`

新机器 新开始

    博客分类:
  • Life
阅读更多
   经过多轮笔记本扫盲比较之后, 终于在上周末抱回了梦想中的thinkpad t61 fd1(Intel 酷睿2双核 T8300处理器,3GB 内存,250GB 硬盘,128MB Nvidia Quadro NVS 140M独立显卡), 报价为8500大洋. 繁琐的购机历程算是告一段落.



   这个购机历程比较漫长, 从开始决定购机到最终下手, 差不多3周的样子, 因为以前都是公司的hp笔记本, 从中档到低档的机型差不多接触过3台hp的电脑, 对于hp的电脑没什么好说的, 基本能满足需要(写程序, 看电影, 上网都没有问题), 唯一的不足就是开始的机型硬盘空间不足, 另外就是没有dvd刻录, 很多资料都没法刻录成光盘保存, 因此这次在选择的时候首先确定了两条要求:硬盘够大; 带dvd刻录. 然后是确定品牌:ASUS, DELL, THINKPAD应该是我的首选, 接着在周围朋友中间问了一圈, 看看大家都用什么电脑, 结果有两个极端, 要么直接上thinkpad, 要么买神州, 用几年换新的. 经过考虑之后, 最终将眼光集中到了thinkpad t61, 于是在网上开始搜索thinkpad的相关资料, 不看不知道, 一看真的让人头痛, 一个就是thinkpad收归lenovo旗下之后, 缩水不少, 另外一个让国人诟病的就是同样的东西, 在美国销售的thinkpad要比国内的便宜接近一倍.最后决定还是买水货.虽然保修是个问题,不管了, 赌一把先.

  确定了产品之后当然是确定在哪儿购买了, 在网上比较有名的水货购机大多在北京, 上海这些地方, 杭州本地的基本都不怎么有名, 万一出现问题, 为了维修方便, 最终将购机地点限定在杭州. 于是开始在淘宝上搜索, 根据卖家星级, 最终锁定了两家, 然后通过公司运营tx的参谋, 最终锁定了这家http://shop33286335.taobao.com/

   一切准备好, 周六叫了两个同事, 直奔西溪数码港, 当找到卖家的实体店的时候着实被雷到, 一个非常简陋, 毫不起眼的门面, 里面除了堆了两大堆笔记本的箱子之外, 基本上看不到什么东西, 当说明来意之后, 店家说机器已经分区, 格式化, 系统重装了, 这个也着实又被雷到了一把, 网上有网友被js用样机忽悠的场景开始在我眼前晃悠, 这种烂事可别被我碰见吧???于是自己开始检查, 店家也周到, 各种检查软件都装好, 于是联网输入序列号, 检查配置, 查看电池使用次数, 检查坏点...一切均没有问题, 心中的疑云开始渐渐散去, 于是又看赠送的东西, 赠品无好货, 假冒的ibm鼠标(是我见过的最烂的鼠标), 假冒的内胆包和假冒的thinkpad单肩包, 一根可伸缩的网线还不错, 同事也多要了一个, 最后就是清洁套装, 反正都是送的, 都照单收下.最后决定多加一条2G的内存, 价格比网上的贵了许多, 牌子选择了kingston的, 后来店家从另一家调来货, 看了一下, 样子一点不想真品, 而且网上也说kingston的假货暴多, 但是最后还是装了, 回去在网上google了一把, 发现网上的kingston实物照片跟我的完全两样, 真的碰到js了, 所以最好是自己买来内存给店家安装比较保险, 不过经过周日多轮测试之后没有发现什么问题, 只希望在以后的日子里别出现蓝屏死机什么的.

  回去之后,装了安全卫士360之后一扫描, 真是不扫不知道, 一扫吓一跳, 机器里面有n多木马. 于是赶紧一一揪出杀之, 然后安装诺顿, 给xp打补丁, 开启防火墙.

  经过一天的拷机测试之后, t61没有出现问题, 心中的石头总算落地.

  通过这几天的使用, 说说感受吧, 现在的t61都是宽屏了, 因为以前也用过hp的宽屏机, 对我来说也无所谓, 虽然很多人痛恨宽屏. 然后就是机器比我想象中的要重, 带着出门比较麻烦(开始是否应该选择x61?). 网上都说thinkpad的键盘是最棒的, 经过使用感觉跟hp的也没什么区别吧, 还有就是小红点了, 因为以前没用过, 很多人喜欢这个东西, 但是对我来说使用实在是非常的不怎么顺手, 继续熟练中, 最后就是键盘的布局, 跟我以前接触的很多不一样, fn功能键和ctrl键老是按错, esc键和f1键也老是喜欢搞错.继续习惯中.整个机器的塑料感很强, 而且笔记本合上之后,左右两边有很大两条缝隙 对其抗摔, 防震性能比较怀疑, 还有就是usb的布局也是被网友骂s了的, 我就不说了.
分享到:
评论

相关推荐

    数据库从一台机器克隆到新的机器

    5. 创建新机器目录:创建目标机器上的数据库目录,以便存储克隆的数据库。 6. 创建WINDOWS服务:创建目标机器上的WINDOWS服务,以便启动克隆的数据库。 7. 配置监听:配置目标机器上的监听,以便允许客户端连接克隆...

    python机器学习教程-从零开始掌握Python机器学习:十四步教程.pdf

    机器学习是一个不断发展的领域,保持对新算法和技术的关注至关重要。参加在线论坛(如Kaggle)、阅读研究论文和博客文章,以及参与项目实践,可以帮助你不断提升技能。同时,利用开源数据集进行练习,如MNIST(手写...

    机器学习——回顾与展望.pdf

    机器学习的未来发展趋势包括继续深入研究深度学习、.transfer learning和meta-learning等新的机器学习方法,以及探索新的应用领域,例如自动驾驶、智能家居、医疗保健等。 机器学习的研究和应用需要多学科交叉的...

    如果您刚开始接触机器学习,我们建议您先学习以下在线课程,然后再深入研究 TensorFlow 文档

    机器学习是一种快速发展的领域,而 TensorFlow 是其中的重要工具,尤其在构建深度神经网络模型方面具有广泛的应用。对于初学者来说,了解和掌握 TensorFlow 的基础知识至关重要。以下是一些关键的学习路径和概念,...

    机器学习课程课件

    在开始学习机器学习之前,我们需要理解几个基本概念:监督学习、无监督学习和强化学习。监督学习是通过已有的带标签数据训练模型,如分类和回归问题;无监督学习则是在没有标签的情况下寻找数据中的结构,如聚类和...

    《Python机器学习及实践从零开始通往Kaggle竞赛之路》,代码(基于pycharm的py3实现)、数据集

    《Python机器学习及实践从零开始通往Kaggle竞赛之路》是一本全面介绍Python机器学习技术的书籍,旨在帮助初学者逐步掌握机器学习的核心概念和方法,并通过实践项目提升技能,最终达到参与Kaggle等数据竞赛的水平。...

    新一代机器学习架构概述.pdf

    1. 定义问题:在机器学习工作流程的开始,首要任务是明确并定义所要解决的问题。这不仅包括业务目标的清晰定义,也涉及数据准备、模型选择等后续步骤的考虑。 2. 准备数据:数据准备过程是机器学习中至关重要的环节...

    机器学习研究及最新进展

    进入21世纪,随着大数据和计算能力的提升,机器学习开始快速发展,并在诸多领域取得了突破性的应用进展。 机器学习的主要方法可以分为监督学习、非监督学习、半监督学习和强化学习。监督学习中,系统通过学习带有...

    大数据时代机器学习的新趋势.pptx

    大数据时代机器学习的新趋势 大数据时代的到来,引领了机器学习的新发展阶段。随着海量数据、先进计算技术和不断创新算法的出现,机器学习的研究和应用迎来了新的机遇和挑战。本文将探讨大数据时代机器学习的新趋势...

    平行机器:一种智能机器的管理与控制框架.docx

    平行机器作为一种新型的管理和控制框架,为智能机器的未来发展提供了新的思路和技术支持。通过结合物理机器和知识机器的优点,平行机器有望解决当前智能机器在复杂环境下的适应性和可控性问题。随着相关技术的不断...

    很详细的机器视觉培训教程

    到了80年代,机器视觉的研究开始全球性热潮,各种新理论和新方法不断涌现,如基于感知特征群的物体识别理论框架、主动视觉理论框架和视觉集成理论框架等。 机器视觉的发展推动了智能系统的发展,并拓宽了计算机与...

    机器学习源代码.zip

    大概在上世纪80年代开始蓬勃发展,诞生了一大批数学统计相关的机器学习模型。 深度学习(Deep learning)是机器学习的子集,灵感来自人脑,由人工神经网络(ANN)组成,它模仿人脑中存在的相似结构。在深度学习中...

    机器猫的制作教程

    开始新项目 打开CATIA软件后,选择新建一个项目,为项目命名,例如:“机器猫设计”。 ##### 2. 创建基础形状 - 使用**草图工具**绘制出机器猫的基本轮廓,如头部、身体、四肢等。 - 运用**拉伸命令**将二维轮廓...

    使用ClickHouse的机器学习——Machine Learning with ClickHouse.pdf

    随着机器学习和人工智能的兴起,ClickHouse也开始应用于机器学习领域。下面是使用ClickHouse进行机器学习的一些知识点: 1. 数据加载:ClickHouse提供了多种方式来加载数据,例如从文件、网络请求、数据库等。对于...

    机器鱼介绍2

    随着技术的不断进步和社会需求的日益增长,机器鱼及其相关的水中机器人竞赛将继续发展壮大,不仅为科研人员提供了一个展示创新成果的舞台,也为培养新一代科技人才做出了重要贡献。未来,我们可以期待更多基于机器鱼...

    机器翻译 ACL 2012 论文集

    2. **深度学习与神经网络机器翻译(NMT)**:虽然NMT在2012年还不是主流,但已有研究者开始探索其潜力。这些论文可能介绍了基于RNN(循环神经网络)或早期的Transformer模型的初步尝试,预示着未来翻译技术的革新。 ...

    Py机器学习MachineLearninginActionPython机器学习类教程源码

    机器学习(Machine Learning)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科,主要研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构...

    机器视觉发展史简介

    - **20世纪50年代**:机器视觉领域的研究开始萌芽,主要集中在二维图像的统计模式识别上。这一时期的研究为后续的技术发展奠定了基础。 - **20世纪60年代**:Roberts等人开始进行三维机器视觉的研究。这一时期的探索...

    这是机器学习开始!.zip

    它专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径。 随着统计学的发展,统计学习在...

Global site tag (gtag.js) - Google Analytics