有錢沒錢 作台CMOY好過年

大家新年快樂

這次大年初一
終於能夠在家過個清閒的年
回想這幾年不是在重考
就是在軍中...回想起來真黑暗...

CMOY是一個架構很簡單的耳機擴大器
是一個非常好玩的小東東
很久以前就想玩了
趁著整理房間
順便把五專上課用的一堆零整理整理
用了一堆爛料作了一台CMOY

借用NEO BLOG站的電路圖
我作的是雙OP的電路  所以LAYOUT可簡單一點





















因為材料的關係 所以我100uf的電容改成470uf的
回授1M電阻 網路上有人建議把1M改成100K的
但是我試過了 會有問題  建議還是維持原樣
OP第二跟第六支腳接虛擬地的4.7K電阻 我改成1K

電路圖裡是用9V的乾電池
我參考網路上最簡單的整流電路 作了一個10V直流的供電電路

材料如下

其中7805是穩壓IC  換成7810即可輸出10V直流電壓



開聲....  聲音還不錯說...  低阻耳機推得還不錯
已經勝過我唱盤座機micromega junior內建的耳擴了
這還是用一堆爛料搭出來的東西  讓我有點驚訝
這麼簡單又便宜的電路效果也不錯
而且可以很容易聽出OP之間的差異  很適合用來作OP調音的基準

最後已經有點作上癮了 XDD
聽說改那兩顆電容效果不錯
已經買了neo 虛擬接地套件跟enla電容準備來改機了


話說途中電腦居然爆了  西華電源果然有爛到
連我主機板都拖下水'...


留言

張貼留言

這個網誌中的熱門文章

Office 2021 離線安裝封裝與KMS啟動步驟

圖片
1.到Office 365 Customization Tool   https://config.office.com/deploymentsettings  選擇建立新的配置 Office來源套件選擇Office LTSC 標準版2021大量授權 OR 其他你想要的版本   剩下根據你的安裝配置進行設定 在安裝選項 改成本機來源 (這邊選擇安裝環境的安裝檔案路徑 可以設定網路磁碟如 \\192.168.0.1\office2021) 完成後匯出設定檔案 會得到一個XML檔案  這就是你office 的安裝組態檔案  這邊命名為office.xml 我的組態檔案像這樣 <Configuration ID="4b609851-a8f8-4cce-bf99-22096f57e715">   <Add OfficeClientEdition="64" Channel="PerpetualVL2021" SourcePath="C:\PROPLUS" AllowCdnFallback="TRUE">     <Product ID="ProPlus2021Volume" PIDKEY="FXYTK-NJJ8C-GB6DW-3DYQT-6F7TH">       <Language ID="zh-tw" />       <ExcludeApp ID="Lync" />       <ExcludeApp ID="OneDrive" />     </Product>   </Add>   <Property Name="SharedComputerLicensing" Value="0" />   <Property Name="SCLCacheOverride" Value="0" />   <Property Name="AUTOACTIVATE" ...
閱讀完整內容

Ollama使用心得與模型導入教學

# 前言 隨著大語言模型的普及，在本地運行AI模型已成為許多開發者和研究者的需求。Ollama作為一款開源的本地AI模型運行平台，為我們提供了便捷的解決方案。經過一段時間的使用，我想分享一些心得與實戰經驗。 # 一、Ollama的主要功能與定位 Ollama是一個專為本地運行而設計的大語言模型平台，主要特色包括： **核心功能：** - 支援多種開源模型（LLaMA、Mistral、CodeLlama等） - 提供簡潔的命令列介面 - 支援模型量化，減少記憶體使用 - 內建API伺服器，方便整合到應用程式中 **定位優勢：** - 完全離線運行，保護隱私 - 不依賴雲端服務，降低使用成本 - 適合開發測試環境 - 支援自定義模型導入 # 二、安裝與Cuda加速設定 ## 2.1 基本安裝 **Windows系統：** ```bash # 下載並安裝Ollama winget install Ollama.Ollama ``` **Linux系統：** ```bash curl -fsSL https://ollama.com/install.sh | sh ``` ## 2.2 Cuda加速設定 要充分利用GPU加速，需要確保系統已安裝NVIDIA驅動和CUDA toolkit： **檢查Cuda狀態：** ```bash # 檢視GPU使用情況 nvidia-smi -l 1 ``` **確認Cuda版本：** ```bash nvcc --version ``` **Ollama會自動偵測Cuda環境**，如果安裝正確，啟動時會顯示GPU加速已啟用。 # 三、模型取得與匯入方式 ## 3.1 官方模型下載 ```bash # 下載熱門模型 ollama pull llama2 ollama pull mistral ollama pull codellama ``` ## 3.2 自定義模型導入 ### 從Hugging Face下載GGUF檔案 1. **找到適合的模型：**    - 前往 huggingface.co    - 搜尋支援GGUF格式的模型    - 下載.gguf檔案 2. **創建Modelfile：** ```bash # 創建Modelfile echo 'FROM ./you...
閱讀完整內容

ARC下NSMutableDictionary 無法使用retainCount

今天用到 NSMutableDictionary 在alloc之後 很自然的就補了release 想要觀察有沒有放乾淨 所以使用了retainCount卻發生了錯誤 NSMutableDictionary* jsonObject = [[NSMutableDictionary alloc] init] ; [jsonObject setObject:account forKey:@"username"]; [jsonObject setObject:password forKey:@"password"]; [jsonObject setObject:@"2" forKey:@"source"]; NSString *jsonInput = [jsonObject JSONRepresentation]; NSLog(@"jsonObject RetanCount:%@", [jsonObject retainCount]); //Bad_Access Here 爬了一下文，原來arc在建立NSMutableDictionary這類的物件時。便已經會自動使用autorelease 因此不支援retainCount 值得注意的是 當NSMutableDictionary裡面每增加一個物件(KEY)時 該NSMutableDictionary的retain便會自動加一 不過在新的arc功能下 已經不用那麼在意retain值了。     You shouldn't use -retainCount to figure out what is going on. The Apple docs specifically state:     Important: This method is typically of no value in debugging memory management issues. Because any number of framework objects may have retained an object in order to hold refer...
閱讀完整內容