Denon D2000 與 長物志 白虎

朋友拿了D2000與白虎來座座
所以順便記錄一下心得

首先D2000質感還不錯
網路上的照片拍不出重量感
一直都覺得塑膠感很重
不過實際摸到
覺得作工還不錯
DSCF8260
耳墊很舒服
耳朵後方皮墊有加寬
值得一提的是
頭戴作得很好 不會夾頭  支撐力適中

一開始接的是白虎
低音非常有力 整體表現非常不錯
有點像595的動態強化版
音場因為封閉式的關係因此較集中
還有一點是 D2000在耳機殼與耳機架的中間 其實是有開縫的
所以有一定程度的漏音  不算是完全的密閉式耳機
但離K240那種“半開放”結構還有點距離就試了

應付流行歌或OST之類的 非常合適
相信是聽動漫歌裡極佳的選擇
無怪乎有人說D2000是DENON耳機裡C/P最高的
跟較高階的耳機比起來 像WK或HD650
與WK比起來D2000人聲就沒有那麼突出
在偏重樂器表演的演奏類型與K701相比  D2000也比較缺乏魅力
不過D2000讓我確信了一件事 就是DENON的耳機的確是有對得起他的價格

DSCF8267

再來提一下 玄武
DSCF8265-1
左邊兩台 便是白虎與玄武
DSCF8266
白光指示燈

玄武是供電的大水塘
寨主說裡面裝了 總容量26500uF的電容
好東西  有想要買一個給其他耳擴用

主體是白虎
是UAB+耳擴的方便設計
推力十足  拿掉D2000換上HD650
也推得虎虎生風 
讓我非常好奇他的裡面是裝了啥東西

打開是 上下兩層的結構
上面電原 下面數位電路與放大電路

先看上面
DSCF8270
看起來還好  那顆保險絲替盒 很方便
下面有兩顆是供給 +-12V的穩壓IC
背面
DSCF8273
用了三顆 穩壓IC 分別給3.3V、5V兩組
為了要讓放大部分跟UAB用的電獨立 共用了五顆穩壓IC  算是很講究的作法

下面的主板
DSCF8268
輸出那顆OP是4562NA  可以自行更換調音
主要應該是靠上面四顆電晶體作放大

背面  UAB電路
DSCF8271
用了PCM2702 好東西

白虎使用LOW GAIN便已經很有力
跟以前的Beyond調調很不同
低音量不少  很有活力的聲音
但是聲音感覺有點硬  講白了就是味道少了一點
用GRADO聽 應該會刺激到爆
考量到價格還有UAB功能  真是值得推薦的東西

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