工设里世界

隐者艾伦のBLOG

最便宜的aptX-HD耳机:京东京造JDJZBT04简单测评(高通QCC3034方案)

个人对京东一直挺满意的,速度快服务好,所以对京东自家的京造产品也有莫名的好感,不过前几天买的京造蓝牙耳机可以说让人非常的不爽了……

简单说一下过程,手里现在已经有AKG N18 ,AKG K374U两款有线耳机,B&O H7一款头戴,前段时间帮朋友买了个乐视遗产蓝牙耳机,结果音质出乎意料的好,就想着要不要入手一款便携的蓝牙耳机。逛京东发现京造这个蓝牙耳机打完折只要99,而且还支持aptX-HD,看到评论里面说使用的是高通QCC3034芯片方案,这款芯片还是比较好的,广泛应用于无线蓝牙耳机和TWS耳机方案中。考虑到一加云耳2也采用的高通QCC3034芯片(后来发现问题差不多),兼容性应该是可以的,就直接下单买了……

第一天耳机到快递点的时候,正好在外面逛,没去拿,第二天睡到下午……兴致勃勃的去拿。拆壳盒子,卧槽,狗东给我寄了个开封的……

(更多…)

高通骁龙429(msm8937)处理器安兔兔跑分与参数介绍

前段时间,采用高通骁龙429处理器的三星平板电脑产品:三星Tab A T290 8.0上市,让我们得以一窥骁龙429处理器的性能情况,这款4核2Ghz处理器最大的优势是采用12 nm FinFET制程生产,相对来说更加省电,下面是骁龙429处理器安兔兔跑分的截图:相对于古老而久远的骁龙425处理器3万6左右的跑分(安兔兔7.x版本)……骁龙429还是有挺大提升的……

geekbench方面,

骁龙425:单核成绩673 多核成绩1700

骁龙429:单核成绩867 多核成绩2512

(更多…)

intel X7-E3950 N3450 N4100 J3455 N4200 I3 5005U 性能对比测评

 

2019年了,千元级别的笔记本市场依旧是非常“精彩”,让人应接不暇……博主许久没关注凌动奔腾这些上网本了,前几天有个朋友让我推荐一下,估计也是看我之前跟他安利过我那个1348入手的昂达小马奔腾版吧= =当年买的时候不到一个手机的价格买了台笔记本,还是个高色域的屏幕233,带着这个本子写文章,出差,泡图书馆可以说非常方便,甚至还上课打过魔兽……缺点当然也有,就是没有背光键盘,内存也只有4Gddr3内存+64G的EMMC存储。

咳咳,跑题了,回到正轨,去年我写的这篇文章说 千元价位的笔记本市场格局出现了旧产品无法清仓,新产品推出不积极,甚至新的架构芯片发布了一年都没有新产品面试的窘境。但是我没想到,大家放着新出的专门为上网本优化的N5000系列不用,拿起了intel 2015年发布的I3 5005U做起了文章,纷纷推出了基于I3 5005U平台的笔记本产品。同期销售的还有2016年出品的赛扬® 处理器 J3455,以及2016年4季度推出的面对工控领域的Intel Atom® x7-E3950 Processor处理器……

但是,虽然intel X7-E3950 N3450  J3455 I3 5005U  这些处理器发布时间非常久远,可以用古老来形容,但是并不代表其性能完全就弱于现代的N4000系列(当然打不过N5000以及更新的处理器了)

我看了市面上销售的几款I3 5005U 平台产品产品参数,包括:天宝(T-bao) X8S、YEPO I8、神舟(HASEE)优雅X3G1、中柏EZbook X4Pro、还有IFUNK 巨蟹 S12 这些,基本参数都差不多:电池在4000-5000之间,带背光键盘,采用DDR3内存的居多。有一些采用72%色域的好屏幕,绝大多数是45%色域的普通屏幕,还是需要仔细甄别吧~

除此之外,驰为推出的基于Intel Atom® x7-E3950 Processor的LapBook Plus,看起来用料挺不错,8G ddr4 内存,以及4K屏幕,这款处理器看参数接近于当你年的英特尔凌动® x7-Z8700 处理器,但是支持4K解码和4K分辨率,可以说很稀奇了,驰为居然能刨出这款处理器,而且它$57.00的官方建议采购价格仅仅是N4200这个系列的三分之一……看GB成绩,其实性能还是弱于N3450的,就别和N4200比了……

估计国内厂商也是有什么难言之隐吧,N4100还是挺好的一款CPU,但是大家纷纷下马相关产品,现在市面上在卖的N4100处理器的电脑已经很少了,个人瞎猜测可能是intel供货减少了吧。

最后,关于intel X7-E3950 N3450 N4100 J3455 N4200 I3 5005U  的性能差距,给大家一个GB4预估平均成绩对比:

(更多…)

如何使用stylegan训练自己的照片数据集

今天完成了简单的stylegan自定义数据集训练过程,感谢国外老哥的教程,原来很简单……其实对于专门做人工智能方面的人来说训练应该是很简单的,但是对于我这种跨专业跨领域的小白来说,还是需要一个详细教程的,这里给大家介绍一下如何使用自己的数据集来测试stylegan。

首先,大家需要在自己的电脑上配置好tensorflow环境,注意:tensorflow2.0可能无法运行stylegan的原始代码,建议使用1.13版本。

个人运行环境:WIN10+CUDA10.0 +CUDNN7.5+ TENSORFLOW-GPU1.13.1 + python3.7

环境配置教程请先阅读参照之前我写的两篇stylegan文章:

WIN10+CUDA10 +CUDNN7.5+ TENSORFLOW-GPU1.13.1 + python3.7 运行NVIDIA STYLEGAN 的安装过程和踩坑实录

如何使用 NVIDIA StyleGAN 生成自己的动漫(老婆)头像

(更多…)

使用python对文件夹内的照片进行批量修改尺寸

小白学习记录……

原文链接:https://blog.csdn.net/atyzy/article/details/77905463

使用方法……这个很简单, 新建resize.py文件,复制上面代码,修改代码中这三个路径:

filename = os.listdir(“C:/Users/Administrator/stylegan/swift/”)    (这个就是需要修改的图片所在文件夹)

base_dir = “C:/Users/Administrator/stylegan/swift/”   (我也不晓得啥意思,反正上面一样就行了)

new_dir = “C:/Users/Administrator/stylegan/swift2/”   (新文件输出的路径位置)

这里要注意一点,文件路径要改为/斜杠而不是win路径的\,否则会爆出(unicode error) ‘unicodeescape’ codec can’t decode bytes in position 2-3: tr这个错误

或者你可以使用\\双斜杠来代替………………(大概因为我是小白才搞出这个错误吧……)

size_m = 128

size_n = 128

这个是尺寸,宽高像素……

然后照样在终端或者anaconda prompt中输入 python resize.py就可以运行了

(更多…)