硬盘安装XP或win7系统

本文介绍了在没有光驱且主板不支持USB启动的情况下,如何通过硬盘安装XP和Win7系统。对于XP系统,可以通过下载Ghost版XPSP3系统,解压后运行autorun.exe进行安装。对于Win7,则需下载原版系统,解压后复制特定文件至C盘,并通过管理员命令提示符运行bootsect.exe完成启动环境搭建。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

         最近需要重装系统,发现机器的光驱坏掉了,更悲剧的是机器是好几年前的,主板太落伍,不支持USB启动,没办法,只能从硬盘安装系统了。

        下面叙述硬盘安装XP或者win7系统的方法。


一、硬盘安装XP

      XP系统已有10年历史了,即使是最新的SP3也是五年前甚至更久的产品了。作为微软有史以来最好用、覆盖面最广的操作系统,XP已经被研究的很透彻了。于是乎,我们可以看到很多XP系统,耳熟能详的雨林木风XP系统,深度XP系统,番茄花园XP系统等等。目前,XP SP3 Ghost系统已经很成熟,很简洁,很方便。下面是硬盘安装Ghost XP系统。安装方法十分简单。

      1、下载一个Ghost版的XP SP3系统。

      2、解压该系统到非系统盘,如D盘,E盘等。

      3、打开解压目录,运行autorun.exe(不同系统,文件名会略有不同);

      接下来的过程就简单了,一路next都可以。

      Ghost版的系统是将文件直接覆盖C盘,因而效率很高,我的机器上用了5分钟不到就安装完成了。


二、XP下硬盘安装win7

      由于win7出来没多久,所以我选择原版win7系统。如果是Ghost版的,过程和上面一样。如下操作是在XP系统下安装Win7。

      1、下载一个原版win7系统。

      2、将系统解压到非系统盘,我的是E:/Win7。

      3、打开解压目录,将Boot、efi、sources文件夹以及bootmgr,复制到C盘根目录下。

4、复制boot下的Bootsect.exe至C盘根目录下。

5、管理员身份运行cmd,输入c:\bootsect.exe/nt60 c:并回车,提示successful表示成功了

6、重启系统,进入Win7安装界面。选择安装语言,货币之类的,next。

7、进入“开始安装界面”。注意,先不要着急安装,点击左下角的修复计算机,进入"系统恢复选择",选择最后一项"命令提示符"(commandprompt),进入DOS窗口。

8、输入“E:\win7\sources\setup.exe“(不带引号),开始安装。




——The End——

参考:http://wenku.baidu.com/view/2818b1886529647d27285210.html

http://zhidao.baidu.com/question/221918236.html 

有改动





资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线提前配置好每个类目的概念及对应样本;在线先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICLaccuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理添加“家居”类别,影响不大;不使用ICLaccuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有比语意更重要。 参考资料包括
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