客制化键盘键位修改_“年轻人的第一把机械键盘”,小米机械键盘到底值不值...

0dfdb2a156639b9d1868925cff7f62e6.png

前言

“小米也要出机械键盘了!!”这是三年前在外设圈的一个让人津津乐道的话题。

三年前,机械键盘市场还不像现在一样,廉价键盘铺天盖地,可选择的品牌并不多,国产机械键盘也还没有崛起。小米则放出豪言要做199块钱的机械键盘,当时机械键盘的基准价格还是400左右,虽然有国产轴的会偶尔降价,但是价格一直偏高,玩家望而生畏。

小米也是打着“年轻人的第一把机械键盘”的旗号,开始进入外设行业。初代的小米用的还是ttc轴,模具也并不精确,合缝问题,轴体耐久都有不少缺陷。但是后续几版也是越来越好,打响了外设市场整体降价的第一枪。

在原来的小米机械键盘基础上,小米也推出了cherry轴版本的机械键盘。价格依旧美丽,300以下,104键,pbt键帽,原厂轴,性价比方面基本没有敌手。

外观

首先看看包装,这是小米一贯的包装风格,纯白色包装,右上角小米的橙色logo,右下角则是说明了该配列可使用的操作系统。

b657e0213f699c68f8cdafc15613777f.png

a51d39953a0d490043f415927bcc3bbf.png

f4ba1283c2950934d07639afb86152ff.png

附件不多,一张说明书足矣。

d59026442406ae94820818696ec8e74e.png

如果硬要说别的附件的话,这个附带在包装中的“防尘盖”也可以算上。虽然只是一个普通塑料盖,也不够厚实,但是充当防尘盖足够了。

d7aece9bc49b69e9c28c0eb6283e67a8.png

ba50f68a0e284c0a63e7f71d9ae12338.png

104键常规布局,悬浮轴设计,虽然容易清灰但也同样容易落灰。就当年的审美来说,窄边框带上盖的设计要比悬浮轴要来的更好,但这两年仿佛有更替的趋势。最好的例子就是贼船和罗技的旗舰无线键盘,包括cherry的爆款mx8.0等等。

6e8293056e2b72afa375c81ad999fda6.png

933b58a87c06333e216fced20c8de312.png

f8e256b928c4cfbdd853097982bea9bd.png

ccbfe3a653f100133ea57d22bcb5544d.png

键帽上字符的印刷不同于一般键盘偏左上位置印刷,而是在中间印上字符。键帽中间印刷字符常见于SA高度的键帽即俗称的“球帽”,或者一些定制款键盘,在一款普通的104键盘倒也是不太常见。

6dfd56f915e2d0f774a51576e2b85911.png

aa4dbefd6409327a8fe209b9d0339fb1.png

相比一般键盘来说,这款小米机械键盘底座更薄。

27f1daca0b649939793f34e62f764a89.png

小米家产品常见的塑胶圈“理线带”,相比常规理线带,塑胶圈便宜而且更紧致。一般只要看见一块产品的电源线是用这样的塑胶圈捆绑的,那就是小米的产品了。

dc5e2df337ce812fe8ddf2833ce08d31.png

底部的脚撑,只有一段高度,整体能调整的高度和角度有限。同时由于键盘本身就比较薄,导致键盘整体抬高的高度略低,如果不是因为轴体关系。这把小米机械键盘的设计元素,更像是近年流行的矮轴机械键盘。

4c0ffaa392fc62551413bce0fd00c551.png

d2ad90356da3b3b1c5b03ba3babea47d.png

底部的脚贴(防滑垫)如图,看上去比较小气,脚垫都非常小而且仅仅只有五小块。

e6392c4f446a8e25c62ede97d069ff35.png

相比于108键的键盘,我还是更适应104键的键盘。104键的指示灯一般就在数字键盘上方,而108键一般会在方向键上方或ESC键的边上,多年来的键盘使用习惯让我不太希望有所更改。

9369b00d8005a82090c11c266034730b.png

说说轴体吧。cherry原厂轴,质量没什么好说的,目前公认的最好的轴体没有之一。从技术积累,研发实力,到选材选料,cherry一如既往的无可挑剔。

09cd5fc2bd36a0a48d8e07347131eded.png

大键位采用的是卫星轴设计。相比于过去使用龙豆连接的方式,卫星轴需要解决非常多问题。首先就是手感的一致性,由于边上两个卫星轴和中间的cherry轴,本身轴体和手感不同,容易造成手感不一致的问题。其次就是轴体晃动问题,这是任何一款键盘,任何一种都不得不面对的问题。这款小米机械键盘,在卫星轴的调教上,个人觉得还没有令我满意。当然手感是因人而异的,就我个人感觉,轴体晃动还是无可避免的,顺滑程度倒也可以接受,总之可以算是及格之上。

07b2fd7129e8c6f4f8178df266584acb.png

这里再说一下键帽。小米机械键盘的特色之一,采用了PBT键帽。PBT相比于ABS,最大的优势还是在于耐用性,长时间使用不打油。键帽工艺还不错,除了注塑口以外,看不到非常明显的毛刺。由于材质的特殊性,PBT天然自带的那种磨砂感令人陶醉。

63e7b68b5e8d14abeb23eaddbf9b6eeb.png

大键位的键帽特写,内置有加强筋增加强度。同样也看不到键帽边缘的毛刺,只有注塑口的不平整。

fb7fd2af80f8d478f01054af25e4afc9.png

df6ce6c795998483e53cef0a33c32976.png

使用感受

说说我的使用感受吧。我一般不喜欢吹嘘手感之类的,因为每个人喜欢的手感是不一样的,就像是有些人喜欢青轴,有些人喜欢红轴,还有些人喜欢不伦不类的茶轴,还有那么一部分喜欢自己做diy轴体。键盘的手感取决于非常多的因素,有无钢板,键帽材质厚度,轴体品牌,大键位的设计和调校。

总体来说,使用还是非常愉悦的,原厂红轴配合基础调教,打字依旧行云流水。唯一让我觉得不太适应的是这个键盘的高度,虽然同样是OEM高度的键帽,但是底座和脚撑较低,让我手腕撑着比较吃力。个人感觉配合一个木制手托可能会舒服一点。

d3d25ac8b7d50ccb0307b09eafdbc886.png

f3fc0371c4f72cca3e136e675be7df70.png

总结

总结来说,小米机械键盘还是性价比极高的。300以内的全尺寸原厂轴机械键盘,应该只此一家。我个人对这把小米机械键盘的评价就是“年轻人的第一把机械键盘”。

性价比高,原厂轴,PBT键帽,全尺寸,该有的都有了。首次入坑机械键盘的人,这些元素是可以让你体验到机械键盘与普通薄膜键盘根本上差距的。有了这样一把“年轻人的第一把机械键盘”再后续玩别的机械键盘就更加得心应手,体验有钢板的,体验大键位使用龙豆加平衡杆的键盘,体验带灯光的单色的RGB的键盘,体验ABS或者POM等其他材质的键帽,体验更高级的键帽品牌GMK或者其他定制配色键帽,体验其他高度的键帽SA、DSA、原厂,还能深入体验客制化键盘的快乐。机械键盘这个深坑有很多很多等待着被发现。

回到原地,小米机械键盘作为入门款,“年轻人的第一把机械键盘”还是相当合适的。青春不用等待,入门没有门槛,机械键盘的新世界等待被开拓。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值