eth2dai

① 荣耀9x屏幕采样率多少

荣耀9x屏幕采样率是：2340x1080像素。荣耀9X系列拥有魅海蓝、魅焰红、幻影紫、冰岛白与幻夜黑几种配色，搭载6.59英寸全面屏，配备升降式前摄，屏占比达92%，采用指纹键与电源键一体化设计。

荣耀9X系列采用Type-C接口设计，配备4000mAh电池，保留3.5mm耳机接口。荣耀9X系列最高支持8GB LPDDR4x运存与256GBUFS 2.1存储闪存，搭载华为自研的方舟编译器以及EROFS超级文件系统，支持GPU Turbo 3.0。

(1)eth2dai扩展阅读：

荣耀9X系列全系标配7nm工艺麒麟810处理器，定制A76大核，单核性能提升75%，芯片能效提升50%，多核性能提升40%；GPU为定制版的Mail G52，1080P曼哈顿离屏性能，相比荣耀8X提升175%；自研达芬奇架构NPU。

全球唯一覆盖从零点几瓦到上百瓦全场景的计算架构，以高性能的3D Cube计算引擎为基础，大幅提升单位功耗下的AI算力，实现ETH AI-benchmark得分33965分。值得一提的是，定位轻旗舰的荣耀9X Pro还支持8GB运存+GPU Turbo3.0革命性游戏加速技术+液冷散热功能。

② 2D、3D、AI视觉的区别

2d视觉和3d视觉的区别
3D视觉与2D视觉技术的最大区别在于处理的数据类型不同。
在3D视觉领域，被处理的对象通常是依靠3D传感器采集到的三维点云数据，而2D视觉技术主要被用于处理平面图像里的信息。
这决定了3D视觉不仅能够感知场景中物体的有无，还能够准确的感知到物体离我们距离远近、尺寸大小和位置朝向

③ 工业机器人2D视觉有什么特点和优势

在制造业转型升级、新兴产业发展的过程中，中国市场将释放出惊人的机器视觉技术、产品需求，为本土机器视觉行业的成长提供了关键驱动力。很显然，针对国内机器视觉产业的布局将全面展开，而工业机器视觉是其中热点。

机器视觉系统就是利用机器代替人眼作各种测量和判断。它是计算科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。

④ 力导引图（Force-directed graph）图示-稳定币USDT, USDC与DAI 用来做什么

这个图显示了以太坊上USDT，USDC和DAI（3种最受欢迎的稳定币）在2020年第一季度Q1的表现。图中，点指代以太坊地址，彩色线条代表两个地址间的交易，并标注出知名交易所和DeFi平台。地址间的来往交易越多，它们在图上的距离就越近。

根据这个图可以看出：

只与DeFi应用有关联的地址聚集在右侧

只与中心化交易所进行交易（使用稳定币）的地址聚集左侧

与这两组都有关联的地址（例如Coinbase）位于中间

总体而言，每种稳定币都有其特定的用例：

左侧Huobi、币安和其他亚洲中心化交易所非常活跃

Coindesk报告表示，中国玩家通过使用USDT来解决加密货币交易限制的问题，USDT目前是市值和交易量最大的稳定币

USDC的活动同时发生在中心化（左侧）和去中心化（右侧）交易所

就在上周，Coinbase宣布数月前已投入110万美元的USDC以为以太坊上两个最受欢迎的DeFi应用Uniswap和PoolTogether提供支持

大多数Dai的交易都发生在去中心化平台上最活跃的交易发生在Oasis / Eth2Dai DEX上

Compound和dYdX借贷活动也值得关注

中心化交易所中，有明显的DAI交易量的是Coinbase，Coinbase上架Dai主要是回应用户对DAI / USDC交易对的需求

把这三种颜色的图组合在一起，组合图可以是看成是一个光谱，从中心化（USDT）到去中心化（DAI）。一个有意思的探讨点: 如果DeFi的发展依赖于稳定币，而稳定币本身又是基于中心化银行系统的，那么DeFi本身又有多去中心化呢？

⑤ 特斯拉的“纯视觉”，能否到达自动驾驶的彼岸

特斯拉最近又出大新闻了。才内部邮件宣布达成L2级自动驾驶，这次彻底“纯视觉”了。

这次是美国时间7月10日，特斯拉 FSD Beta V9.0终于在美国向用户推送。相比起上一个版本，V9.0做了FSD有史以来最大的一次更新。彻底抛弃了雷达的使用。而且，特斯拉征召了2000名车主内测，报名踊跃。不过，BUG很快就出来了。

这不，一位叫Giacaglia的网友看了一下特斯拉车主们发的视频，马上就收集了FSD 9.0 beta的11个失误瞬间。从各个动图来看，很明显现在的系统还是只能算是驾驶辅助，如果脱手或者离开人的监控，还是会出事情。这次可以看到的BUG有：

场景一：自动转弯之后径直向道路中央的绿化带撞了过去。

场景二：无法识别路中单轨道路。

场景三：闯公交车专用道。

场景四：在单行车道上逆行。

场景五：一直转换车道。路口右转时，无法判断使用哪个车道。

场景六： 汽车 压实线并线；急需换道时，因为后方车辆逼近，错过时机，只能下个路口见了。

场景七：自动并线超车之后发现道路划线，还要强行压线并道。

场景八：左转时提前换道。

场景九：左转时，差点进入对向路边停车位。

场景十： 汽车 穿过几条车道后才能左转。

场景十一：在一个只有停车标志的地方，看到两个停车标志。

“作为一个做Deep Learning方向的人表示，用神经网络的车我是肯定不敢坐的……”“是的，做ML（Machine Learning）的看现在的自动驾驶，堪比医生遇到挂科的同学给自己做手术。”“强行让机器来学人（纯靠视觉）本就是错误的发展方向，机器有自己的优势（可以自由加装雷达等设备进行辅助）而不利用，就是典型的教条主义、本本主义。”……

这都是很专业的质疑，那么，特斯拉是不是点错 科技 树？这个问题虽然见仁见智，但是从主流的CV（Computer Vision）+雷达路线来说，特斯拉有点像“西毒”欧阳锋了，为了降低成本，纯视觉一条道走到黑，“虽百死而不悔”的精神虽然有了，但是，那都是消费者的命啊……

为什么纯视觉？

如果特斯拉很老实地讲自己是驾驶辅助也就罢了，坏就坏在从一开始马斯克喜欢“吹”自动驾驶，直到吹破了以后在内部邮件中承认是L2级驾驶辅助。但是，现在马斯克给吹得成为一种神话，这种造神运动让马斯克骑上虎背下不来了。

而且，国内外有太多“特吹”，包括大众集团CEO赫伯特·迪斯博士。当然，迪斯博士吹特斯拉，是为了麻痹敌人，那是另外一回事。

且不说特斯拉多年排名垫底的自动驾驶功力，已经让多少人命丧黄泉，单说特斯拉靠“纯视觉”方案，说能达到全自动驾驶L4~L5级别，这就让人匪夷所思了。

苏黎世联邦理工学院（ETH Zurich）教授Marc Pollefeys则认为特斯拉不太可能放弃完全自动驾驶近在咫尺的说法，“很多人已经为此买单（特斯拉的FSD套餐），所以他们必须保持希望，”他说，“他们被困在那个故事里。”故事已经成为一种神话。

那么，为什么特斯拉取消雷达使用纯视觉？特斯拉多次强调过，摄像头数据和雷达数据在做融合的时候比较困难，当摄像头数据与雷达数据有冲突时，系统反而会更加难以抉择。

所以，马斯克也表示过，与其让二者互相扯后腿，不如只选一个并把它做到极致。而且，在他看来，特斯拉的深度学习系统已经比毫米波雷达强100倍，现在的毫米波雷达已经开始拖后腿了。

而在今年的 CVPR（计算视觉与模式识别大会）上，特斯拉首席AI科学家安乔·卡帕西（Andrej Karpathy）还讲了特斯拉如此“执拗”的原因。不过，对于走上歧路的特斯拉，我们还是奉劝要保持冷静。

为什么呢？道理其实很简单，人在开车，虽然是以视觉为主，但是其他的感官都是一体作用的，并非无用。比如听觉，身体的触觉，甚至是意识的直觉等。“事实上，人类开车的时候，是一种近乎无意识的感知，他就能够预测下一步应该怎么办，从而规避事故。”这是奇瑞 科技 有限公司总经理李中兵在世界人工智能大会的一场论坛上所讲的。而在这点，特斯拉有点过于执着在视觉上了。

通用视觉系统和神经网络

那么，这次的CVPR上，特斯拉的安乔·卡帕西（Andrej Karpathy）详细介绍的基于深度学习开发的自动驾驶系统，也就是全视觉的好处是什么？

特斯拉的底气，是采用了“通用视觉系统”和“神经网络”两种黑 科技 。当然，Karpathy 强调，基于视觉的自动驾驶，在技术角度更难实现，因为它要求神经网络仅仅基于视频输入就能达到超强性能的输出。“不过，一旦取得了突破，就能获得通用视觉系统，方便部署在地球的任何地方。”

“我们抛弃了毫米波雷达，车辆只靠视觉来行驶。”Karpathy认为，有了通用视觉系统，车辆就不再需要什么补充信息了。特斯拉始终认为，收集环境信息是一回事，利用环境信息又是另一回事。而且，传感器的种类和数量越多，互相之间的协调与整合就越难做，最终效果恐怕只是1+1 2，得不偿失。

这次特斯拉发布的FSD Beta V9.0，从技术上来说，新算法调用所有用于自动驾驶的8个摄像头，修复跨镜头畸变、时域差，拼接成环视视觉，再对周围环境进行实时的3D建模。也就是特斯拉所谓的“鸟瞰图视觉”。

具体来说，就是特斯拉将2D视图转化为模拟激光雷达数据，然后再用（激光雷达）算法处理这些数据，得到比之前好非常多的视觉测距精度。你不觉得奇怪么，既然还是得用激光雷达算法，为什么不用激光雷达呢？

按照特斯拉的说法，其自动驾驶系统是基于神经网络的特征识别、预判和规控，对于道路环境项目进行学习，比如交通路牌的含义到底是什么，需要通过很多场景素材训练系统，训练得越多系统能处理的场景越多。通过几百万车主积累的大数据，表现出来的能力就是，特斯拉可以轻松做到目前城市道路的自主驾驶。

实际上，马斯克一直都希望将特斯拉的制造成本压到最低。从成本上来说，目前特斯拉Model 3的自动驾驶摄像头成本只需要65美元。而激光雷达的成本，还基本上在1000美元以上级别。要知道，2018年的时候，Velodyne的64线激光雷达HDL-64售价可是高达7.5万美元的。

支撑特斯拉车价一降再降的当然是成本的控制。但是，马斯克和特斯拉还是过于迷信软件和AI的力量了。对于自动驾驶的“长尾问题”，特斯拉认为靠AI和超级计算机能解决，这都是有问题的。就算完成了99%，最后的1%依然是不可跨越的鸿沟。

此外，已经有外媒认为，美国本土的传统车企通用 汽车 将在2021年超越特斯拉，原因就在于特斯拉在自动驾驶方面已经落后，特别是又在“纯视觉”的路线上一条道走到黑。

传感器融合才是未来

就纯视觉的局限来说，有业内人士认为，在一些极端的场景中是无法满足对于感知探测能力的KPI指标的。比如一些复杂的天气情况，如大雨、大雾、沙尘、强光、夜晚，这对于视觉和激光雷达都是非常恶劣的场景，难以用一种传感器应对。主要体现在几个大的方面：

1）天气环境因素造成的视觉传感器致盲（如逆光炫目、沙尘暴遮挡等）；

2）小目标物体在中低分辨率视觉感知系统中，可能造成目标晚识别（如减速带、小动物、锥桶等）；

3）异形目标由于未经训练可能造成无法匹配，被漏识别（道路落石、前车掉落轮胎等）；

4）视觉传感器本身的识别要理要求，对于视觉识别的高算力需求等。

就算一些自动驾驶测试或比较成熟厂商，在智能驾驶中也多次发生撞车事故，为传感器系统的失效付出惨痛代价。所以,传感器融合是构建稳定感知系统的必要条件。毕竟，视觉感知能力有局限，必须结合毫米波雷达或激光雷达做优势互补才能实现。

回头来说，这次特斯拉的内测BUG里面，但凡有一个场景没有人类驾驶员眼明手快接手的话，就会演变成为交通事故。这能让人放心吗？特斯拉的车主们也忒心大了。

此外，我们知道，摄像头如何感知深度只是自动驾驶问题的一部分。特斯拉依靠的最先进的机器学习只是识别模式，这意味着它会在新情况下挣扎。一挣扎，就会产生误判。

与人类司机不同的是，如果系统没有遇到场景，它就无法推理该做什么。“任何AI系统都不了解实际发生的事情，”研究自动驾驶 汽车 计算机视觉的康奈尔大学副教授克里安·温伯格（Kilian Weinberger）如此表示。

还有一点是，虽说，FSD 9.0给智能辅助驾驶系统是创造了更广阔的应用场景，但是，在L2级别的驾驶辅助系统（而不是自动驾驶系统）这个前提下，这些功能多少仍显得有些鸡肋，因为驾驶过程中根本无法脱手。而且，人类驾驶员不仅需要手握方向盘，还需要在城市道路上与车载电脑系统较劲，增加了额外负担和心理压力。

FSD BETA V9.0的这些内测BUG会在实际道路上反复出现，毫无疑问这为城市交通也制造了更多的隐患。不过，这套系统能不能用在更加复杂的中国的开放道路上？公社的小伙伴中还是有对特斯拉超有信心的，“大家都没开过，怎么知道行不行呢？”是啊，是骡子是马，特斯拉总会拉出来遛遛。

⑥ 2dai代3和8代i3性能相差多少

可以说性能天地之别了。二代i3是2012年左右的产品了。双核四线程。玩大型游戏这个cpu性能不够。
八代i3是今年最新的产品。四核四线程。i3 8100的性能已经和七代i5 7500差不多了。性价比很高。

⑦ 华为9xpro型号是HLK-AL10是什么意思

华为hlkal10是荣耀9XPRO，是荣耀于2019年7月23日发布的一款智能手机，产品slogan是快由芯生，超能旗舰。

荣耀9X亮点不止于屏幕一项，更大的亮点在于搭载了最新的7nm处理器麒麟810。这款麒麟810处理器集成旗舰级定制A76大核，单核性能提升75%，多核性能提升40%，而且麒麟810还搭载了达芬奇架构NPU，ETH AI-benchmark得分33965分。

(7)eth2dai扩展阅读：

手机使用注意事项：

避免让移动电话曝晒於烈日下或在雨中使用，并应避免摔撞，若移动电话经泡水或雨淋请尽快擦干表壳，严重进水者切忌立即开机，以免导电烧坏内部零件，并请尽早送修。

若移动电话长期闲置不用，则需特别的防潮处理。我国南方，如华南地区天气多雨潮湿，移动电话内部水气将对零件造成伤害。

适度地使用移动电话，会让移动电话内部产生一定的温度，平时累积的水气藉此可以蒸散。

⑧ 麒麟处理器排名

你好，具体来说，在鲁大师的2018年上半年手机芯片排行榜中，高通骁龙845处理器在总分上排名第一。对于2018年的安卓手机市场，骁龙845芯片成为安卓旗舰手机的标配。

比如三星S9、小米MIX2S、小米8、坚果R1、OPPO Find X、vivo NEX等机型，都搭载了高通骁龙845处理器。在骁龙845之后，华为自家研发的海思麒麟970排名第二。

和骁龙845一样，麒麟970处理器也被多款机型所应用，比如华为P20、华为mate10、荣耀10、荣耀paly等机型，都搭载了这款手机芯片。对于华为这家手机厂商，海思麒麟处理器成为其重要的竞争力。

高通骁龙835和三星Exynos 8895分列第三名和第四名。和华为一样，三星也具有自研手机芯片的能力，并且，三星也将三星Exynos 8895等芯片应用到自家的旗舰手机上。

高通骁龙821排名第五，这款手机处理器发布于2016年7月，被应用到小米5s等较早的机型上。在骁龙821之后，骁龙820排名第六，根据互联网上的公开资料显示，联想ZUK Z2/Z2 Pro、小米5、一加3、vivo Xplay5旗舰版等机型搭载了高通骁龙820处理器。

最后，三星Exynos 8890和骁龙710分列第七名和第八名。其中，就高通骁龙710处理器，作为骁龙660的升级版，自发布以来就饱受关注。因为是前不久才发布的缘故，所以目前的骁龙710机型只有小米8、vivo NEX标准版等少数几款，不过，对于2018年下半年的智能手机市场，骁龙710手机很可能像骁龙660手机一样迎来爆发。在骁龙710之后，海思麒麟960和骁龙660分列第九名和第十名。

就骁龙660来说，是目前中端手机经常选择的处理器，比如小米6X、vivo X21、OPPO R15等中端手机就搭载了这款处理器。总的来说，对于2018年上半年的手机芯片排行榜，高通、华为海思、三星保持领先，而联发科则没有处理器进入到前十排名中。

⑨ 尼康镜头上的“S”“E”“D”“AF”“Ai”各代表什么

这是尼康镜头标识说明。
尼康（Nikon）镜头标识的含义
AI： Automatic Indexing自动最大光圈传递技术
发布于1977年，是Nikon F卡口的第一次大变动。AI是指将镜头的最大光圈值传递给测光系统以便进行正常曝光测量的过程和方法。当一个AI镜头被装在兼容AI技术的机身上时，该镜头的最大光圈值在机械连动拨杆的自动接合和驱动下传递给机身的测光系统，以实现全开光圈测光。Nikon F2A、F2AS、Nikkormat EL2、FT3和FM是第一批获益于这项技术的机身。代表镜头：Nikkor AI 50/1.4

AI-S：Automatic Indexing Shutter自动快门指数传递技术
在1981年，Nikon对全线AI镜头卡口进行了修改，以便使它能够与即将投入使用的FA高速程序曝光方式完全兼容，这些修改后的新镜头就是AI-S卡口Nikkor镜头。根据镜头光圈环和光圈直读环上的橙色最小光圈数字以及插刀卡口上的打磨凹槽，非常容易识别。当AI-S镜头用于Nikon FA机身时，它能够根据自身的焦距向机身提供信息以选择正常程序或高速程序，在快门速度优先自动曝光方式时，它们能够在非常宽的光照范围内提供一致的曝光控制。(因为AI-S镜头是为FA上的曝光“自动化”而定制的，因此机身的自动曝光连动拨杆能够非常流畅地控制AI-S镜头的光圈，以达到更为快速而精确的曝光控制)。代表镜头：Nikkor AIS 50/1.4

AF-S: Silent Wave Motor静音马达
代表该镜头的装载了静音马达(Silent Wave Motor，S)，这种马达等同于佳能的超音波马达(ultrasonic motor)，可以由“行波”(traveling waves)提供能量进行光学聚焦，可高精确和宁静地快速聚焦，可全时手动对焦。 可支持AF-S 镜头自动对焦的相机有 F5 ； F4； F100；F90X；F90；F80；F70；F65；D1；D1X；D1H；D100，其余的机身可以接用，也可以测光，但不能自动对焦。代表镜头：28-70mm f/2.8 ED-IF AF-S Zoom-Nikkor

D型镜头：Distance 焦点距离数据传递技术
代表镜头可回传对焦距离信息,作为 3D(景物的亮度，景物对比度，景物的距离)矩阵测光的参考以及 TTL 均衡闪光的控制。1992年推出。代表镜头：28-105mm f/3.5-4.5D AF Zoom-Nikkor

CRC：Close Range Correction 近摄校正
采用浮动镜片设计，保证近摄时光学素质不下降，例如AIS 24/2.8、AF 85/1.4D IF之类均采用了CRC技术。

DC : Defocus-image Control 散焦影像控制
尼康公司独创的镜头，可提供与众不同的散焦影像控制功能。镜头的前端有一个散焦定位转环，该环上的光圈值从F2到F5.6共4挡，分别标在环的左右，用R（后景散焦）与F（前景散焦）来指示。这是一种特殊的定焦镜头，其最大特点在于容许对特定被摄体的背景或前景进行模糊控制，以便求得最佳的焦外成像，这一点在拍摄人像时非常有价值，它还可以帮助我们根据所想要表现的来控制照片的各个部分，这也是其它厂家同类镜头所无法比拟的。目前尼康只有2支DC镜头：AF DC 105mm f/2D、AF DC 135mm f/2D

ED : Extra-low Dispersion超低色散镜片
是指这支镜头内含 ED 镜片，最大限度降低镜头色差（chromatic aberration），从而保证镜头有优异的光学表现。代表镜头：80-200mm f/2.8D ED AF Zoom-Nikkor

G型镜头
与D型镜头不同的是，该种镜头无光圈环设计，光圈调整必须由机身来完成，同时支持3D矩阵测光。这样的设计减轻了镜头重量，降低了生产成本。该种镜头与F5、F100、F80、F65、F60、F55、F50、F401、PRONEA和D1机身完全兼容，对于F4、F90\F90X、F70、F801和F-601等机身，只能使用程序曝光和快门优先曝光模式。与剩下的其他机身不兼容。G型Nikkor镜头操作更为简便，理论上没有误操作，因为它无需手动设置最小光圈。这是塑料AF镜头的延续，针对那些几乎从不手动设置镜头的摄影者。现在Nikon有将G型头推广的趋势。代表镜头：28-80mm f/3.3-5.6G AF Zoom-Nikkor

IF : Internal Focusing内对焦技术
所谓内对焦是指镜头在对焦时，前后组镜片都不移动，而由镜头内部的一个对焦镜片组（focus lens group）的浮动来完成对焦，对焦时镜头长度保持不变。IF技术的采用使快速而安静的对焦变为可能。代表镜头：85mm f/1.4D IF AF Nikkor

IX镜头
1996年Nikon为APS相机Pronea发布的价廉、紧凑的镜头。性状与塑料AF-D镜头相同。不能适配于非APS机身。减少了预留给反光镜的空间，意味着这类镜头不同用于35mm相机，而且像场也太小，不足以覆盖35mm胶片。但是标准的AF镜头却可以用于APS相机。

Micro : 微距镜头
是指这只镜头是微距镜头，或有微距拍摄的功能。代表镜头：105mm f/2.8D AF Micro-Nikkor

N：New 新型
Nikon一些改进型镜头的标志，例如著名的AF 80-200/2.8D ED(N)

N/A：全时手动对焦
与佳能的FTM一样。

P型镜头：内置CPU镜头
机身内置聚焦马达是个“以不变应万变”的策略，但这个策略对巨大的望远自动镜头并不能很灵，这使得Nikon新机身无法高效使用望远镜头。1998年Nikon发布了内置了CPU手动聚焦长焦镜头(P)，以满足AF机身先进的自动曝光功能，从而部分地解决了这个问题。尽管P型镜头看起来和AI-S镜头是一样的，但这些镜头却拥有AF镜头的电子和大部分性能。目前只有3支P型镜头：500/4 IF-ED、1200-1700/5.6-8 IF-ED和45/2.8。

PC - Shift：移轴镜头
移动镜头光轴调整透视的镜头。多用于建筑摄影。

RF : Rear Focusing 后组对焦技术
与IF不同的是，RF镜头由后组镜片（rear lens groups）完成对焦。由于后组镜片比前组镜片要小，易于驱动，所以保证了迅捷的对焦速度，而且镜头长度一样不变。RF对改善成像质量亦有贡献。代表镜头：85mm f/1.8D AF Nikkor

S：Slim 轻薄
Nikon一些薄型镜头的标志，例如AIS 50/1.8S。

SIC：Super Integrated Coating 超级复合镀膜

TC ：Teleconvertor 增距镜

VR : Vibration Rection 电子减震系统
NIKON防手震镜头的代号，可用于手持摄影在低速快门时，增加画面的稳定性。能支持VR的机身有 F5、F100、F80、F65、D1、D100。其余机身可以使用镜头但不支持VR功能。代表镜头：80-400mm f/4.5-5.6D ED VR AF Zoom-Nikkor

⑩ 麒麟处理器性能排行榜

麒麟处理器性能排行榜，麒麟处理器的话一般都是才排第三或第四。