一、哪几种颜色混合可以调成绿色？
蓝光加黄色
二、计算思维的计算思维
操作模式 计算思维建立在计算过程的能力和限制之上，由人由机器执行。计算方法和模型使我们敢于去处理那些原本无法由任何个人独自完成的问题求解和系统设计。计算思维直面机器智能的不解之谜：什么人类比计算机做得好？什么计算机比人类做得好？最基本的问题是：什么是可计算的？迄今为止我们对这些问题仍是一知半解。
计算思维用途 计算思维是每个人的基本技能，不仅仅属于计算机科学家。我们应当使每个孩子在培养解析能力时不仅掌握阅读、写作和算术（Reading, wRiting, and aRithmetic——3R），还要学会计算思维。正如印刷出版促进了3R的普及，计算和计算机也以类似的正反馈促进了计算思维的传播。
计算思维是运用计算机科学的基础概念去求解问题、设计系统和理解人类的行为。它包括了涵盖计算机科学之广度的一系列思维活动。当我们必须求解一个特定的问题时，首先会问：解决这个问题有多么困难？怎样才是最佳的解决方法？计算机科学根据坚实的理论基础来准确地回答这些问题。表述问题的难度就是工具的基本能力，必须考虑的因素包括机器的指令系统、资源约束和操作环境。
为了有效地求解一个问题，我们可能要进一步问：一个近似解是否就够了，是否可以利用一下随机化，以及是否允许误报（false positive）和漏报（false negative）。计算思维就是通过约简、嵌入、转化和仿真等方法，把一个看来困难的问题重新阐释成一个我们知道怎样解决的问题。
计算思维是一种递归思维 它是并行处理。它是把代码译成数据又把数据译成代码。它是由广义量纲分析进行的类型检查。对于别名或赋予人与物多个名字的做法，它既知道其益处又了解其害处。对于间接寻址和程序调用的方法，它既知道其威力又了解其代价。它评价一个程序时，不仅仅根据其准确性和效率，还有美学的考量，而对于系统的设计，还考虑简洁和优雅。
抽象和分解 来迎接庞杂的任务或者设计巨大复杂的系统。它是关注的分离（SOC方法）。它是选择合适的方式去陈述一个问题，或者是选择合适的方式对一个问题的相关方面建模使其易于处理。它是利用不变量简明扼要且表述性地刻画系统的行为。它使我们在不必理解每一个细节的情况下就能够安全地使用、调整和影响一个大型复杂系统的信息。它就是为预期的未来应用而进行的预取和缓存。计算思维是按照预防、保护及通过冗余、容错、纠错的方式从最坏情形恢复的一种思维。它称堵塞为“死锁”，称约定为“界面”。计算思维就是学习在同步相互会合时如何避免“竞争条件”（亦称“竞态条件”）的情形。
计算思维利用启发式推理来寻求解答，就是在不确定情况下的规划、学习和调度。它就是搜索、搜索、再搜索，结果是一系列的网页，一个赢得游戏的策略，或者一个反例。计算思维利用海量数据来加快计算，在时间和空间之间，在处理能力和存储容量之间进行权衡。
考虑下面日常生活中的事例：当你女儿早晨去学校时，她把当天需要的东西放进背包，这就是预置和缓存；当你儿子弄丢他的手套时，你建议他沿走过的路寻找，这就是回推；在什么时候停止租用滑雪板而为自己买一付呢？这就是在线算法；在超市付帐时，你应当去排哪个队呢？这就是多服务器系统的性能模型；为什么停电时你的电话仍然可用？这就是失败的无关性和设计的冗余性；完全自动的大众图灵测试如何区分计算机和人类，即CAPTCHA[注1]程序是怎样鉴别人类的？这就是充分利用求解人工智能难题之艰难来挫败计算代理程序。
计算思维将渗透到我们每个人的生活之中，到那时诸如算法和前提条件这些词汇将成为每个人日常语言的一部分，对“非确定论”和“垃圾收集”这些词的理解会和计算机科学里的含义驱近，而树已常常被倒过来画了。
我们已见证了计算思维在其他学科中的影响。例如，机器学习已经改变了统计学。就数学尺度和维数而言，统计学习用于各类问题的规模仅在几年前还是不可想象的。各种组织的统计部门都聘请了计算机科学家。计算机学院（系）正在与已有或新开设的统计学系联姻。
计算机学家们对生物科学越来越感兴趣，因为他们坚信生物学家能够从计算思维中获益。计算机科学对生物学的贡献决不限于其能够在海量序列数据中搜索寻找模式规律的本领。最终希望是数据结构和算法（我们自身的计算抽象和方法）能够以其体现自身功能的方式来表示蛋白质的结构。计算生物学正在改变着生物学家的思考方式。类似地，计算博弈理论正改变着经济学家的思考方式，纳米计算改变着化学家的思考方式，量子计算改变着物理学家的思考方式。
这种思维将成为每一个人的技能组合成分，而不仅仅限于科学家。普适计算之于今天就如计算思维之于明天。普适计算是已成为今日现实的昨日之梦，而计算思维就是明日现实。
三、怎样去判断显卡性能
显卡的性能由两个部分决定，一是核心，二是显存。
核心和显存的关系就像电脑中的CPU与内存的关系。核心负责处理运算图形数据，而显存则负责缓存图形数据，核心在运算时要用到的数据都是在显存中调用的，所以显存的性能直接决定了核心调用数据的效率，间接影响了显卡的性能。
当我们运行的3D游戏画面非常细腻时，其复杂的图形运算就需要性能强大的核心来应付，而这时候核心的数据吞吐量是非常巨大的，需要容量和带宽足够强大的显存来缓存这些数据。除了画质外，游戏在高分辨率下的图形运算量也是非常巨大的，所以在大尺寸显示器下玩游戏时，也同样需要性能强大的核心来应付，显存性能也同样要跟上。
从上可知，显卡的核心是影响显卡性能的最大关键，而显存可视做核心的助手，对性能的影响相当于“微调”。
很多初学者对显卡模棱两可，就依靠比较直观的显存容量来判断显卡性能，这个错误是非常严重的，以至于让奸商们用TC卡忽悠了不少初学者，让很多被骗的人在网上到处求助。 下面列出判断显卡的几个要点： 1。核心型号
显卡的档次看的就是核心，毫不夸张的说，不管显存或其它参数差别如何巨大，核心差了一档，性能就差了一档，再强的显存也补不回来。比如GT240、HD5670、GTS250、HD5770等等都代表的是核心型号，只要能记住尽可能多的型号，就能非常方便的判断显卡的高低。当然，也可以参考本站提供的显卡性能排名表。 2。核心参数
参数有很多：
（制作工艺）：比如55纳米、40纳米等等。工艺越先进，功耗就越低，就越能做出高频率的产品
（核心频率）：比如575MHZ、630MHZ、700MHZ等等，频率越高，核心运算速度就越快。
（流处理器数量）：比如48个、96个、216个、800个等等，数量越多，性能越强。不过，N卡和A卡架构不同，相同性能的两个核心，A卡的流处理器数量是N卡的4-5倍，所以两家不能比较流处理器数量。
（流处理器频率）：比如1400MHZ、700MHZ等等，频率越高，性能越强。不过，A卡和N卡架构有区别，N卡的流处理器频率一般是核心频率的两倍以上，而A卡的流处理器频率则与核心频率相同。
3。显存参数
显存的作用之前已经提到，越强的核心就需要越强的显存来辅助，当显存性能不足以辅助核心时，就会限制核心性能的发挥，反过来说，当显存性能超出核心需求时，对性能也不会有帮助，反而会增加成本。当然，无论核心搭配多么弱小的显存，其性能最多也只降一档，不会降两档这么夸张。所以如果有人拿1G显存的GT220跟你换256M显存的GT240，你千万别换，否则会被人当傻瓜的。
下面说说显存的性能。
显存的性能由两个因素决定，一是容量，二是带宽。
容量很好理解，它的大小决定了能缓存多少数据。而带宽方面，可理解为显存与核心交换数据的通道，带宽越大，数据交换越快。所以容量和带宽是衡量显存性能的关键因素。
另外，带宽又由频率和位宽两个因素所决定，计算公式为：带宽=频率X位宽/8。举个例子，两块核心和显存容量相同的显卡，卡1的显存为DDR3 1600MHz频率和128位宽；卡2的显存为DDR2 800MHZ频率和256位宽。看上去两者显存参数不同，但通过公式计算得出，两者都是25.6G/S的带宽，性能是相同的。
所以，只要了解了本质，无论多么复杂多变的产品，都无法忽悠到我们。 （显存容量）：
常见的容量有128M、256M、512M、896M、1G等等。容量越大，能缓存的数据就越多。
（显存频率）：
一般有DDR2、DDR3、GDDR3、GDDR5等几个类型，GDDR5的频率最高，等效频率能达到4GHZ以上。DDR2频率最慢，有些甚至只有667MHZ。
（显存位宽）：
一般有64bit、128bit、256bit、448bit、512bit等几种。位宽越大，制造难度就越大，成本也就越高，所以很多时候厂商宁可选择低位宽与高频率的组合，这样在保证性能的同时还能降低成本（常见于A卡产品中）。
了解了以上要点后，我们基本能判断显卡的高低了。
市场上会有一些1G大容量显存的显卡，价格便宜，非常吸引那些只懂看显存的初学者，其实检测后你会发现，这些显卡的核心都是清一色的低端型号，也就是说，不管其它参数有多强，它终究只是“垃圾”一块，到这一步我们已经可以不用再往下查了。当然，有兴趣的话继续查也可以，然后再看显存的频率，虽然有1G的容量，却是DDR2的800MHZ显存，这么慢的速度，容量大有何用。然后再看显存位宽，只有64bit，这样计算来的结果，真是弱小得可怜。就这样一块“垃圾”显卡，靠着大显存，骗了无数唯显存论的小白。