قاب سونی Z4 - 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

بر اساس شنیده های جدید، سونی اکسپریا Z4 یک تلفن با صفحه نمایش 5.5 اینچی و با رزولوشن QHD است. این تلفن 5.5 اینچی در بخش دوربین اصلی احتمالا از سنسور خمیده سونی که اخیرا معرفی کرد بهره خواهد برد و رزولوشن آن هم احتمالا همان 20.7 مگاپیکسل خواهد بود. قلب تپنده این دستگاه پردازنده 64 بیتی و 8 هسته ای Snapdragon 810 است که کلاک CPU این پردازنده 2.8 گیگاهرتز است. حافظه رم این گوشی قدرت مند هم معادل 4 گیگابایت خواهد بود. حافظه داخلی دستگاه نیز در مدل پایه 32 گیگ خواهد بود که این مورد دو برابر Xperia Z3 با حافظه 16 گیگابایتی است.



گوشی خود را انتخاب کنید

کالا:  
طرح:  



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

قاب سونی Z4 قلب

قاب سونی Z4
Sony Xperia Z4 قلب

قیمت: 31,000 تومان

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





enamad

تحویل چند روزه

شبکه شتاب

پرداخت در محل




قاب گوشی سونی Z4

مدت زیادی است که طرفداران برند سونی منتظر رونمایی از گوشی پرچم دار سال 2015 این شرکت هستند و تا امروز اخبار و شایعات مربوط به آن را دنبال کرده اند.امروز سونی بی سرو صدا و بدون هیچ مراسم و رویداد خاصی از اسمارت فون سونی Xperia Z4 رونمایی کرد.تمام برنامه سونی برای رونمایی از پرچم دار جدید خود یعنی اکسپریا سونی Z4 ، قرار دادن تصاویر و مشخصات آن بر روی وب سایت سونی موبایل است.با اینکه طرفداران گوشی های سونی انتظار مراسمی با شکوه همچون پرچم داران سایر شرکت ها برای معرفی سونی اکسپریا Z4 را داشتند اما متاسفانه سونی حتی اقدام تبلیغاتی خاصی هم برای رونمایی از محصول خود انجام نداده است.

قاب سونی Z4


صفحه نمایش سونی اکسپریا Z4

به هر صورت ، سونی اکسپریا Z4 از یک صفحه ی نمایش 5.2 اینچی با وضوح تصویر 1080 در 1920، پردازنده ی 64 بیتی 8 هسته ای اسنپ دراگون 810، 3 گیگابایت حافظه ی رم و 32 گیگابایت حافظه ی داخلی بهره می برد. همچنین حافظه ی داخلی این محصول به کمک درگاه microSD تا 128 گیگابایت قابل افزایش است.

تا آن زمان سازنده ژاپنی به کاربران توصیه می کند گوشی خود را روزی چند بار و به ویژه به هنگام شارژ باتری خاموش کنند و به کاربران ناراضی هم پیشنهاد شده با بخش خدمات پس از فروش تماس بگیرند. بنا بر شنیده ها، گوشی اکسپریا Z3 که فعلا در مرحله تست خود قرار داشته و به فاز عرضه رسمی وارد نشده، زمان بازی و یا تماشای ویدیوی HD در سرویس Netflix و یا به هنگام فیلمبرداری حسابی داغ می شود و برای سونی Z4 نیز در همان خبر روز گذشته دیدیم که دمای آن به 68 درجه سانتیگراد ناقابل می رسد.

سونی دقایقی پیش از پرچمدار امسال خود به نام سونی Z4 پرده برداشت. این موبایل نمایشگری 5.2 اینچ داشته و همچنان از رزولوشن Full HD بهره می گیرد. گویا سونی به آرمان های خود باوری سخت داشته و به هیچ عنوان نمی خواهد میزان رزولوشن نمایشگر پرچمدار هایش را افزایش دهد.

قلب تپنده پرچمدار جدید سونی چیپست اسنپدراگون 810 از کوالکام بوده و سه گیگابایت رم، در کنار 32 گیگابایت حافظه داخلی برای این موبایل در نظر گرفته شده است. در ادامه با دیجیاتو همراه باشید.


حافظه سونی Z4

سونی Z4 می تواند تا 128 گیگابایت حافظه داخلی را پشتیبانی نماید، از سوی دیگر دوربین این محصول نیز 20.7 مگاپیکسل بوده و دوربین جلو برای تصاویر سلفی نیز 5.1 مگایپسل و دارای زاویه دید گسترده شده. باتری آن نیز دارای ظرفیت 2930 میلی آمپر بوده و با اندروید 5 نیز به شکل پیشفرض در آن جای گرفته است.

سونی Xperia Z4 در چهار رنگ سفید، سیاه، مسی و سبز عرضه خواهد شد و طبق معمول در برابر گرد و غبار و آب نیز از مقاومت بالایی برخوردار است. سونی توانسته گواهی IP6 برای گرد و غبار و گواهی IP5 و IP8 را برای آب دریافت نماید. داشتن این گواهی به این معناست که می توان سونی Z4 را در هر زاویه ای، زیر یک شیر آب (جریان روان و پر سرعت آب) که قطری 6.3 میلیمتری دارد قرار داد. گواهی های فوق همچنین به معنای آن هستند که موبایل مورد بحث می تواند تا عمق 1.5 متری به مدت 30 دقیقه بدون مشکل قرار گرفته و کار کند.

قاب گوشی سونی Z4

سونی می گوید که پرچمدار جدیدش ضخامتی برابر با 6.9 میلیمتر داشته و 144 گرم نیز وزن دارد. موبایل جدید از Z3 چهار دهم میلیمتر باریک تر شده و 8 گرم هم وزن کمتری دارد؛ سونی همچنین اذعان می کند که از پروسه جدیدی برای ساخت فلز مورد استفاده در این سونی Z4 استفاده نموده که مقاومت آن را در برابر ضربات را بالاتر می برد.


دید کلی

نکته جالب دیگر اینکه شرکت ژاپنی به دوربین این موبایل، حالت «آشپزی» را نیز اضافه نموده تا کاربران بتوانند تصاویر بهتری از غذاهایشان تهیه کنند. برخی لوازم جانبی نیز در کنار پرچمدار جدید معرفی شده اند، برای مثال سونی کاوری را برای این موبایل معرفی نموده که اجازه می دهد اطلاعات مهم را بدون باز کردن درب آن ملاحظه کنید. کاور مورد بحث در 4 رنگ مشابه با خود موبایل عرضه می شود و قیمتی برابر با 59 دلار دارد. یکی دیگر از محصولات جانبی نیز یک پایه نگهدارنده است که می توانید سونی Z4 را بر روی آن قرار داده، روی میز خود گذاشته و صرفا از زیبایی این موبایل لذت ببرید.



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




بنچمارک گلکسی تب اس 4 سامسونگ منتشر شد


بنچمارک HTML5 تبلت سامسونگ گلکسی تب اس 4 (Samsung Galaxy Tab S4) منتشر شده است که نشان از سخت افزار قدرتمند،تازه ترین نسخه سیستم عامل اندروید و نمایشگر با رزولوشن بالا دارد. مدتی پیش مشخصات فنی تبلت جدید کمپانی کره ای سامسونگ با شماره مدل SM-T835 توسط وبسایت بنچمارک GFXBench منتشر شد.بنابر این اطلاعات،تبلت جدید ...


نوشته بنچمارک گلکسی تب اس 4 سامسونگ منتشر شد اولین بار در پدیدار شد.



Friday, February 23, 2018