Yandex 浏览器使用的触摸板事件处理逻辑与 Chrome 这些浏览器完全相同,因此他们就想到重命名 Yandex 浏览器的可执行文件是否会改善浏览器的性能。最后证实,当 Yandex 将其浏览器的可执行文件从 browse.exe 重命名为 chrome.exe 时,滚动问题就得到了解决。
结果令我们非常惊讶,对于实验组中使用 AMD 显卡的用户,GPU 进程崩溃的次数减少了 5.5 倍,GPU 进程的内存占用平均减少了 8%,网页的打开速度和界面响应速度也略有加快。
通过简单修改可执行文件的名称就能改进性能和稳定性,也表明 AMD 的驱动程序对某些功能或优化使用了「硬编码」的进程名称列表,而 Yandex 的浏览器并不在该列表中。
Yandex 目前已经联系了 AMD,要求将他们的浏览器也加入列表。只不过要想获得这个优化就必须等待 AMD 推出新版驱动程序,届时也需要用户更新驱动程序,为了让用户提前用上 “优化” 过的 Yandex,它们决定在 22.9.0 版本率先做出改变,就是把自己 “伪装” 成 Chrome。
目前 Yandex 使用了 Chromium 的一个内部功能,只有 GPU 进程本身被替换成了 chrome.exe,Yandex 浏览器的可执行文件名称依然保持不变。打开任务管理器的用户仍然会看到 browser.exe 是 Yandex 进程的名称。
Yandex 表示这个改进是在采用 AMD 显卡的设备上发现的,目前还不清楚 NVIDIA 的显卡是否也受此影响。除了 Yandex 浏览器,现在也还不清楚其他基于 Chromium 的浏览器是否也受到这个问题的影响,各个浏览器厂商可以进行类似的测试来验证这一点。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
微软上线基于文字生成图像服务:Bing Image Creator
微软上线了 Bing Image Creator,这是一项采用 AI 技术的基于文字生成图像服务,底层采用了 OpenAI 提供的高级版 DALL∙E 模型。用户只需要使用文字描述想要的图片,即可创建对应的图像。 该服务目前已被集成到 Bing Chat 中: 同时也提供了独立的在线版本:https://cn.bing.com/create。Bing Image Creator 目前仅支持英文,微软表示未来会提供更多的语言支持。 下图是输入“Open Source China”,Bing Image Creator 生成的图像。 此外,微软表示 Bing Image Creator 预览版也将在 Microsoft Edge 中提供,使其成为第一个也是唯一一个集成了人工智能图像生成器的浏览器。用户如果需要在 Edge 中使用 Bing Image Creator,只需单击测边栏中的 Bing Image Creator 图标即可创建图像,或从 Edge 中的 Bing Chat 进行调用。 详情查看发布公告。
- 下一篇
CosineWarmup理论与代码实战
摘要:CosineWarmup是一种非常实用的训练策略,本次教程将带领大家实现该训练策略。教程将从理论和代码实战两个方面进行。 本文分享自华为云社区《CosineWarmup理论介绍与代码实战》,作者: 李长安。 CosineWarmup是一种非常实用的训练策略,本次教程将带领大家实现该训练策略。教程将从理论和代码实战两个方面进行。 在代码实战部分,模型采用LeNet-5模型进行测试,数据采用Cifar10数据集作为基准数据, Warmup最早出现于这篇文章中:Accurate, Large Minibatch SGD:Training ImageNet in 1 Hour,warmup类似于跑步中的热身,在刚刚开始训练的时候进行热身,使得网络逐渐熟悉数据的分布,随着训练的进行学习率慢慢变大,到了指定的轮数,再使用初始学习率进行训练。 consine learning rate则来自于这篇文章Bag of Tricks for Image Classification with Convolutional Neural Networks,通过余弦函数对学习率进行调整 一般情况下,只在前...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2全家桶,快速入门学习开发网站教程
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- CentOS8编译安装MySQL8.0.19
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7,8上快速安装Gitea,搭建Git服务器
- Hadoop3单机部署,实现最简伪集群
- CentOS关闭SELinux安全模块
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- Linux系统CentOS6、CentOS7手动修改IP地址