قاب سونی C5 - ارسال رایگان به تمام نقاط کشور


فروشگاه قاب دارای مجوز نماد اعتماد الکترونیکی از وزارت صنعت، معدن و تجارت، از بزرگترین فروشگاه های آنلاین قاب موبایل، لوازم جانبی گوشی موبایل و تبلت و قاب موبایل در کشور می باشد. تقریبا هر نوع طرح قاب گوشی ، گارد کیف و کاور خصوصاً برای گوشی های آیفون، سامسونگ، سونی، ال جی، اچ تی سی، هواوی، نوکیا و بلک بری در این فروشگاه وجود دارد

شرکت سونی گوشی سونی C5 را برای علاقمندان عکس سلفی ارائه نمود.با اینکه به عنوان یک گوشی با دوربینی مخصوص عکس های سلفی شناخته شده اما این تنها دوربین جلوی گوشی سونی اکسپریا C5 نیست که آن را به یک اسمارت فون دوست داشتنی مبدل ساخته است. طراحی زیبا و باریک ، صفحه نمایش بزرگ 6 اینچی با حاشیه بسیار کم و مشخصات فنی مطلوب گوشی سونی C5 باعث شده تا اکسپریا سی 5 اولترا به گزینه ای مناسب برای کاربران مبدل گردد.



گوشی خود را انتخاب کنید

کالا:  
طرح:  



صفحه 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | ..... 39

قاب سونی C5 نقش دار

قاب سونی C5
Sony C5 نقش دار

قیمت: 36,200 تومان

گارد سونی C5 نقاشی

گارد سونی C5
Sony C5 نقاشی

قیمت: 31,100 تومان

قاب سونی C5 نقش دار

قاب سونی C5
Sony C5 نقش دار

قیمت: 34,500 تومان

قاب سونی C5 ورزشی

قاب سونی C5
Sony C5 ورزشی

قیمت: 34,900 تومان

گارد سونی C5 خاص

گارد سونی C5
Sony C5 خاص

قیمت: 36,200 تومان

قاب سونی C5 ترسناک

قاب سونی C5
Sony C5 ترسناک

قیمت: 34,800 تومان

قاب سونی C5 کارتون

قاب سونی C5
Sony C5 کارتون

قیمت: 30,700 تومان

گارد سونی C5 AngryBird

گارد سونی C5
Sony C5 AngryBird

قیمت: 32,700 تومان

صفحه 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | ..... 39





enamad

تحویل چند روزه

شبکه شتاب

پرداخت در محل


معرفی پروژه تریلیوم ARM، شامل طراحی پردازنده‌های یادگیری ماشینی و تشخیص شئ

واحد خبر : اخیرا NPUها یا "واحدهای پردازش عصبی" به موضوعی بحث برانگیز تبدیل شده و مقالات فراوانی در این زمینه به نگارش درآمده اند. واحد پردازش عصبی می تواند استنتاج یادگیری ماشینی را بدون استفاده از رایانش ابری روی اسمارت فون ها پیاده سازی کند. هواوی با تولید چیپ ست Kirin 970 (مجهز به NPU)، به پیشرفت های خوبی در زمینه پردازنده های مخصوص هوش مصنوعی دست یافت. اما کمپانی ARM طراح اصلی پردازنده هایی چون Cortex-A73 و Cortex-A75 به تازگی از طراحی پلتفرمی جدید در یادگیری ماشینی، تحت عنوان پروژه تریلیوم (Project Trillium) خبر داده است. این پروژه، از یک پردازنده یادگیری ماشینی (ML) و نسل دوم پردازنده های تشخیص شئ (OD) تشکیل شده که توسط نرم افزاری متن باز در زمینه شبکه های عصبی (NN) توسعه خواهد یافت.



همانطور که می دانید، شرکت انگلیسی ARM، هیچ چیپ ستی را تولید نمی کند بلکه در زمینه طراحی پردازنده ها فعالیت دارد. ARM به قدری در این کار توانمند است که ردپای معماری هایش عملا در همه پردازنده های اسمارت فون ها، دوربین ها و دیوایس های اینترنت اشیا دیده می شود. شاید برای تان جالب باشد که شرکای ARM تا کنون بیش از 125 میلیارد تراشه را بر مبنای معماری های ARM عرضه کرده اند. حال، این کمپانی قصد دارد پردازنده های جدیدی را در زمینه های یادگیری ماشینی (ML) و تشخیص شئ (OD) طراحی کند؛ پردازنده های ML به منظور انجام پردازش های کلی حوزه هوش مصنوعی و پردازنده های OD برای تشخیص چهره ها، افراد، حالت های آنها و ... طراحی می شوند.


در ابتدا به پردازنده یادگیری ماشینی می پردازیم. این پردازنده با طراحی جدید و متفاوت از اجزای قبلی ARM برای عملکرد و کارایی بالا طراحی شده است. به گفته ARM، عملکرد این پردازنده در استنتاج (Inference)، در مقایسه با CPUها، GPUها و DSPها، افزایش یافته که این امر با استفاده از شبکه های عصبی از پیش آموزش دیده (pre-trained neural networks) تحقق می یابد. ARM همواره از نرم افزارهای متن باز پشتیبانی کرده و پروژه تریلیوم نیز از طریق نرم افزار متن باز اجرا خواهد شد.



اگر با مفاهیمی چون یادگیری ماشینی و شبکه های عصبی آشنایی ندارید، به توضیحات زیر توجه کنید: شبکه های عصبی یکی از چندین تکنیک متفاوتی به حساب می آید که در یادگیری ماشینی از آن استفاده می شود تا شناسایی اشیا در تصاویر، کلام یا هر چیز دیگر را به کامپیوتر آموزش دهد. یک شبکه عصبی برای شناسایی اشیا، بایستی آموزش ببیند. به این ترتیب که ابتدا اشیای نمونه (تصاویر، صداها و ...) به همراه طبقه بندی درست آنها، به شبکه وارد می شوند. سپس شبکه با استفاده از تکنیک بازخورد، آموزش می بیند. این روند برای تمام ورودی ها در "داده های آموزشی" تکرار می شود. به محض آموزش دیدن، شبکه قادر است خروجی مناسب را ارائه دهد، حتی زمانی که ورودی ها قبلا دیده نشده باشند.


این فرآیند در نگاه اول ساده به نظر می رسد، اما در عین حال، می تواند بسیار پیچیده باشد. با تکمیل پروسه آموزش، شبکه عصبی به یک مدل ایستا تبدیل شده و می تواند برای استنتاج در میلیون ها دیوایس به کار گرفته شود (منظور از استنتاج، طبقه بندی و شناسایی ورودی های دیده نشده است). گفتنی ست، مرحله استنتاج از مرحله آموزش آسان تر بوده و پردازنده جدید ARM نیز در همین مرحله مورد استفاده قرار خواهد گرفت.


به گفته جم دیویس (Jem Davies)، مدیر داخلی ARM در حوزه یادگیری ماشینی، شرکت می توانست در طراحی این پردازنده ها از داشته های قبلی خود کمک بگیرد و به تکمیل آنها بپردازد، اما نهایتا تصمیم بر آن شد که یک طراحی کاملا جدید ارائه شود. وی می افزاید: «بسیاری از بخش های بازار ما با محدودیت انرژی مواجهند، لذا احتیاج داشتیم آن طراحی جدید کم مصرف و کارآمد باشد.» با وجود اینکه تیم طراح می توانست در این زمینه روی معماری GPUهای کنونی خود کار کرده و آن را گسترش دهد، اما به گفته دیویس، GPUها در مدیریت حافظه چندان عالی عمل نمی کنند.



نسل اول این پردازنده های ML، دیوایس های موبایل را هدف گرفته و طبق ادعای ARM، بالاترین عملکرد در میلی متر مربع، به این پردازنده تعلق خواهد داشت. ARM توان عملیاتی آن را (در لیتوگرافی 7 نانومتری) بیش از 4.6 تریلیون عمل در ثانیه اعلام کرده و انتظار دارد با بهینه سازی های بعدی، این عدد بالاتر هم برود. پیدا کردن تعادل مناسب بین توان و عمر باتری، بخش مهمی از عمده کار ARM بوده و البته به گفته مسئولین شرکت، تیم طراح در این زمینه به ترکیب موردنظر خود دست یافته است. البته کمیت تریلیون عملیات در ثانیه (TOPs) به تنهایی نمی تواند معیار خوبی برای نشان دادن قدرت یک پردازنده باشد، اما در حال حاضر تا زمانی که صنعت بتواند معیار بهتری برای سنجش پیدا کند گزینه مناسبی است.


می رسیم به دومین جزء پروژه تریلیوم یعنی پردازنده تشخیص شئ (OD). برای تقریب این مفهوم به ذهن، باید بگوییم چیزی شبیه به همان فناوری تشخیص چهره در دوربین اسمارت فون هاست، البته به مراتب پیشرفته تر. به گفته ARM، این پردازنده OD جدید می تواند عمل تشخیص افراد را (در ویدئوی فول اچ دی با سرعت 60 فریم در ثانیه) بدون هیچ وقفه ای و به شکل بی درنگ انجام دهد. عمل تشخیص، مواردی چون جهت چهره افراد و اینکه چه قدر از بدن او قابل مشاهده است را نیز در بر می گیرد. مثلا این پردازنده می تواند حالت های زیر را تشخیص دهد: جهت سر به سمت راست، بالاتنه به سمت بالا، کل بدن به سمت چپ و ... . به نظر می رسد این پردازنده، نتیجه خرید کمپانی تصویربرداری Apical توسط ARM در سال 2016 باشد. گفتنی ست، این نسل دوم پردازنده های تشخیص شئ ARM بوده و نسل اول این پردازنده ها در ساخت دوربین های هوشمند امنیتی Hive به کار گرفته شده بود.



ARM انتظار دارد بسیاری از کمپانی ها، هر دو تراشه یادگیری ماشینی و تشخیص شئ را با هم استفاده کنند. از ترکیب دو پردازنده ML و OD، سیستم قدرتمندی حاصل می شود که می تواند ابتدا شئ را تشخیص داده و سپس با استفاده از یادگیری ماشینی، آن را شناسایی کند. این بدان معناست که پردازنده ML تنها روی آن بخش از تصویر کار می کند که حاوی شئ دلخواه است. به عنوان مثال، اگر چنین سیستمی در اپلیکیشن دوربین پیاده سازی شود، ابتدا امکان تشخیص چهره افراد در فریم را فراهم می کند و سپس با استفاده از یادگیری ماشینی، آن چهره ها را شناسایی می کند.



مثالی که ARM در این زمینه بیان کرده، یک ماسک غواصی مجهز به واقعیت افزوده است که می تواند نام ماهی هایی را که در هنگام غواصی مشاهده می کنید، برای تان به نمایش بگذارد. اما مثال واقع گرایانه تر، می تواند راه کاری در اینترنت اشیا باشد که با استفاده از ویدئو، بر یک تقاطع شلوغ نظارت کرده و شما را در جریان باز یا مسدود بودن آن قرار می دهد. اعلام زمان مناسب برای خالی کردن سطل زباله نیز، نمونه دیگری ست که به نظر می رسد امروزه کاربرد فراوانی پیدا کرده است. در مجموع، فعلا موارد استفاده این نوع تراشه ها در عرصه موبایل چندان شناخته شده نیست، اما در حوزه دوربین و سیستم های نظارتی، کاربردهای فراوانی دارند.


شاید یکی از مهم ترین ویژگی های این سیستم در آن باشد که عمل استنتاج، به جای فضای ابری، در خود دیوایس و به صورت local اتفاق می افتد. این امر چند مزیت دارد؛ نخست آنکه موجب صرفه جویی در پهنای باند می شود (با همه گیر شدن این تکنولوژی ها، افزایش قابل توجهی در تبادل داده بین دیوایس و فضای ابری به منظور شناسایی، پیش بینی می شود). دوم آنکه موجب صرفه جویی در مصرف انرژی می شود (چه در گوشی و چه در اتاق سرور). علت در آن است که با این سیستم، دیگر نیازی به روشن کردن وای-فای یا اینترنت دیتای گوشی برای ارسال و دریافت داده ها نبوده و سرور نیز برای عمل تشخیص، مورد استفاده قرار نمی گیرد. مزیت سوم آن است که با انجام عمل استنتاج در خود دیوایس، نتایج سریع تر ارائه شده و از میزان تأخیر کاسته می شود. نهایتا، چهارمین فایده این سیستم، امنیت بالای آن است، چرا که دیگر نیازی به ارسال داده های شخصی به فضای ابری نخواهد بود.


جم دیویس ریاست بخش یادگیری ماشین و رنه هاس (Rene Haas)، رییس بخش IP Products Group در شرکت ARM، پیش بینی می کنند که بسیاری از تراشه های دارای پردازنده های فوق، در ساخت خودرو مورد استفاده قرار گیرند. در حالی که کمپانی Nvidia با تعبیه ابرکامپیوتر در خودروها، آنها را به خودروهای بدون راننده تبدیل می کند، ARM بر این باور است که در صورت وجود محدودیت های مکانی و حرارتی، تنها با قرار دادن این تراشه های جدید در یک آینه هوشمند، می توان عمل تشخیص اشیا را به خوبی انجام داد و اتومبیل را به یک وسیله نقلیه خودران تبدیل کرد. کاربرد دیگر این تراشه ها، به گفته ARM، در صنعت ساخت نمایشگر است. با تجهیز نمایشگر به این تراشه ها، می توان تدبیری اندیشید که ویدئوی در حال پخش، بر اساس محتوای نمایشی، تنظیم شده و کیفیت آن بهبود یابد.


اما می رسیم به قسمت سوم پروژه تریلیوم، یعنی بخش نرم افزاری آن. این بخش متشکل از کتابخانه ها و راه اندازهای نرم افزاری ست که ARM در اختیار شرکایش قرار داده تا بتوانند حداکثر استفاده و بهره وری را از دو پردازنده ML و OD داشته باشند. این کتابخانه ها و راه اندازها برای مهم ترین قالب های شبکه های عصبی بهینه سازی شده اند، از جمله TensorFlow، Caffe و رابط برنامه نویسی Android Neural Networks. نرم افزارهای موردنیاز، از روز سه شنبه 13 فوریه (24 بهمن) در وب سایت توسعه دهندگان ARM و همچنین در وب سایت Github، در اختیار توسعه دهندگان قرار گرفته است.



انتظار می رود طراحی پردازنده OD در سه ماهه نخست 2018 به دست شرکای ARM برسد. اما طراحی پایانی پردازنده ML احتمالا در نیمه سال 2018 به اتمام رسیده و پس از تحویل به شرکا (در بهترین حالت) امید است در اواسط یا اواخر سال 2019 شاهد عرضه چیپ ست های مجهز به این پردازنده باشیم.


در پایان گفتنی ست، اخیرا تعدادی از کمپانی های سازنده اسمارت فون در محصولات شان از تراشه های هوش مصنوعی ساخت خود استفاده می کنند. به عنوان نمونه می توان به تراشه پردازشگر تصویر Pixel Visual Core (محصول گوگل)، Neural Engine (موتور عصبی) در تراشه A11 (محصول اپل) و چیپ ست Kirin 970 (محصول هواوی) اشاره کرد. مشخص است که در چنین شرایطی، ARM به دنبال سهم خود از این کسب وکار می گردد.  


Friday, February 16, 2018




آهنگ زنگ گلکسی اس 9 قبل از رونمایی فاش شد


آهنگ زنگ دو فبلت پرچمدار گلکسی اس 9 (Samsung Galaxy S9) و گلکسی اس 9 پلاس (+Galaxy S9) سامسونگ قبل از رونمایی آنها منتشر شده است.ویدئوی موزیک نسخه جدید Over The Horizon را در این مطلب مشاهده فرمائید. چند روز دیگر نمایشگاه MWC 2018 کار خود را به طور رسمی شروع خواهد کرد و سامسونگ بعنوان ...


نوشته آهنگ زنگ گلکسی اس 9 قبل از رونمایی فاش شد اولین بار در پدیدار شد.



Friday, February 23, 2018