eth2dai

① 榮耀9x屏幕采樣率多少

榮耀9x屏幕采樣率是：2340x1080像素。榮耀9X系列擁有魅海藍、魅焰紅、幻影紫、冰島白與幻夜黑幾種配色，搭載6.59英寸全面屏，配備升降式前攝，屏佔比達92%，採用指紋鍵與電源鍵一體化設計。

榮耀9X系列採用Type-C介面設計，配備4000mAh電池，保留3.5mm耳機介面。榮耀9X系列最高支持8GB LPDDR4x運存與256GBUFS 2.1存儲快閃記憶體，搭載華為自研的方舟編譯器以及EROFS超級文件系統，支持GPU Turbo 3.0。

(1)eth2dai擴展閱讀：

榮耀9X系列全系標配7nm工藝麒麟810處理器，定製A76大核，單核性能提升75%，晶元能效提升50%，多核性能提升40%；GPU為定製版的Mail G52，1080P曼哈頓離屏性能，相比榮耀8X提升175%；自研達芬奇架構NPU。

全球唯一覆蓋從零點幾瓦到上百瓦全場景的計算架構，以高性能的3D Cube計算引擎為基礎，大幅提升單位功耗下的AI算力，實現ETH AI-benchmark得分33965分。值得一提的是，定位輕旗艦的榮耀9X Pro還支持8GB運存+GPU Turbo3.0革命性游戲加速技術+液冷散熱功能。

② 2D、3D、AI視覺的區別

2d視覺和3d視覺的區別
3D視覺與2D視覺技術的最大區別在於處理的數據類型不同。
在3D視覺領域，被處理的對象通常是依靠3D感測器採集到的三維點雲數據，而2D視覺技術主要被用於處理平面圖像里的信息。
這決定了3D視覺不僅能夠感知場景中物體的有無，還能夠准確的感知到物體離我們距離遠近、尺寸大小和位置朝向

③ 工業機器人2D視覺有什麼特點和優勢

在製造業轉型升級、新興產業發展的過程中，中國市場將釋放出驚人的機器視覺技術、產品需求，為本土機器視覺行業的成長提供了關鍵驅動力。很顯然，針對國內機器視覺產業的布局將全面展開，而工業機器視覺是其中熱點。

機器視覺系統就是利用機器代替人眼作各種測量和判斷。它是計算科的一個重要分支，它綜合了光學、機械、電子、計算機軟硬體等方面的技術，涉及到計算機、圖像處理、模式識別、人工智慧、信號處理、光機電一體化等多個領域。

④ 力導引圖（Force-directed graph）圖示-穩定幣USDT, USDC與DAI 用來做什麼

這個圖顯示了以太坊上USDT，USDC和DAI（3種最受歡迎的穩定幣）在2020年第一季度Q1的表現。圖中，點指代以太坊地址，彩色線條代表兩個地址間的交易，並標注出知名交易所和DeFi平台。地址間的來往交易越多，它們在圖上的距離就越近。

根據這個圖可以看出：

只與DeFi應用有關聯的地址聚集在右側

只與中心化交易所進行交易（使用穩定幣）的地址聚集左側

與這兩組都有關聯的地址（例如Coinbase）位於中間

總體而言，每種穩定幣都有其特定的用例：

左側Huobi、幣安和其他亞洲中心化交易所非常活躍

Coindesk報告表示，中國玩家通過使用USDT來解決加密貨幣交易限制的問題，USDT目前是市值和交易量最大的穩定幣

USDC的活動同時發生在中心化（左側）和去中心化（右側）交易所

就在上周，Coinbase宣布數月前已投入110萬美元的USDC以為以太坊上兩個最受歡迎的DeFi應用Uniswap和PoolTogether提供支持

大多數Dai的交易都發生在去中心化平台上最活躍的交易發生在Oasis / Eth2Dai DEX上

Compound和dYdX借貸活動也值得關注

中心化交易所中，有明顯的DAI交易量的是Coinbase，Coinbase上架Dai主要是回應用戶對DAI / USDC交易對的需求

把這三種顏色的圖組合在一起，組合圖可以是看成是一個光譜，從中心化（USDT）到去中心化（DAI）。一個有意思的探討點: 如果DeFi的發展依賴於穩定幣，而穩定幣本身又是基於中心化銀行系統的，那麼DeFi本身又有多去中心化呢？

⑤ 特斯拉的「純視覺」，能否到達自動駕駛的彼岸

特斯拉最近又出大新聞了。才內部郵件宣布達成L2級自動駕駛，這次徹底「純視覺」了。

這次是美國時間7月10日，特斯拉 FSD Beta V9.0終於在美國向用戶推送。相比起上一個版本，V9.0做了FSD有史以來最大的一次更新。徹底拋棄了雷達的使用。而且，特斯拉徵召了2000名車主內測，報名踴躍。不過，BUG很快就出來了。

這不，一位叫Giacaglia的網友看了一下特斯拉車主們發的視頻，馬上就收集了FSD 9.0 beta的11個失誤瞬間。從各個動圖來看，很明顯現在的系統還是只能算是駕駛輔助，如果脫手或者離開人的監控，還是會出事情。這次可以看到的BUG有：

場景一：自動轉彎之後徑直向道路中央的綠化帶撞了過去。

場景二：無法識別路中單軌道路。

場景三：闖公交車專用道。

場景四：在單行車道上逆行。

場景五：一直轉換車道。路口右轉時，無法判斷使用哪個車道。

場景六： 汽車 壓實線並線；急需換道時，因為後方車輛逼近，錯過時機，只能下個路口見了。

場景七：自動並線超車之後發現道路劃線，還要強行壓線並道。

場景八：左轉時提前換道。

場景九：左轉時，差點進入對向路邊停車位。

場景十： 汽車 穿過幾條車道後才能左轉。

場景十一：在一個只有停車標志的地方，看到兩個停車標志。

「作為一個做Deep Learning方向的人表示，用神經網路的車我是肯定不敢坐的……」「是的，做ML（Machine Learning）的看現在的自動駕駛，堪比醫生遇到掛科的同學給自己做手術。」「強行讓機器來學人（純靠視覺）本就是錯誤的發展方向，機器有自己的優勢（可以自由加裝雷達等設備進行輔助）而不利用，就是典型的教條主義、本本主義。」……

這都是很專業的質疑，那麼，特斯拉是不是點錯 科技 樹？這個問題雖然見仁見智，但是從主流的CV（Computer Vision）+雷達路線來說，特斯拉有點像「西毒」歐陽鋒了，為了降低成本，純視覺一條道走到黑，「雖百死而不悔」的精神雖然有了，但是，那都是消費者的命啊……

為什麼純視覺？

如果特斯拉很老實地講自己是駕駛輔助也就罷了，壞就壞在從一開始馬斯克喜歡「吹」自動駕駛，直到吹破了以後在內部郵件中承認是L2級駕駛輔助。但是，現在馬斯克給吹得成為一種神話，這種造神運動讓馬斯克騎上虎背下不來了。

而且，國內外有太多「特吹」，包括大眾集團CEO赫伯特·迪斯博士。當然，迪斯博士吹特斯拉，是為了麻痹敵人，那是另外一回事。

且不說特斯拉多年排名墊底的自動駕駛功力，已經讓多少人命喪黃泉，單說特斯拉靠「純視覺」方案，說能達到全自動駕駛L4~L5級別，這就讓人匪夷所思了。

蘇黎世聯邦理工學院（ETH Zurich）教授Marc Pollefeys則認為特斯拉不太可能放棄完全自動駕駛近在咫尺的說法，「很多人已經為此買單（特斯拉的FSD套餐），所以他們必須保持希望，」他說，「他們被困在那個故事裡。」故事已經成為一種神話。

那麼，為什麼特斯拉取消雷達使用純視覺？特斯拉多次強調過，攝像頭數據和雷達數據在做融合的時候比較困難，當攝像頭數據與雷達數據有沖突時，系統反而會更加難以抉擇。

所以，馬斯克也表示過，與其讓二者互相扯後腿，不如只選一個並把它做到極致。而且，在他看來，特斯拉的深度學習系統已經比毫米波雷達強100倍，現在的毫米波雷達已經開始拖後腿了。

而在今年的 CVPR（計算視覺與模式識別大會）上，特斯拉首席AI科學家安喬·卡帕西（Andrej Karpathy）還講了特斯拉如此「執拗」的原因。不過，對於走上歧路的特斯拉，我們還是奉勸要保持冷靜。

為什麼呢？道理其實很簡單，人在開車，雖然是以視覺為主，但是其他的感官都是一體作用的，並非無用。比如聽覺，身體的觸覺，甚至是意識的直覺等。「事實上，人類開車的時候，是一種近乎無意識的感知，他就能夠預測下一步應該怎麼辦，從而規避事故。」這是奇瑞 科技 有限公司總經理李中兵在世界人工智慧大會的一場論壇上所講的。而在這點，特斯拉有點過於執著在視覺上了。

通用視覺系統和神經網路

那麼，這次的CVPR上，特斯拉的安喬·卡帕西（Andrej Karpathy）詳細介紹的基於深度學習開發的自動駕駛系統，也就是全視覺的好處是什麼？

特斯拉的底氣，是採用了「通用視覺系統」和「神經網路」兩種黑 科技 。當然，Karpathy 強調，基於視覺的自動駕駛，在技術角度更難實現，因為它要求神經網路僅僅基於視頻輸入就能達到超強性能的輸出。「不過，一旦取得了突破，就能獲得通用視覺系統，方便部署在地球的任何地方。」

「我們拋棄了毫米波雷達，車輛只靠視覺來行駛。」Karpathy認為，有了通用視覺系統，車輛就不再需要什麼補充信息了。特斯拉始終認為，收集環境信息是一回事，利用環境信息又是另一回事。而且，感測器的種類和數量越多，互相之間的協調與整合就越難做，最終效果恐怕只是1+1 2，得不償失。

這次特斯拉發布的FSD Beta V9.0，從技術上來說，新演算法調用所有用於自動駕駛的8個攝像頭，修復跨鏡頭畸變、時域差，拼接成環視視覺，再對周圍環境進行實時的3D建模。也就是特斯拉所謂的「鳥瞰圖視覺」。

具體來說，就是特斯拉將2D視圖轉化為模擬激光雷達數據，然後再用（激光雷達）演算法處理這些數據，得到比之前好非常多的視覺測距精度。你不覺得奇怪么，既然還是得用激光雷達演算法，為什麼不用激光雷達呢？

按照特斯拉的說法，其自動駕駛系統是基於神經網路的特徵識別、預判和規控，對於道路環境項目進行學習，比如交通路牌的含義到底是什麼，需要通過很多場景素材訓練系統，訓練得越多系統能處理的場景越多。通過幾百萬車主積累的大數據，表現出來的能力就是，特斯拉可以輕松做到目前城市道路的自主駕駛。

實際上，馬斯克一直都希望將特斯拉的製造成本壓到最低。從成本上來說，目前特斯拉Model 3的自動駕駛攝像頭成本只需要65美元。而激光雷達的成本，還基本上在1000美元以上級別。要知道，2018年的時候，Velodyne的64線激光雷達HDL-64售價可是高達7.5萬美元的。

支撐特斯拉車價一降再降的當然是成本的控制。但是，馬斯克和特斯拉還是過於迷信軟體和AI的力量了。對於自動駕駛的「長尾問題」，特斯拉認為靠AI和超級計算機能解決，這都是有問題的。就算完成了99%，最後的1%依然是不可跨越的鴻溝。

此外，已經有外媒認為，美國本土的傳統車企通用 汽車 將在2021年超越特斯拉，原因就在於特斯拉在自動駕駛方面已經落後，特別是又在「純視覺」的路線上一條道走到黑。

感測器融合才是未來

就純視覺的局限來說，有業內人士認為，在一些極端的場景中是無法滿足對於感知探測能力的KPI指標的。比如一些復雜的天氣情況，如大雨、大霧、沙塵、強光、夜晚，這對於視覺和激光雷達都是非常惡劣的場景，難以用一種感測器應對。主要體現在幾個大的方面：

1）天氣環境因素造成的視覺感測器致盲（如逆光炫目、沙塵暴遮擋等）；

2）小目標物體在中低解析度視覺感知系統中，可能造成目標晚識別（如減速帶、小動物、錐桶等）；

3）異形目標由於未經訓練可能造成無法匹配，被漏識別（道路落石、前車掉落輪胎等）；

4）視覺感測器本身的識別要理要求，對於視覺識別的高算力需求等。

就算一些自動駕駛測試或比較成熟廠商，在智能駕駛中也多次發生撞車事故，為感測器系統的失效付出慘痛代價。所以,感測器融合是構建穩定感知系統的必要條件。畢竟，視覺感知能力有局限，必須結合毫米波雷達或激光雷達做優勢互補才能實現。

回頭來說，這次特斯拉的內測BUG裡面，但凡有一個場景沒有人類駕駛員眼明手快接手的話，就會演變成為交通事故。這能讓人放心嗎？特斯拉的車主們也忒心大了。

此外，我們知道，攝像頭如何感知深度只是自動駕駛問題的一部分。特斯拉依靠的最先進的機器學習只是識別模式，這意味著它會在新情況下掙扎。一掙扎，就會產生誤判。

與人類司機不同的是，如果系統沒有遇到場景，它就無法推理該做什麼。「任何AI系統都不了解實際發生的事情，」研究自動駕駛 汽車 計算機視覺的康奈爾大學副教授克里安·溫伯格（Kilian Weinberger）如此表示。

還有一點是，雖說，FSD 9.0給智能輔助駕駛系統是創造了更廣闊的應用場景，但是，在L2級別的駕駛輔助系統（而不是自動駕駛系統）這個前提下，這些功能多少仍顯得有些雞肋，因為駕駛過程中根本無法脫手。而且，人類駕駛員不僅需要手握方向盤，還需要在城市道路上與車載電腦系統較勁，增加了額外負擔和心理壓力。

FSD BETA V9.0的這些內測BUG會在實際道路上反復出現，毫無疑問這為城市交通也製造了更多的隱患。不過，這套系統能不能用在更加復雜的中國的開放道路上？公社的小夥伴中還是有對特斯拉超有信心的，「大家都沒開過，怎麼知道行不行呢？」是啊，是騾子是馬，特斯拉總會拉出來遛遛。

⑥ 2dai代3和8代i3性能相差多少

可以說性能天地之別了。二代i3是2012年左右的產品了。雙核四線程。玩大型游戲這個cpu性能不夠。
八代i3是今年最新的產品。四核四線程。i3 8100的性能已經和七代i5 7500差不多了。性價比很高。

⑦ 華為9xpro型號是HLK-AL10是什麼意思

華為hlkal10是榮耀9XPRO，是榮耀於2019年7月23日發布的一款智能手機，產品slogan是快由芯生，超能旗艦。

榮耀9X亮點不止於屏幕一項，更大的亮點在於搭載了最新的7nm處理器麒麟810。這款麒麟810處理器集成旗艦級定製A76大核，單核性能提升75%，多核性能提升40%，而且麒麟810還搭載了達芬奇架構NPU，ETH AI-benchmark得分33965分。

(7)eth2dai擴展閱讀：

手機使用注意事項：

避免讓行動電話曝曬於烈日下或在雨中使用，並應避免摔撞，若行動電話經泡水或雨淋請盡快擦乾表殼，嚴重進水者切忌立即開機，以免導電燒壞內部零件，並請盡早送修。

若行動電話長期閑置不用，則需特別的防潮處理。我國南方，如華南地區天氣多雨潮濕，行動電話內部水氣將對零件造成傷害。

適度地使用行動電話，會讓行動電話內部產生一定的溫度，平時累積的水氣藉此可以蒸散。

⑧ 麒麟處理器排名

你好，具體來說，在魯大師的2018年上半年手機晶元排行榜中，高通驍龍845處理器在總分上排名第一。對於2018年的安卓手機市場，驍龍845晶元成為安卓旗艦手機的標配。

比如三星S9、小米MIX2S、小米8、堅果R1、OPPO Find X、vivo NEX等機型，都搭載了高通驍龍845處理器。在驍龍845之後，華為自家研發的海思麒麟970排名第二。

和驍龍845一樣，麒麟970處理器也被多款機型所應用，比如華為P20、華為mate10、榮耀10、榮耀paly等機型，都搭載了這款手機晶元。對於華為這家手機廠商，海思麒麟處理器成為其重要的競爭力。

高通驍龍835和三星Exynos 8895分列第三名和第四名。和華為一樣，三星也具有自研手機晶元的能力，並且，三星也將三星Exynos 8895等晶元應用到自家的旗艦手機上。

高通驍龍821排名第五，這款手機處理器發布於2016年7月，被應用到小米5s等較早的機型上。在驍龍821之後，驍龍820排名第六，根據互聯網上的公開資料顯示，聯想ZUK Z2/Z2 Pro、小米5、一加3、vivo Xplay5旗艦版等機型搭載了高通驍龍820處理器。

最後，三星Exynos 8890和驍龍710分列第七名和第八名。其中，就高通驍龍710處理器，作為驍龍660的升級版，自發布以來就飽受關注。因為是前不久才發布的緣故，所以目前的驍龍710機型只有小米8、vivo NEX標准版等少數幾款，不過，對於2018年下半年的智能手機市場，驍龍710手機很可能像驍龍660手機一樣迎來爆發。在驍龍710之後，海思麒麟960和驍龍660分列第九名和第十名。

就驍龍660來說，是目前中端手機經常選擇的處理器，比如小米6X、vivo X21、OPPO R15等中端手機就搭載了這款處理器。總的來說，對於2018年上半年的手機晶元排行榜，高通、華為海思、三星保持領先，而聯發科則沒有處理器進入到前十排名中。

⑨ 尼康鏡頭上的「S」「E」「D」「AF」「Ai」各代表什麼

這是尼康鏡頭標識說明。
尼康（Nikon）鏡頭標識的含義
AI： Automatic Indexing自動最大光圈傳遞技術
發布於1977年，是Nikon F卡口的第一次大變動。AI是指將鏡頭的最大光圈值傳遞給測光系統以便進行正常曝光測量的過程和方法。當一個AI鏡頭被裝在兼容AI技術的機身上時，該鏡頭的最大光圈值在機械連動撥桿的自動接合和驅動下傳遞給機身的測光系統，以實現全開光圈測光。Nikon F2A、F2AS、Nikkormat EL2、FT3和FM是第一批獲益於這項技術的機身。代表鏡頭：Nikkor AI 50/1.4

AI-S：Automatic Indexing Shutter自動快門指數傳遞技術
在1981年，Nikon對全線AI鏡頭卡口進行了修改，以便使它能夠與即將投入使用的FA高速程序曝光方式完全兼容，這些修改後的新鏡頭就是AI-S卡口Nikkor鏡頭。根據鏡頭光圈環和光圈直讀環上的橙色最小光圈數字以及插刀卡口上的打磨凹槽，非常容易識別。當AI-S鏡頭用於Nikon FA機身時，它能夠根據自身的焦距向機身提供信息以選擇正常程序或高速程序，在快門速度優先自動曝光方式時，它們能夠在非常寬的光照范圍內提供一致的曝光控制。(因為AI-S鏡頭是為FA上的曝光「自動化」而定製的，因此機身的自動曝光連動撥桿能夠非常流暢地控制AI-S鏡頭的光圈，以達到更為快速而精確的曝光控制)。代表鏡頭：Nikkor AIS 50/1.4

AF-S: Silent Wave Motor靜音馬達
代表該鏡頭的裝載了靜音馬達(Silent Wave Motor，S)，這種馬達等同於佳能的超音波馬達(ultrasonic motor)，可以由「行波」(traveling waves)提供能量進行光學聚焦，可高精確和寧靜地快速聚焦，可全時手動對焦。 可支持AF-S 鏡頭自動對焦的相機有 F5 ； F4； F100；F90X；F90；F80；F70；F65；D1；D1X；D1H；D100，其餘的機身可以接用，也可以測光，但不能自動對焦。代表鏡頭：28-70mm f/2.8 ED-IF AF-S Zoom-Nikkor

D型鏡頭：Distance 焦點距離數據傳遞技術
代表鏡頭可回傳對焦距離信息,作為 3D(景物的亮度，景物對比度，景物的距離)矩陣測光的參考以及 TTL 均衡閃光的控制。1992年推出。代表鏡頭：28-105mm f/3.5-4.5D AF Zoom-Nikkor

CRC：Close Range Correction 近攝校正
採用浮動鏡片設計，保證近攝時光學素質不下降，例如AIS 24/2.8、AF 85/1.4D IF之類均採用了CRC技術。

DC : Defocus-image Control 散焦影像控制
尼康公司獨創的鏡頭，可提供與眾不同的散焦影像控制功能。鏡頭的前端有一個散焦定位轉環，該環上的光圈值從F2到F5.6共4擋，分別標在環的左右，用R（後景散焦）與F（前景散焦）來指示。這是一種特殊的定焦鏡頭，其最大特點在於容許對特定被攝體的背景或前景進行模糊控制，以便求得最佳的焦外成像，這一點在拍攝人像時非常有價值，它還可以幫助我們根據所想要表現的來控制照片的各個部分，這也是其它廠家同類鏡頭所無法比擬的。目前尼康只有2支DC鏡頭：AF DC 105mm f/2D、AF DC 135mm f/2D

ED : Extra-low Dispersion超低色散鏡片
是指這支鏡頭內含 ED 鏡片，最大限度降低鏡頭色差（chromatic aberration），從而保證鏡頭有優異的光學表現。代表鏡頭：80-200mm f/2.8D ED AF Zoom-Nikkor

G型鏡頭
與D型鏡頭不同的是，該種鏡頭無光圈環設計，光圈調整必須由機身來完成，同時支持3D矩陣測光。這樣的設計減輕了鏡頭重量，降低了生產成本。該種鏡頭與F5、F100、F80、F65、F60、F55、F50、F401、PRONEA和D1機身完全兼容，對於F4、F90\F90X、F70、F801和F-601等機身，只能使用程序曝光和快門優先曝光模式。與剩下的其他機身不兼容。G型Nikkor鏡頭操作更為簡便，理論上沒有誤操作，因為它無需手動設置最小光圈。這是塑料AF鏡頭的延續，針對那些幾乎從不手動設置鏡頭的攝影者。現在Nikon有將G型頭推廣的趨勢。代表鏡頭：28-80mm f/3.3-5.6G AF Zoom-Nikkor

IF : Internal Focusing內對焦技術
所謂內對焦是指鏡頭在對焦時，前後組鏡片都不移動，而由鏡頭內部的一個對焦鏡片組（focus lens group）的浮動來完成對焦，對焦時鏡頭長度保持不變。IF技術的採用使快速而安靜的對焦變為可能。代表鏡頭：85mm f/1.4D IF AF Nikkor

IX鏡頭
1996年Nikon為APS相機Pronea發布的價廉、緊湊的鏡頭。性狀與塑料AF-D鏡頭相同。不能適配於非APS機身。減少了預留給反光鏡的空間，意味著這類鏡頭不同用於35mm相機，而且像場也太小，不足以覆蓋35mm膠片。但是標準的AF鏡頭卻可以用於APS相機。

Micro : 微距鏡頭
是指這只鏡頭是微距鏡頭，或有微距拍攝的功能。代表鏡頭：105mm f/2.8D AF Micro-Nikkor

N：New 新型
Nikon一些改進型鏡頭的標志，例如著名的AF 80-200/2.8D ED(N)

N/A：全時手動對焦
與佳能的FTM一樣。

P型鏡頭：內置CPU鏡頭
機身內置聚焦馬達是個「以不變應萬變」的策略，但這個策略對巨大的望遠自動鏡頭並不能很靈，這使得Nikon新機身無法高效使用望遠鏡頭。1998年Nikon發布了內置了CPU手動聚焦長焦鏡頭(P)，以滿足AF機身先進的自動曝光功能，從而部分地解決了這個問題。盡管P型鏡頭看起來和AI-S鏡頭是一樣的，但這些鏡頭卻擁有AF鏡頭的電子和大部分性能。目前只有3支P型鏡頭：500/4 IF-ED、1200-1700/5.6-8 IF-ED和45/2.8。

PC - Shift：移軸鏡頭
移動鏡頭光軸調整透視的鏡頭。多用於建築攝影。

RF : Rear Focusing 後組對焦技術
與IF不同的是，RF鏡頭由後組鏡片（rear lens groups）完成對焦。由於後組鏡片比前組鏡片要小，易於驅動，所以保證了迅捷的對焦速度，而且鏡頭長度一樣不變。RF對改善成像質量亦有貢獻。代表鏡頭：85mm f/1.8D AF Nikkor

S：Slim 輕薄
Nikon一些薄型鏡頭的標志，例如AIS 50/1.8S。

SIC：Super Integrated Coating 超級復合鍍膜

TC ：Teleconvertor 增距鏡

VR : Vibration Rection 電子減震系統
NIKON防手震鏡頭的代號，可用於手持攝影在低速快門時，增加畫面的穩定性。能支持VR的機身有 F5、F100、F80、F65、D1、D100。其餘機身可以使用鏡頭但不支持VR功能。代表鏡頭：80-400mm f/4.5-5.6D ED VR AF Zoom-Nikkor

⑩ 麒麟處理器性能排行榜

麒麟處理器性能排行榜，麒麟處理器的話一般都是才排第三或第四。