驱动关机卡死的问题

本文探讨了键盘过滤驱动程序导致的操作系统关机失败问题。通过分析IRP_MJ_POWER处理过程,提供了几种可能的解决方案,并讨论了这些方案在实际应用中的效果。

1、自己编写了一个键盘过滤驱动,启动驱动以后,关闭操作系统,
   操作系统无法关闭。用WINDBG可以发现“Waiting On:...SetPower-shutdown”
   信息。
   原因是:
   驱动没有处理IRP_MJ_POWER命令。
   正确如下:
   DriverObject->MajorFunction[IRP_MJ_POWER] = PowerProc;
   #pragma PAGEDCODE
   NTSTATUS PowerProc(IN PDEVICE_OBJECT DeviceObject, IN PIRP Irp)
   {
 PoStartNextPowerIrp(Irp);
 IoCompleteRequest(Irp, IO_NO_INCREMENT);
 return STATUS_SUCCESS;
   }

   网上有人是这样解决的:
   #pragma PAGEDCODE
   NTSTATUS PowerProc(IN PDEVICE_OBJECT DeviceObject, IN PIRP Irp)
   {
        PDEVICE_EXTENSION_KB pdx = (PDEVICE_EXTENSION_KB)DeviceObject->DeviceExtension;
 PoStartNextPowerIrp(Irp);
        IoSkipCurrentIrpStackLocation(Irp);
        ntStatus = PoCallDriver(pdx->TopOfStack, Irp);
        return ntStatus;
   }
   但在我电脑上发现不行,原因是PoCallDriver返回STATUS_PENDING。
   为了让PoCallDriver返回STATUS_SUCCESS,我修改如下。
   #pragma PAGEDCODE
   NTSTATUS PowerProc(IN PDEVICE_OBJECT DeviceObject, IN PIRP Irp)
   {
    NTSTATUS ntStatus;
    PIO_STACK_LOCATION IrpStack;
    PDEVICE_EXTENSION_KB pdx = (PDEVICE_EXTENSION_KB)DeviceObject->DeviceExtension;
    Irp->IoStatus.Status = STATUS_SUCCESS;
    Irp->IoStatus.Information = 0;
    IrpStack = IoGetCurrentIrpStackLocation (Irp);
 
    switch (IrpStack->MinorFunction)
 {
 case IRP_MN_SET_POWER: 
  switch (IrpStack->Parameters.Power.Type)
  {
  case SystemPowerState:
   break;
  case DevicePowerState:
   switch (IrpStack->Parameters.Power.State.DeviceState)
   {
   case PowerDeviceD3:
    break;
   case PowerDeviceD2:
    break;
   case PowerDeviceD1:
    break;
   case PowerDeviceD0:
    break;
   }
   PoStartNextPowerIrp(Irp);
   IoCompleteRequest(Irp, IO_NO_INCREMENT);
   return STATUS_SUCCESS;
   break;
  }
        break; 
        case IRP_MN_QUERY_POWER:
   switch (IrpStack->Parameters.Power.Type)
   {
            case SystemPowerState:
                break;
            case DevicePowerState:
                switch (IrpStack->Parameters.Power.State.DeviceState)
    {
    case PowerDeviceD2:                   
     break;
    case PowerDeviceD1:
     break;
    case PowerDeviceD3:
     break;
                }
    break;
            }
   break;
   default:
    ;
    }

 
 PoStartNextPowerIrp(Irp);
    IoSkipCurrentIrpStackLocation(Irp);
    ntStatus = PoCallDriver(pdx->TopOfStack, Irp);
 
 if (ntStatus == STATUS_PENDING)
 {
  IoMarkIrpPending(Irp);
 }
    return ntStatus;
   }
   但发现还是不行,PowerProc被调用两次,第一次是:SystemPowerState,
   当执行到PoCallDriver后,在调用一次PowerProc,此次是:DevicePowerState + PowerDeviceD3。
   虽然第二次返回STATUS_SUCCESS,但PoCallDriver仍然返回STATUS_PENDING。因为不知道PoCallDriver
   调用底层所做的工作,该方法行不通。
   注:估计PoCallDriver后,底层驱动先去设置DevicePowerState,然后启动完成例程,去设置其他PowerState。
       由于完成例程没有马上返回。所以PoCallDriver返回STATUS_PENDING。可以尝试,在本驱动中,
       为IRP再设置一个完成例程,看该完成例程是否被调用到。等待该完成例程结束后再返回PowerProc。
       由于目前没时间做这个尝试,暂且用以上正确的做法,它的缺点是电脑关闭过程中,没有把键盘
       先设置为低功率状态,再断电,估计关机对键盘冲击相对较大。

 

 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论 1
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