神舟优雅A460P-i7G D2拆机教程

神舟优雅A460P-i7G D2拆机教程


最近给电脑清灰,参照了以下教程。

 

1.      工具只要准备一把大十字螺丝批(2.5)和小十字螺丝批就好。


先拍一下正面和背面吧,机子设计得圆圆的好讨厌,一点都不帅。

对了,拆机之前记得拆掉电池。


先拆掉后盖这块板子,卸掉这几颗螺钉就可以拆了。因为这款机子的设计有点坑,所以先不要一口气拆完后部的所有螺丝,否则有可能在后面的步骤里导致显示屏与机身连接处的损坏,不要问我怎么知道的。另外这台机子一共有3种螺丝,wifi模块上的螺丝单独一颗(wifi模块是不用拆的,别拧那颗螺丝了),M2.5X5比较多,还有M2.5X3(也有可能是X2)两颗(这两粒是用来固定触摸屏下面隐藏的SD卡读卡器的)

拆掉电池(本来这是第一步的),硬盘这时已经可以卸下了,顺便把箭头中指向的螺丝卸了,那是用来固定光驱的。

 

硬盘拉着带子可以卸掉,然后卸完刚才那颗螺丝就可以直接把光驱拔出来了。

然后把内存条卸掉,一般内存条是装在上面那一层的,我这是装在下面那层的,一样卸法,把那两个固定装置向两边轻轻推开就好。


接着卸掉wifi模块的两条线,用手拿着线,向上提起就好,线上应该是有标记1和2的,待会不要装反了。

把这三颗螺丝去掉,就可以翻回正面去拆键盘了


键盘有5个卡扣,建议用塑料棒来撬,实在不行就用螺丝批撬,但是会掉点漆,卡扣如下所示


拆完别急着把键盘拿出来,有一条线连着没拆。

具体怎么拆这条线呢,看下图

把这两个地方向上推,那个小黑条出来,就可以把线取出来了。

拆掉两颗螺丝,把蓝色的线拔出来,黑色的插头也拔出来,然后从机身背后把wifi模块的线穿到正面来。

拆完应该是这样的。

翻回背面去卸掉螺丝钉,注意红色的那两个不要卸

然后翻回正面开撬吧

我没有塑料棒所以……我可怜的本本啊……

注意这些卡扣四面都有,是四面!不是三面!四面啊!

背面的卡扣可以在放电池的槽里找到

如下图

就它了,螺丝批顶一顶(我的明显被顶花了……)

拆完以后上面板可以直接拿走



这几个地方的螺丝都拆掉,其他的先别拆……图上我只拆了3颗,实际要拆4颗,第四颗就在上图的左下角,它黑得很明显,嗯。

接着就该转回背面去拆刚才那两颗红色箭头指向的螺丝了(转的过程中请保持显示屏夹角不要动,别把显示屏折叠回来,就保持这个开角就好,不然零件可能损坏,拆完以后显示屏左端就失去固定了,最好有个人帮你扶住(别说了,首先你得有一个……))

拆完红色箭头标记的螺钉就可以把这东西顶开了,用手就行


然后就可以把视频线拔出来了。

把螺丝卸掉,灰好多……

嗯,要用手扶住哦。

背面的这块东西从一开始就没卸掉,我也不知道它有什么用……

不过还是拆掉吧

背面,被红色框标记的地方有双面胶,万恶的双面胶!!!!!!!!!!!!!

还好只是很小的一块,只要你刚才拆完了螺丝,这里可以轻松地一顶,听到“撕拉”一声就好了,然后回到正面把主板卸下,你就完成拆机啦。


转载自:http://m.blog.csdn.net/article/details?id=40474455

----------------------------------------------------------------------------------我是华丽的分割线-----------------------------------------------------------------------------------------------------------------------

以下是我遇到的问题:

清完灰之后打开电脑,不启动

原因:芯片涂硅脂之后没有安装好。


over~~~




  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
以下是用Python绘制一个小房子的代码: ``` import turtle # 创建画笔对象 p = turtle.Pen() # 设置画笔速度 p.speed(10) # 绘制房子的主体 p.pencolor("#F4A460") # 设置画笔颜色 p.penup() # 抬起画笔 p.goto((-240), (-200)) # 移动画笔到指定位置 p.pendown() # 放下画笔 p.begin_fill() # 开始填充颜色 p.fillcolor("#F4A460") # 设置填充颜色 for i in range(4): # 绘制房子的四个边 p.forward(200) # 向前移动200个像素 p.right(90) # 向右转90度 p.end_fill() # 结束填充颜色 # 绘制房顶 p.penup() # 抬起画笔 p.goto((-440), 0) # 移动画笔到指定位置 p.pendown() # 放下画笔 p.begin_fill() # 开始填充颜色 p.fillcolor("#800000") # 设置填充颜色 p.goto(0, 200) # 移动画笔到指定位置 p.goto(440, 0) # 移动画笔到指定位置 p.goto((-440), 0) # 移动画笔到指定位置 p.end_fill() # 结束填充颜色 # 绘制门 p.penup() # 抬起画笔 p.goto((-50), (-200)) # 移动画笔到指定位置 p.pendown() # 放下画笔 p.begin_fill() # 开始填充颜色 p.fillcolor("#8B4513") # 设置填充颜色 p.goto(50, (-200)) # 移动画笔到指定位置 p.goto(50, (-100)) # 移动画笔到指定位置 p.goto((-50), (-100)) # 移动画笔到指定位置 p.goto((-50), (-200)) # 移动画笔到指定位置 p.end_fill() # 结束填充颜色 # 绘制窗户 p.penup() # 抬起画笔 p.goto((-150), 0) # 移动画笔到指定位置 p.pendown() # 放下画笔 p.begin_fill() # 开始填充颜色 p.fillcolor("#ADD8E6") # 设置填充颜色 p.goto((-50), 0) # 移动画笔到指定位置 p.goto((-50), 100) # 移动画笔到指定位置 p.goto((-150), 100) # 移动画笔到指定位置 p.goto((-150), 0) # 移动画笔到指定位置 p.end_fill() # 结束填充颜色 # 关闭画笔 turtle.done() ``` 希望这个代码可以帮助你绘制一个小房子。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [用python画一个小房子](https://blog.csdn.net/weixin_39976153/article/details/109875752)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
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