Kbtalking RACE 75%機械鍵盤開箱

其實本來想買的是pure

不過race出貨速度比較快

加上比較符合一般人使用習慣

所以後來還是選擇了race

 

趁著第二波預購

因為已經有flco茶跟黑軸

因此這次我買的是青軸的版本

值得一提的是 race紅軸版本 價格不錯

只比一般的貴四百的樣子

 

以鍵盤的包裝來講算不錯的

看不出來裡面裝的是鍵盤

DSC00355

 

打開就是一小盒裝著鍵盤

DSC00356

 

DSC00357

露臉

 

DSC00359

旁邊是二次出貨送的第二種鍵帽

r5高度 符合人體工學 非常好打

DSC00334

上電看看

DSC00335

跟mbp的發光鍵盤比較一下

 

DSC00337

mbp的漏光嚴重得多 最亮也沒有比race亮

race的呼吸燈效果也很棒

 

送的鍵帽 質感有點差

這個顏色裝上去很像工程在用的鍵盤

DSC00351

整支鍵盤非常輕 鍵帽尺寸有較一般的鍵盤縮小

因此寬度比flico 80%要小很多

點亮後很漂亮 

可以選擇亮度與只輛部分按鍵 給玩遊戲的用

DSC00347

除了一般的win key與fn key以外

還有附上饒富趣味的松鼠鍵與松果鍵 果然是教義派才會懂得梗

DSC00344

DSC00345

背面有dip switch可以把一些功能鍵關閉

防止遊戲中誤觸win key或是把win key改成fn key

後面是一塊鋁質標籤 因為反光所以拍不出來

DSC00353

結語

敲擊感就跟一般的青軸沒有太大的差異

雖然鍵帽比較小 但是間距做得很清楚 所以打字速度還是可以很快

因為usb的限制 因此只能做到六鍵無衝突

底座高度不可調 用料跟設計的關係打起來有點浮

空白鍵用了兩個假軸 因此阻力有點大 稍微影響打字的順暢感

雖然是75%鍵盤 砍掉數字鍵盤根六塊肌的部分

但是絲毫沒有適應問題 馬上就可以上手了

非常節省桌面空間

雖然有點貴不過還是非常有意思的一支鍵盤

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