鏖战襄阳2.3太极攻略，鏖战襄阳2.42太极神功怎么才能玩

1，鏖战襄阳2.42太极神功怎么才能玩

鏖战襄阳2.42正式版升级更新略微降低太极神功“道法天地”的伤害，加强摘星功“腐尸毒”伤害公式，略微加强蝴蝶谷“幻蝶”的伤害，但冷却时间增加1.6秒。 通过下载地图可以玩。

2，鏖战襄阳 太极神功怎么解锁

在鏖战襄阳中太极神功要解锁的话，你首先需要等级达到69级才可以解锁太极神功。

3，鏖战襄阳太极的专属武器怎么打

在杨铁心那里先做奇遇任务。接任务杀一百只猪之后再去交。会得到杨家枪制作书。 支线任务做到铁掌峰会给一个抗金要诀。 杨家枪+10个舍利+抗金要诀 在杨铁心处交。会给忠烈杨家枪。

鏖战襄阳2.42正式版升级更新略微降低太极神功“道法天地”的伤害，加强摘星功“腐尸毒”伤害公式，略微加强蝴蝶谷“幻蝶”的伤害，但冷却时间增加1.6秒。 通过下载地图可以玩。

4，鏖战襄阳2.42太极神功怎么才能玩

鏖战襄阳2.42正式版升级更新略微降低太极神功“道法天地”的伤害，加强摘星功“腐尸毒”伤害公式，略微加强蝴蝶谷“幻蝶”的伤害，但冷却时间增加1.6秒。
通过下载地图可以玩。

5，魔兽争霸3鏖战襄阳九阳真经怎么用

首先，你进图之后BOSS会进入旋风状态，这时候你尽力输出，EX怒气、大蹦、怒气都放，但是别傻傻的冲上去被打，旋风伤害很高的。之后，BOSS会变回原来的状态。你就丢一个鬼斩骗属性（要是你无属性打BOSS，BOSS会进入高防状态）然后你看风向，向东就跑到BOSS左边，向西就跑到BOSS右边（不跑动会变成僵尸）。这样子找空隙输出。然后过一会儿BOSS继续旋风，你就继续丢技能，BOSS变回原形后再鬼斩骗属性，来来回回几次就能过了，你要是伤害高基本2、3回合就过了，人家视频都是第一次旋风直接秒- -

6，鏖战襄阳太极的专属武器怎么打

在杨铁心那里先做奇遇任务。接任务杀一百只猪之后再去交。会得到杨家枪制作书。

支线任务做到铁掌峰会给一个抗金要诀。

杨家枪+10个舍利+抗金要诀 在杨铁心处交。会给忠烈杨家枪。

7，利文斯顿:签约考辛斯可能不受欢迎,但没有打破规则_

今天，勇士球员肖恩-利文斯顿接受了记者的采访，谈到了对于球队签约德马库斯-考辛斯的看法。

“对于NBA来说，这可能不是一次受欢迎的签约，但说到底，考辛斯是一名自由球员，而他也处在自由市场。最终，他加入了我们。我不认为我们打破了什么规则。我们会敞开怀抱接受他的加入。”

利文斯顿2017-18赛季常规赛场均出场15.9分钟，得到5.5分1.9篮板2.0助攻；季后赛场均出场17.2分钟，能得到6.7分2.3篮板1.5助攻。

8，鏖战襄阳明教第一个boss只有第一次砸石头么

新闻（哔——）播主持人，话说这BOSS好萌好像元首~~~一开始不会打，冲上去乱砍一气结果一滴血没减，使用枪械也构成不了伤害。后来翻阅有关攻略才发现BOSS的大脸四周有3个红色圆点，只要用拳套进行砸地板攻击就可破开BOSS的无敌，前几次只要砸一次就可破无敌，后期要3个圆点全部砸灭才可以对BOSS造成伤害。元首，不对BOSS的攻击方式有：蓝色的直线弹幕攻击，一次闪避掉即可。绿色弹幕攻击会从两边夹你，边跑边跳即可，紫色弹幕攻击会以BOSS为中心点旋转进行攻击，双枪配合二段跳争取空中的滞留时间即可轻松回避，双色弹幕攻击也是以BOSS为中心点发出弹幕墙，从方块的空隙中逃脱即可。打法主要前期正常发挥，后期要砸三次圆点时小心闪避，因为在一定时间内没有把全部圆点砸完，BOSS会重置所有圆点，又得重新来一遍

不明白啊 = =！

9，新超越极限2.24隐藏英雄密码攻略

1.基地下方狗头人,有5%几率5木，杀BOSS，除固定奖励水晶外，额外20%几率奖励20到200水晶。 2.南明烈火斩,一定几率（2.3系列版本是0.625%，现在大约1.25%，总之几率低）发动群伤技能,伤害与全属性和战系数有关。 3.天狼刃,骑狼外,本身技能,有一定几率（大约是1%到2%，不确定，几率低）发动被动群伤技能，伤害公式：(力量+敏捷*3+智力)*战系数. 4.本地图之关键在于人口,人口多,战系数高,木多,属性就高.攻击力几乎没用,除最强攻击外.全在于技能,技能与属性和战系数挂钩,所以根本在于人口. 5.神圣护盾几乎所有英雄必备,能加1W属性,2000防御,10W攻击.格挡比闪避更重要,闪避只闪避攻击,闪避不了暴击,格挡能挡住暴击. 6.此图冰雨,手套在高难度下没用,冰雨没命拿,勇气勋章右不朽王套效果,50%吸血,所以不用手套,手套50%闪避基本无视,闪避没用,英雄那么高的防御,受到伤害只是BOSS的暴击. 7.杖几乎所有英雄必备,英雄必备两个神器武器,先用杖,中期很NB,刷祝福.打勇气,强强,很好的,还有刷圣灵石,还顺便打打二转,去掉二转的一些血.杖必备.仗可以召龙，血色后可以开房间。 8.基地下方树人,狮子一波就可以打到,就有100水晶,无极之魄3啵可以打到.其他英雄,8到9啵既可以打掉.100水晶很重要的. 9.魔法宝石,开局,地狱火引杀螃蟹, 10.血色时任务可以不必做,打强行回城命令回来杀魔界指挥使或者王者之戒,一般杀王者之戒. 11，钥匙的使用,可以用来杀二转三转,可以用来杀魔王. 12.青龙,白虎,杀了的东西给龙，增加战魂系数 13.三转一般不要早转,最好冰龙来之前三转.但是有些英雄技能与转身系数有关的，还是建议早转。 14.没神套,可以装备狼王战甲(加满圣灵石,1W属性,2000防御) 15.小黑必杀剑技能能秒杀狼王和一般小怪，因此，当出现红怪，首先杀之。 16..能开雪山的英雄有四王，小黑，魂，最强攻击，雪山狐狐。最强攻击升级怒气，用诸神隐身去做花任务；雪山狐狐，骑狼无视地形，可以做。 17.大无畏的用法 0级愤怒给大无畏刷钱效率比刷木效率高，我们要的是人口，而不是金钱。当大无畏刷水晶效率比得上刷钱效率时，可以去刷水晶，前提，愤怒4级以上，不朽王套/吸血剑max。 最佳配置：神的愤怒四级，吸血剑/不休王套，四个三元灵。大无畏只要吸血，分裂，暴击，四个三元灵，叠加接近10%概率50倍暴击，很NB的，刷木很快。 18.属性BOSS尽早挑战 尽早挑战属性BOSS，敏捷和智力，早挑战自己属性高，既可以获得20水晶，并且有一定几率20%几率获得20到200水晶。刷钱快，刷人口也快，不要等着最后刷全属性BOSS，虽然获得属性比较高，但是前期打不了。注意吸血剑MAx,狼王战甲，暴风雪就可以去砍智力敏捷1，双神器0级可以去砍敏捷智力2。 19.抓鱼套装，1W攻击，10%分裂，早拿早好，刷钱快，火云必备。其他英雄刷钱无力的近战可以选择 20，.尽早出雪，人只要不死就行，吸血剑2级就行，雪刷钱快，开局先骑士盾，震荡波，吸血剑2级，狼王战甲，然后就等着出雪，第二个雪给仓库。 21.关于仓库加点，先升级仓库攻击，为了更快的刷钱，然后狂热满级，对于小弟，五行旗，狼都有效；其他升级战和魂，普通英雄魂系数最好60以上，其他全部战；最强攻击升级魂100以上OK，其他英雄各有各的升级方法，太杂。火云，射手要升级射程，特别是火云优先升级射程。怒气，看情况升级。FS是必须升级魔法的。 22.关于暴风雪，现在所有英雄。魂，魔法骑士，都带镜像有效版的暴风雪，分身可以刷钱。 23.关于仓库配置，前期，先暴风雪，两把剑，然后闪电链，抓鱼套装 24.关于果实，最强攻击和小黑最好不要选邪恶，因为选邪恶，不好招怪，要招怪，招圣地攻击部队，特别是血色后玄武，朱雀，青龙，白虎部队，那个刷钱比较爽，刷人口也爽。最强攻击，可以把白虎全部招来，14只啊，人不打白虎，人吧白虎引到河里，人站在河里，让小弟A白虎。最强攻击招的怪可以去所有房间，人先进房间，鸟拿着空间传送和招的怪一起往小强传送，小强和魔法骑士的看家狗可以作为传送点。小黑招的怪可以去狼区，基地下方，树魔区，蜘蛛，飞行怪可以去钱4.魄和狮子选重生，为了七伤拳。 25.魂，最好别选邪恶，分身杀潜龙，出大自然，这固然很好，但是拿着仗打勇气也是一样。注意高难度，选重生，几乎所有英雄都必须的，为了更好的打后面的BOSS。 26.项链加点，我的一贯作风，勇气强强没打下来之前全部生命，加生命，生命高，耐力更长久，即使没有神器，第三个BOSS也可以扛得住，打合成石那个更不用说，更好打。只加生命，0级神器所有英雄都能打一转。当然各个英雄有所区别。 27.神圣护甲，混乱攻击。神圣护甲只受普通攻击5%的伤害，混乱攻击藐视一切护甲包跨神圣护甲，对所有护甲造成200%伤害，这就是最强攻击唯一的攻击型英雄所在。混乱攻击还带有小范围溅射伤害，类似于分裂。 28.火云的不动于山，以前版本是40倍额外伤害，现在2.4消弱了，不知道是多少倍，但是还是比较强悍，这就是为什么带着抓鱼套装刷钱快的原因 29，红怪攻击光环，出现条件，900码范围内，50怪集中，会产生一直红怪，加攻击光环的，光环范围900码，就是说，这50只怪都有形同的攻击力，所以打你很痛，特别是远程怪。攻击光环是10倍。 30，攻击力加成，超越极限里面怪物攻击骨子太大，（初始攻击力+最高攻击力）/2*倍数,就是红怪的附加攻击力 31.英雄物品攻击力加成，只加成白色部分，绿字部分不加成，多个倍数的物品，直线型相加，例如，最强攻击20倍的攻击光环，勇气的2倍攻击，总加成倍数为20+2=22倍，再买个攻击领域300%攻击的，总的加成倍数为22+3=25倍，加成是白色攻击力，例如，白色平均攻击力10W，绿色10W，倍数25倍，总攻击力为10W*25+10W=260W. 32,暴击，白色平均攻击力与绿字攻击力之和*暴击倍数；暴击可以叠加，相互独立事件叠加，例如神的愤怒，10%22倍，最强攻击30%20倍，叠加后暴击率1-（1-10%）（1-30%）=28%，暴击倍数，哪个发动时取哪个值，同时发动取最大值。 33.闪避，不可叠加，在超越极限后期BOSS前无力，因为BOSS暴击率很高，暴击无视闪避。多个闪避技能叠加，只取最大值。 34.超越极限2.4系列的特殊伤害：无极之魄的变身时有伤害；无极之魄后期的天地同寿即使不成功也有伤害；无界魂，剑圣最强武技等英雄分身时有伤害。 35.挑战神，一转证明，节约时间的方法：雪山狐狐和50%的灰骑坐骑直接从左边靠墙的位置走过去；小黑骑凤凰，四王直接从左边靠墙的位置走过去；最强攻击，直接开诸神隐身走过去。山丘之王和剑圣最强武技，用技能跑上左边的高地走过去。 36.红色神符开启后，打BOSS，可以从基地闪烁到BOSS那里，红色神符持续5秒的时间，可以利用这个靠RP杀BOSS；特别是针对于弱势英雄来说，很实用。 至于你说的版本的密码真心不知道了。。。。

10，完全硬件指南:教你 DIY 一套自己的深度学习机器_

编者按：在各大技术公司纷纷开源框架的背景下，人工智能日益成为普通开发者也能折腾的东西。当然，要想自己也能玩玩人工智能，你需要一套合适的硬件。如何才能搭建一套合适的人工智能，尤其是当今最火的深度学习的硬件呢？为了帮助大家避免一些硬件配置的坑，深度学习的资深玩家Tim Dettmers将自己的经验教训总结成了这篇深度学习的完全硬件指南，供各位玩家参考。

深度学习是一项非常耗算力的工作，所以你得有一个带很多内核的CPU，对吧？或者买高速CPU也许是浪费？在开发深度学习系统的时候，你能够做的最糟糕的事情之一就是在不必要的硬件上浪费钱。以下我将一步步地引导你了解搭建一套廉价的高性能系统所需的硬件。

这些年来，我总共搭建了7台不同的深度学习工作站。虽然进行了精心的研究和论证，但我在选择硬件部件方面还是犯了不少错误。在本篇指南中，我希望分享一下我在这些年学到的经验，以便你不再犯我犯过的那些错误。

本文将按照错误的严重程度来排序。这意味着通常最浪费钱的错误排在前面。

GPU图形处理器

本文假设你使用GPU来做深度学习。如果你正在为深度学习搭建或者升级系统的话，省掉GPU是不明智的做法。GPU是深度学习应用的核心——它对处理速度的改进实在是太大了，容不得无视它的存在。

我之前在GPU推荐的博文中已经详细讨论过GPU的选择，挑选GPU大概是你做深度学习系统最关键的选择了。在选择GPU时你可能会犯额错误主要有3个：（1）糟糕的性价比，（2）内存不足，（3）冷却不好。

要想有好的性价比，我一般建议用RTX 2070或者 RTX 2080 Ti。如果你用这些板卡你得用16位的型号。否则的话，去eBay淘GTX 1070、GTX 1080、GTX 1070 Ti是不错的选择，这些GPU你可以用于32位（但不是16位）。

选择GPU的时候要当心内存需求。在内存相同的情况系，与GTX板卡相比，可以跑16位的RTX板卡能训练的模型规模可以是前者的2倍。而且此类RTX板卡还有内存优势，选择RTX板卡并学习如何有效地使用16位模型能带你走很远的路。一般而言，对内存的需求大概是这样的：

追求最高水准的研究：>=11 GB

探索有趣架构的研究：>=8 GB

任何其他研究：8 GB

Kaggle竞赛：4 – 8 GB

初创企业：8 GB（不过要根据特定应用领域情况来确定模型规模）

公司： 8GB用于原型开发， >=11 GB用于训练

冷却是要留意的另一个问题，尤其是如果你买多块RTX板卡的话。如果你想把GPU插在相互挨在一起的PCIe槽的话，你的确保自己的GPU有一块风力强劲的风扇。否则的话你可能就要遇到温度问题，然后你的GPU就会变慢（约30%）并且死得更快。

排成一排的嫌疑犯

RAM

你认得出哪个硬件部件要对性能糟糕负责任吗？或者也许是CPU的错？RAM的主要错误是买时钟频率太高的RAM。第二个错误是买的RAM不足，没法获得流畅的原型体验。

所需的RAM时钟频率

RAM时钟频率是内存公司推销的噱头，引诱你买“更快”的RAM其实得到的性能好处寥寥。最好的解释可以看看Linus Tech Tips的视频《RAM速度真的重要吗？》

此外，重要的一点是要知道RAM速度对于更快的CPU RAM->GPU RAM传输来说并不相干。这是因为（1）如果你用的是固定内存，你的小批量（mini-batches）数据会在不需要CPU参与的情况下传输给GPU，以及（2）如果你不用固定内存，那么用高频内存和低频内存的性能差别大概在0-3%之间——所以还是把你的钱花在其他地方吧！

RAM大小

RAM大小并不影响深度学习的性能。然而，它有可能妨碍你舒服地执行你的GPU代码（不需要交换到硬盘去）。为了舒服地使用GPU，你应该要有足够的RAM。这意味着你至少应该有匹配最大GPU的RAM容量。比方说，如果你有一块代24GB内存的Titan RTX，那你至少应该有24 GB的RAM。然而，如果你的GPU不止一块的话，你不需要有更多的RAM。

“RAM匹配最大的GPU内存”这条策略的问题是，如果你处理的是大型数据集的话，你可能仍然会RAM不足。这里的最佳策略是匹配你的GPU，如果你觉得自己的RAM不足的话就多买点。

另一项策略则受心理影响：心理学告诉我们，专注是一种会随着时间流逝而减少的资源。RAM是你可以预留注意力资源给更困难的编程问题的少数硬件之一。如果你有更多RAM的话，就不需要花费大量时间去绕开RAM瓶颈，而是把你的注意力集中在更紧迫的事情上。RAM多的话你就可以避开那些瓶颈，节省时间并提高更迫切问题的生产力。尤其是在Kaggle竞赛上。我发现额外的RAM对于特征工程非常有用。所以如果你有钱并且要做大量的预处理的话，则额外的RAM也许是个好的选择。所以如果采取这项策略的话，你会想马上要更多的廉价RAM而不是等到后面。

CPU

大家犯的主要错误是把太多的注意力放在了CPU的PCIe通道上。你不应该太过关注PCIe通道。相反，只需要看看你的CPU和主板组合是否支持你想要跑的GPU数量即可。第二个最常见的错误是CPU过于强大。

CPU与PCIe（串行总线）

对于PCIe通道大家都疯了！然而，事实上它对深度学习性能几乎毫无影响。如果你有一个GPU，只有在需要迅速将你的数据从CPU RAM传输到GPU RAM时才用到PCIe通道。但是，一批32张的ImageNet图像（32x225x225x3）以及32位模型用16通道需要1.1毫秒，8通道需要2.3毫秒，4通道需要4.5毫秒。这些都是理论数字，实际上你经常会看到PCIe速度要慢一半——但是这仍然是非常快了！PCIe的时延通常是纳秒级的，所以时延可以忽略不计。

那么小批量的32张ImageNet图像和RestNet-152模型的时间窗口是这样的：

前向与反向过程：216毫秒

16通道PCIe CPU->GPU传输：约2毫秒（1.1毫秒理论值）

8通道PCIe CPU->GPU传输：约5毫秒（2.3毫秒理论值）

4通道PCIe CPU->GPU传输：约9毫秒（4.5毫秒理论值）

也就是说，从4通道增加到16通道性能提升只有3.2%左右。然而，如果你用的是PyTorch的数据加载器+固定内存的话，性能提升为0%。所以如果你用单GPU的话就不要浪费钱到PCUe通道上了！

当你选择CPU PCIe通道以及主板PCIe通道时，确保你选择的组合支持你想要数量的GPU。如果你买的主板支持2GPU，并且你最终想要两块GPU的话，确保你买的CPU支持2块GPU，但未必需要看PCIe通道的情况。

PCIe通道与多GPU并行

如果你采用数据并行机制利用多个GPU来训练网络的话，PCIe通道重要吗？我曾经在ICLR2016上发表过一篇文章谈这个问题，可以告诉你的是，如果你有96个GPU，那PCIe就真的很重要。然而，如果捏GPU数量在4个及以下的话，那通道就没太大关系。如果你用23个GPU做并行化，我根本就不在意通道的事情。GPU的情况下，我会确保每GPU可得到PCIe通道的支持（总计就是32通道）。既然根据经验法则几乎没人会跑超过4GPU的系统：所以就不要为了争取更多PCIe通道数/GPU多花钱了——因为花了也是白花！

所需CPU内核数

要想对CPU做出明智选择我们首先需要理解CPU以及CPU与深度学习的关系。CPU对深度学习有何贡献呢？当你在GPU上跑深度学习网络时CPU几乎不做什么计算。基本上它（1）发起GPU功能调用，（2）执行CPU功能。

目前为止CPU最有用的应用是数据处理。有两种不同的常见数据处理策略，它们各有不同的CPU需求。

第一种策略是在训练时进行预处理：

循环：

加载小批量数据

预处理小批量数据

训练小批量数据

第二种策略是在进行任何训练前预处理：

处理数据

循环：

1、加载预处理小批量数据

2、训练小批量数据

对于第一种策略，带多核的好的CPU可显著提升性能。对于第二种策略，你就不需要好的CPU了。对于第一种策略，我建议每GPU最少配置4线程——通常是每GPU 2内核。对此我没有做过严格的硬件测试，但你应该得到每额外内核/GPU 0-5%的性能提升。

对于第二种策略，我建议每GPU最小配置2线程——通常就是每GPU一个内核。如果你采用的是第二种策略并且内核数很多的话在性能方面你不会看到太明显的提升。

所需的时钟频率

大家一想到高速CPU往往首先想到的是时钟频率。4GHz要比3.5GHz好对吧？在比较相同架构（比如英特尔Ivy Bridge）的处理器这个结论一般是对的，但是架构不同的就不好比了。此外，这个也未必都是最好的性能评测指标。

深度学习的情况下CPU完成的计算其实是很少的：一般就是这里增加几个变量，那里计算一下布尔表达式，对GPU或者在程序内进行一些函数调用——这些都要靠CPU的内核时钟频率。

虽说这些理由似乎通情达理，但事实上我在跑深度学习程序时CPU利用率却达到了100%，问题出在哪里呢？我试着对CPU核心时钟频率做了一些降频处理来一探究竟。

MNIST与ImageNet数据集的CPU降频：性能用不同CPU核心时钟频率跑200次MNIST或者50次ImageNet所需时间来衡量，以最快时钟频率所得结果作为每块CPU的基线。比较结果：从GTX 680升到GTX Titan大概有+15%的性能提升；GTX Titan升级到GTX 980又有+20%的提升；对于任何GPU来说GPU超频可带来约+5%的性能提升。

注意，这些实验都是在过时的硬件上进行的，不过，这些结果对于相同的CPU/GPU应该还是一样的。

硬盘/SSD

硬盘通常不是深度学习的瓶颈。不过，如果你干蠢事的话它就会伤害到你：如果你有时候需要从硬盘读取数据（阻塞等待）的话，则一个100MB/s的硬盘会让你付出代价——大小为32的小批量ImageNet数据集就要185毫秒！然而，如果你在使用前采取异步获取数据的话（比如torch vision加载器），尽管这个小批量的加载时间还是185毫秒，但是并不会影响性能，因为大多数ImageNet的深度神经网络计算时间都是200毫秒左右，也就是说上一批计算完时下一次的预加载已经完成了。

不过，出于舒心和生产力的考虑我建议用SSD：这样程序启动和响应会更快，对大文件的预处理也要快一点。如果你买的是NVMe SSD，那么相对于一般SSD体验还会更加流畅。

因此理想的配置是用一块大但慢的硬盘来装数据集，用SSD来改善舒适度和生产力。

电源

一般来说，你当然希望电源可以适应所以将来要用的GPU。GPU的能效通常会逐步变高：所以尽管其他的部件可能需要替换，但电源可以用很久，一次买个好电源是不错的投资。

电源功率要买多大呢？你可以把CPU、GPU所需功率加起来再考虑10%的其他部件开销并作为用电高峰的缓冲。比方说，如果你有4个GPU，每个是250瓦TDP，以及一个150瓦TDP的CPU的话，则对电源的最小需求为4×250 + 150 + 100 = 1250瓦。我通常会再加10%以确保万无一失，这样的话需求就是1375瓦。取整就是1400瓦的电源。

还有重要的一点要注意，有时候即便电源功率足够，但可能它额8针或6针接线不够。确保电源的接线数量足以连上你所有的GPU！

还有一点就是要买高功效的电源——尤其是如果你要跑很多GPU并且跑很久的话。

满功率（1000-1500瓦）跑4GPU的系统来训练卷积神经网络2周需要消耗300-500kWh，德国的电费是20分/kWh，所以大概就是600-100欧元。如果这个价格是针对100%能效的话，用80%能效比电源训练这样一个网络还要额外多18-26欧元！单GPU的就少很多，但道理是一样的——多花点钱到高能效电源上面是有道理的。

没完没了地跑几个GPU会显著增加你的碳排放。如果你想做个负责任的人的话，可以考虑采用碳平衡方案，比如纽约大学的Machine Learning for Language Group （ML2）——实现简单、廉价，应该成为深度学习研究人员的标准。

CPU与GPU制冷

制冷很重要，而且会成为降低性能的重大瓶颈，其影响甚至比糟糕的硬件选择还要大。标准的散热器或者一体式水冷解决方案对你的CPU来说也许就OK了，但是GPU需要特别考虑。

风冷GPU

对于单GPU，或者虽然有多个GPU但间距足够的话（3-4 GPU插槽装2个GPU），风冷安全可靠。不过，这也是你在对3-4个GPU进行冷却可能会犯的最大错误之一，这种情况下你需要仔细考虑你的选项。

跑算法的时候，现代GPU会提高速度——以及能耗——到极限，但只要GPU达到温度阈值（一般是80°），GPU就会降速一面突破温度阈值。这既保证了最佳性能同时又保证了GPU不会过热。

然而，风扇速度典型的预编程调度安排对于深度学习来说设计得都很糟糕，所以这种温度阈值在启动深度学习程序几秒钟之内就达到了。其结果是性能下降（0-10%），如果是多GPU热量相互影响的话会更加显著（10-25%）。

由于英伟达的GPU首先是游戏GPU，所以是针对Windows优化的。用Windows几个点击就能改变风扇转速的调度，但是Linux就没那么简单了，鉴于大多数深度学习库都是针对Linux编写的，这会成为问题。

Linux下的唯一选项是给你的Xorg服务器（Ubuntu）加一个“coolbits”的配置。这个办法对单GPU很有效，但如果你有多个GPU而且有些是无头（headless）的话，比如没有连显示器的话，你就得模拟一个显示器，而这是很麻烦的。我尝试过很久，后来用一张live boot CD弄了几个小时才恢复我的图形设置——我一直都不能让无头GPU正确工作。

如果你用风冷跑3-4个GPU的话，要考虑的最重要的一点是要留意风扇设计。鼓风式设计是将空气从机箱后背排出，让新鲜的更凉快的空气进入GPU。非鼓风式风扇则是吸收GPU附近的空气来冷却GPU。不过，如果你有几个GPU挨着的话，周围就没有冷空气可言了，带非鼓风式风扇的GPU就会越来越热，直到它们自己降速来冷却温度。在3-4GPU的配置下要不惜一切代价避免非鼓风式风扇。

多GPU的水冷

制冷还有个选项，那就是水冷，这个办法更贵，也更讲究技巧。如果你只有单GPU或者双GPU有一定间距的话我不推荐用水冷。不过，水冷可以保证4GPU配置下最强悍的GPU保持凉爽，这是风冷不可能做到的。水冷的另一个优势是静音，如果你的GPU环境是有人工作的话这是个加分项。水冷成本大概是每GPU100美元左右，还有一些额外的预付成本（大概50美元）。水冷还需要费点功夫去组装计算机，但是网上有很多详细指南，所以只需要多几个小时就行。维护不应该那么复杂或者费力。

大机箱制冷？

为了我的深度学习集群，我买来了大机箱，因为GPU区配置了额外的风扇，但我发现这基本上没什么用：大概就降了2-5°，不值得那么大的投资，而且机箱又笨重。最重要的是对GPU直接制冷的解决方案——不要想为了GPU制冷能力而选择昂贵的机箱。买便宜的，机箱应该装得下GPU，仅此而已！

关于制冷的结论

所以说到底很简单：对于单GPU来说风冷是最好额。对于多GPU来说，你应该采用鼓风机式的风冷并且接受一点点的性能下降（10-15%），或者多花点钱搞水冷，性能不会受损，但这个配置起来要难点。在特定情况下风冷、水冷都是合理的选择。不过出于简单性的考虑一般推荐风冷——跑多GPU的话买鼓风式散热的GPU。如果你想用水冷，那就试试GPU一体式水冷解决方案。

主板

你的主板应该有足够的PCIe端口来支持你想跑得到GPU数量（通常限制在4个GPU以内，即便你的PCIe插槽不止）；记住，大多数GPU都要占2个PCIe插槽，所以你想用多GPU的话买的主板PCIe插槽间距要足够。确保你的主板不仅有PCIe插槽，也要支持你想跑的GPU设置。如果你上newegg搜索你选的主板然后看看规范页的PCIe板块的话通常会找到信息的。

计算机机箱

当你选择机箱时，应该要确保它支持标准长度的GPU。大多数机箱都支持标准长度GPU，不过如果你买的是小机箱的话你应该保持警惕。要看看它的尺寸和规范；你还可以试试Google图像搜索一下那个型号，看看能否在结果中找到带GPU的图片。

如果你用定制的水冷系统，确保你的机箱又足够空间留给冷却水箱。尤其是如果你用水冷来给GPU散热的话。每个GPU的冷却水箱都需要一些空间——确保你的配置能放得进去。

显示器

我一开始也觉得写显示器是很蠢的，但其实有没有显示器大不一样，其重要性足以需要写一写。

我在3个显示器上面花的钱也许是我最划算的一笔投资了。在使用多显示器时我的生产力提高了很多，如果我只有一个显示器的话我会觉得像残废了一样的。如果你不能以高效的方式操作的话，深度学习系统快又有何用呢？

我做深度学习时的典型布局：左：文字工作，Google搜索，gmail，stackoverflow；中：编码；右：输出窗口， R文件夹，系统监控，GPU监控，待办事宜，其他小应用。

搭建PC的一些建议

很多人害怕自己组装计算机。硬件部件很贵，你又不想做错事情。但其实是很简单的，因为组件相互之间并没有捆绑关系。主板手册通常对如何组装一切都有详细的说明，网上也有大量的指导和步骤演示，就算你没有经验也能完成整个过程。

组装计算机的好处是，装过一次之后你就了解了组装计算机需要了解的一切，因为所有的计算机组装原理都是一样的——所以组装一台计算机会成为一项你可以不断运用的生活技能。所以没理由退缩！

结论/摘要

GPU：RTX 2070 或者RTX 2080 Ti。淘二手的 GTX 1070、 GTX 1080、 GTX 1070 Ti以及GTX 1080 Ti也不错！

CPU：视处理数据方式而定，每GPU 1-2核。> 2GHz；CPU应该支持你想跑的GPU数量。PCIe通道不影响。

内存：

—时钟频率不影响——买最便宜的RAM。

—至少买跟最大的GPU RAM匹配的CPU RAM。

—只有在需要的适合才多买RAM。

—更多的RAM可能有用，如果你频繁操作大数据集的话。

硬盘/SSD：

—硬盘用于数据（>= 3TB）

—要想舒适或处理小数据集用SSD

电源：

—累计GPU+CPU的功耗。然后总数乘以110%作为功耗需求。

如果用多GPU的话用高功效电源。

确保你的电源有足够的PCIe连接器（6+8针）

冷却：

—CPU：用标准CPU散热器或者一体式水冷解决方案

—GPU：的

—用风冷

—用“鼓风式”风扇的GPU，如果你买多个GPU的话

—在你的Xorg配置文件里面设置coolbit标志来控制风扇速度

主板：

—根据未来GPU需要尽可能多地配置PCIe插槽（一个GPU占2个插槽；每小题最多4GPU）

显示器：

—额外的显示器也许能让你比额外的GPU更有效率。

原文链接：网页链接

编译组出品。编辑：郝鹏程。

11，详细解析 | 为何小红书APP让人爱不释手?_

最近的小红书的内容社区做的很火，作者也用了小红书一年多，在电商市场上几乎被垄断，以“社交+电商”杀出重围，所以本文是作者对小红书该产品的具体分析以及见解。

一、产品概览以及市场分析

产品名称：小红书

产品版本：5.15

产品定位：建立中国最大的生活分享平台，同时也是发现全球好物的电商平台

产品slogan：在小红书，找到全世界的好东西。在小红书，和最会生活的人做朋友

市场分析：

中国消费市场进入新一轮消费升级，消费结构从生存型消费向享受型、发展型消费转变，网民由PC端向移动端迁移，电商也寻求新的增长渠道。由于消费水平的提高，人们的消费方式慢慢从传统方式转战到海淘，追求了高品质的商品。

目前的主流海淘消费者已经超越了过去使用“洋货”时用来自我标榜的阶段，更加享受海淘对于他们生活品质的实际提升。可正是由于对于个人生活品质的追求，决定了消费者的需求更加个人化、差异化，使处于海外电商这个行业app的竞争也越来越激烈。

小红书开始做的是跨境购物的攻略，在市场上还是有一定的局限性，更多人还在处于国内购物的消费模式，后来慢慢扩大市场边界，逐渐转向做社区，实现UGC模式，积攒有长期保证输出的忠实用户。

目前各类女性电商平台也都在向“社区+内容+电商”的模式转变，内容质量的提升，用户的数量也在逐渐的增大，而且小红书的主要目标在于女性购物心得的分享和海外购物，对于消费能力比较弱的三线城市，有能力在小红书商城购买海外商品的数量，比起一线二线城市还是少了很多，所以用户的数量还是有天花板的。

二、竞品分析

2.1 竞品数据分析

（1）总用户量

以上是小红书和考拉的近一年的日下载量，小红书近一年的下载量大约是3397万左右，考拉近一年的下载量大约是1570万，比例大约是3：1，小红书和考拉都是很稳定的数量，没有浮动很大的增长率。

只有在17年的6月份，小红书的增长率提高了30多万，查看版本记录之后，发现在6月6号小红书举办了周年庆的活动，邀请朋友加入的冠军可以获得超大额的无门槛现金券，这个活动导致在6月份快幅度的提升。但是活动结束之后，下载率又回到原来的水平。

考拉除了在18年4月份开始不断上涨，之前都处于一个稳定的状态，查看版本记录，发现在产品运营方面对品牌采用广告投放的方式进行推广，参与的平台有奔跑吧兄弟、向往的生活、妈妈是超人，三个都是当下较火的综艺，以此增加了大量的下载量。

相比之下，考拉的下载量还是比小红书少了很多，产品的定位也是导致下载量相差很大的主要原因。小红书的定位是：标记你的生活，以社区为主，流量流动大；考拉的定位是不止是简单的选择和推荐，以商城为主，并且小红书的用户量大多都是随着范冰冰等明星效应而增长的。

（2）销售额分析

iiMedia Research(艾媒咨询)数据显示：2016年中国跨境电商零售进口销售额占比分布中，考拉以21.6%市场占比居于首位，而小红书占6.5%。

从销售份额可以看出：两者的相差还是很大的，考拉主打的电商功能上，还有物流和供应商上都要比小红书投资的要多，并且商品种类更加齐全，相比以标记生活的产品定位，找到全世界的好东西为主打的小红书，在电商方面就要弱的多，所以销售额相差的很多。

（3）留存率比较

小红书的七日留存：

考拉的七日留存：

通过7日留存的比较，二者的差别比较大，小红书的留存率一直保持在10%到40%之间，但是考拉基本处于5%之内。

小红书作为一款垂直化的app更能留住用户，更能吸引住用户，由于小红书是以做社区为主，他的用户需求点是多方面的。根据留存率可以推出，用户下载考拉app之后，很大几率只是为了用优惠券或者买到自己想买的东西之后，导致不买东西就不用此app。

但是小红书却可以通过用户的多方面的需求点，利用碎片化的时间，去让用户开始本是有自身明确的需求去下载app，没需求也会被这些分享攻略催生出需求来，直到变成用户养成一种想买什么，查什么都想去小红书上看一看的这样一个过程。

这就是内容电商的套路，通过高质量的内容去吸引用户，再慢慢将用户转化为分享者、消费者，让用户在分享自己具体的生活方式的时候，想起的是小红书而不是其他app。

2.2 竞品核心策略分析

（1）产品定位

（2）运营策略

小红书的营销方式：

①在2015年5月份小红书退出了小鲜肉送快递的营销方式，曾火爆一时，这种营销手段针对了白领女性，大胆的营销手法既成功吸睛，又保持了品牌形象。在这种热潮还没过的时候，在6月份又举办了“校草快递”的营销活动，在女大学生圈子里也做了一轮引爆。

小红书这次的事件营销上配合了微博的热门话题，通过购买了一些在学生群体里的KOL，以及利用全国12所高校的校草影响力，也女大学生圈里狠狠地刷了2天屏。最后“校草快递”事件以5297.7 万的曝光量，4.7万的讨论量完美收功，成功在90后圈子里提高了整体的知名度，让更多的人知道了小红书，产品正式步入成长期。

②小红书定期推出新的社区活动，同步推出新的贴纸，用社区活动引导用户进行晒物习惯训练，让用户跟随活动一起晒，让晒物变成习惯。

考拉的营销方式：

①从名字可以看出，它的品牌也借助了网易的大平台进行传播。

②新人领取1000元优惠券，新用户有大量的优惠。

③进军综艺广告投资，不断的让产品进入观众的视线。

从两种营销模式上来说，小红书彻底火到用户的眼前，还是在范冰冰驻入小红书时，分享工具属性的生活经验方式，让粉丝觉得离自己的偶像更近了一些。于是就有了如今更多明星的加入，而且在内容上也提升了品质，更重要的是：小红书作为一个明星转战时尚博主的跳板，这些明星大多是自主入驻的，彼此服务，实现双赢。

而对于考拉的运营来说，有了天然的优势，拥有正品自营，海外批发价，微利电商生态圈等等都是网易大平台所提供的。

2.3 功能对比

（1）功能对比

（2）重点功能对比分析

①社区

左图考拉，右图小红书

从两个位置来看很明显看出：小红书的看重社区，考拉更重视商城。考拉在2017年08月30日版本3.8.7上线了种草社区功能，开始内容运营大势， 相比一开始就以内容运营为主的小红书，还是有很多不足的地方，没有那么多的影响力，而且没有形成商业闭环，种草社区和商城的关联度不够，没有私信功能，社交几乎只有在评论中实现。

在笔记影响力方面，小红书更是用明星写笔记的方式，向fans提供他们爱豆的生活，吸引了更多的下载量。在功能方面上，考拉的新功能比小红书的要多，比如：问答方面，满足了用户在多个笔记和搜索功能都用过的场景下，仍然还会有疑问或者还是找不到自己想要找到的内容的需求。

2）商城

左图考拉，右图小红书

商城部分，考拉明显好于小红书，支持的功能点更多于小红书，种类也更多，显示也与其它电商页面不。，一屛显示的商品更少，一个商品就占了一个横屏，是以单个商品和专辑进行展示的。

这样做有好处也有坏处：

好处是针对于用户，有更多的延展性，比如：用户在逛首页的时候，看到一个自己很感兴趣的产品，用户针对这一类商品还想了解更多的这一类商品，所以考拉提供了相似，和在专辑中提供了多个商品的功能。

坏处就是把“限时特价”这种吸引用户的标识放在了用户详情中，如果用户对这个商品不好奇，那么就会一直下拉，在相同的时间里看到的商品会少，而小红书的商城模式和传统的电商模式相似，更注重了品牌和口碑，让人一目了然。

网易的搜索功能更为全面，关键字推荐减少了用户的输入，提升了用户体验，而小红书的关键字相对单一，给用户直观的感觉就是品类单一，建议是小红书能丰富关键字，减少用户搜索成本。

竞品小结：小红书得益于优质的内容分享社区，拉近了用户与用户之间的社交，增加了用户和产品之间的关联性，保持了下载量第一的好成绩；网易则在网易的大势力下建立了自己自营的模式，获得了行业销售额第一的好成绩，其实现在考拉可以考虑提高用户的粘性，在社区这个功能加大宣传力度，减少用户和商品的距离感。

三、目标用户

3.1 用户分布

（1）性别分布

从性别分布上来看：女性占了90%的用户占比，目标人群更偏向于女性（取的是易观千帆2017年9月的数据）从2016年11月到2017年9月份女性占比从87%稳定增长到90%。

那为什么购物社区这么受女性的欢迎呢？

女性本来就是有购买潜力和欲望的群体，再有现在消费水平越来越高，用户有钱但是不知道什么值得买，应该买什么？

所以更需要一个平台，去给用户建议并且满足自己的虚荣心和成就感，所以女性占据了大部分的用户。

（2）年龄分布

从年龄分布上来看：波动率和使用率占比最大的处于0-30岁，从2016年11月到2017年9月份0-24岁的占比降低了10%左右，24-30岁开始持续增长，可以看出在0-30岁，大多正处于没有孩子，没有家庭重任的年龄，而且都比较年轻时尚，所以这个年龄段的用户比较多。

（3）消费能力

从消费能力上来看：中等消费者占比较大，从2016年开始到2017年，低消费者和中低消费者从0也在缓慢的增长，消费水平也在提高，所以小红书的用户定位为二线城市以上城市高学历高收入的女性群体，尤其是企业白领和年轻时尚的年轻人。

3.2 用户使用场景

购买者想要买到海外的真货并且更偏向于喜欢海外的品牌。

用户想通过app去分享生活来提高名气和满足感。

用户通过记录笔记的方式去记录自己的生活。

观看笔记，通过私信的方式实现社交。

用户想买相同功能的产品，但是不知道买什么好，可以上小红书查看红薯的推荐。

用户有购买欲，于是想随便逛逛，看看有什么适合自己的，直接购买，更方便。

一些微商可以通过写笔记的方式大力推荐自己的商品，把小红书变成商品变现的渠道，达到引流的目的。

四、产品逻辑分析

小红书在开始想解决用户想在海外市场买商品，但是国内却没有优质且真实的信息提供的需求，于是出了海外购物攻略的版块。但是后来发现单做攻略，完全是静态的，达不到信息的完整性，也没有互动性。于是到现在的社区到商店的商业闭环，来解决看的到却买不到的问题。

从观看笔记的普通用户，到购买商品，喜欢这个商品想要去分享，于是创造更多的笔记，整个形成了小红书流程的闭环，来提高用户的黏性，并且提高了商城的购买率。

在此重点说一下社区部分的业务逻辑，社区重在有好的内容，并且有大量可以输出优质内容的用户，才能把社区慢慢成长起来。

所以小红书是有它自己的内部的运营逻辑，通过挖掘用户，制作奖励制度以及发文的规则，要维护这些用户源源不断的内容输出，再进行质量把关，发放奖励，其实这是一个需要运营去花费大量时间和人力去筛选和维持的结果，要保证用户持续的高质量的输出内容。

五、产品架构以及交互分析

5.1 功能框架脑图

5.2 交互分析

（1）首页功能

首页包含一级标题、搜索、分类、笔记流。

笔记流里分为两种：一种是可以长达1分钟的视频，另一种是图片型笔记，最多传9张，并且首页的笔记流主要以图片和视频这种作为主视觉，简单明了。

其实首页的页面和很多短视频app有着相同的“外貌”，包括关注、发现、附近，体现了小红书更偏向于UGC，做内容社区，支持原创。在发现一栏出现的笔记，是通过算法（用户的点击笔记，点赞笔记，以及相关评论）计算出可能喜欢的笔记进行推荐。

首页的分类功能没有更多的选项，而是选出最热的分类呈现在首页上，当然小红书笔记的类型不仅仅只有几个，这就切合了想让用户去“发现”，想让用户一直下滑发现新的笔记，而不仅仅局限于分类，减少用户功能繁琐度，也增加了用户在界面停留时长。

（2）写笔记功能

和首页笔记相匹配，写笔记可以有选择相册、拍照和拍视频这三种方式来上传，并且自带滤镜可以选择，和美颜的选择，符合小红书的目标用户——占比比较大的女性用户，喜欢用滤镜和美颜。

并且还有标签功能，这个标签及增加了趣味性，并且可以让用户加入热门话题中，积极的参与，提高用户与用户之间的交流。并且后台也可以根据你经常用的标签，来推荐该标签的相关笔记。

整体来说在发表笔记的过程，还是相对简单易懂的，没有太多的的限制，小红书为了促进用户多发笔记，在用户升等级的时候，会做出，比如：要发几个笔记的要求和限制，来促进用户升级为奶瓶薯等等。

这是一种群体认同感，用户自愿给自己贴上这样的标签，说明从他内心是认可这个产品的，认可符合这个产品定位的用户们，也会自然而然形成群体认同感，非常有利于产品氛围的营造。

还有对应的奖励，奖励是一些小红书独有的相机贴纸还有表情包，小红书这样做是形成了一个发表笔记-升级-获得可爱的标签-喜欢这些标签，想要发出来炫耀，满足自己，于是又开始发表笔记这样的一个闭环里。

流程大致如下：

建议：

①视频全屏播放，播放完结束之后，继续播放下一个，这一点给用户的体验不是很好，如果用户在看视频的过程中，有事情走开那么视频就会一直向下播放，或者用户想再看一遍视频，如果继续播下一个就会让用户增加一些操作。建议是让视频播放完成之后，一直重复播当前视频，提升了用户的体验。

②笔记流的灰色箭头

首页的笔记流建议做成长按，可以有不喜欢和收藏两个选项，现在是这两个功能在标题的右边有一个灰色的箭头里，很不明显。用户的注意力还是会集中的图片上，很难注意到文字的旁边有一个灰色的标识。而且现在大多数的用户习惯还处于长按选择不喜欢的行为上，所以建议也做成长按。

（3）搜索功能

在搜索相关笔记之后，会出现三个模块，全部、商品、用户，现在的交互是用户向上滑动，这一部分模块隐藏，要点击回到顶部，才能进行三个模块的切换，建议是能够像首页一样做到左右滑动进行切换，并且不隐藏，让用户更方便操作并且有更多的选择。

商城首页

小红书的商城与其他商城不同的地方就是：在商品名称地方，有注明这个商品是哪一个国家的，并且该商品也表明了品牌，体现了与国内商城的不同，是卖海外的产品，更注重自营和品牌，分类也是以主打的进行分类。最靠前的是美妆个护，最后会有一个更多，点击显示所有分类。

现在小红书采用自营模式，还有郑州、深圳两个保税仓，来保证正品和质量。自己打造渠道有好处也有坏处：

好处的点是：自己的渠道，拿到的商品成本更低，并且小红书可以通过笔记等进行挑选商品去存货，所以库存压力减少了，对于用户来说也保证了质量，和正品的保证性。

坏处是：如果没有大的资金去支持，和供应链的优化，商城的利润就很难做到最大化，而且和同跨境商城的app竞争力明显偏弱。

建议：

①编辑推荐部分只有三个，不可以横向拖动，推荐内容过少，建议增加专题数量，可以横向拖动。这样能将商品更结构化，有规整性，引起用户的注意，给用户在迷茫，在不知道买什么的情况下，也可以看一看推荐，所以编辑的推荐建议5个之内。

②商城分类

在分类中，选中左边 ，左边的背景色变成灰色，建议换成明显的颜色，比如：深灰色之类的和底色白色能有一定的分别。现在是处于浅灰色，在屏幕很亮时，其实是有些分不清的，为了有明显的左右相对应的视觉，可以做成深灰色这种既有和白色明显的视觉差又简洁明了的视觉效果。

③商品相关笔记

在商品评论中，点击某一个笔记建议能直接链接到该笔记，并且右上方的赞和收藏，建议点击也有相应的功能。现在商品中相关的笔记都是不可以点击的，只能以评论的形式观看，建议“评论观看模式”和“笔记的观看形式”都可以用。

这样会方便用户收藏，也会将笔记和商品更好的产生连接，形成闭环，并且减少用户在流程上的繁琐度。

六、发展预测

1. 社区做的更加结构化和个性化

从版本迭代中可以看出：小红书在每一个版本都在不断的增加标签，去完善标签这项功能，是想通过标签去结构化社区里的内容，通过记录用户的使用行为，去更加准确的去推荐笔记和商品，记录用户的行为。

比如：给哪个笔记进行点赞，或者收藏了哪些笔记，还有停留时间，可以为每一个用户的不同行为贴上个性化的“标签”，这样更能精准的投其所好，为用户去推荐笔记和商品。

2. 完善供应链，增加购物品类

小红书还是需要找到适合自己的渠道，和海外品牌直接合作也许是很好的办法，并且在如今政策的改革和竞品不断出现的情况下，更应该找到适合自己的渠道，提高用户的忠实度和用户体验。

3. 商业模式的衍生服务

我在上面也有提过，希望小红书从小而美转化成为大而全，新增一些额外的衍生服务，可以考虑一条龙服务发展或者与海外品牌的合作，比如：一些退税之类的功能，但是这些也是需要待商榷的功能，还是需要从多方面去考虑。

小红书的社区可以横向发展，从垂直社区向综合性社区发展，扩充服务的用户人群再寻找增长空间，慢慢从小而美做到大而全，并且它独有的模式会得到更多用户喜爱，整体还是比较看好的。

小红书以后的发展很显然不仅仅在跨境电商，只要女性有购买欲，那么社区就会存在，加上奖励机制，高内容的输出，小红书会在成熟期发展的越来越好。

七、总结

随着社区在互联网的发展趋势大好，小红书凭借UGC做到了一个成熟的产品，内容属性似乎是可以从水平社区里切场景的一大原因（内容非常丰富），也就是用户自身的调性，让用户在分享自己具体的生活方式的时候，想起的是小红书。

小红书是属于更深层的垂直分类，在垂直社区社区的基础上延伸，就是小红书的电商模式，目前存在天花板（从销售量可以看出）。

而且小红书的内容属性较强，电商比较弱势，其商业变现则是有自营的商城，虽然现在变现率还是很低，但是还是可以形成低销售额的商业变现。

不过最近小红书有了阿里的投资，电商的力度也在不断增大，小红书能否走好完善电商功能这步，拭目以待。

作者：本文由 @ ho！ 原创发布于人人都是产品经理。

原地址：

网页链接

本文由作者授权转载，仅供学习交流，不作商业用途，转载请联系作者。