[图文教程]LG KF350手机使用原装USB线刷机教程

半个月前给小姨子选了一台LG KF350,实在是漂亮的手机,很适合MM。
可以这么用下来,问题还真不少,重启、死机...等等
今天小姨子受不了了,我让它拿来给我看看,仔细研究一翻,看了www.52lg.com

的不少帖子,发现刷机跟以前玩西门子6688差不多,可是都建议要另买刷机专用线。这可不符合逻辑。

第一,原装数据线是一个接触点都没有少,重新买的刷机专用线难道可以多出几个接触点?
第二,我看了那个刷机专用线,也是USB口到LG的专用口的,和原装的区别就是USB口那端多了个芯片在里面[该芯片的作用就是可以镜像成com口]。
第三,我观察了整个刷机过程,也就是装那个芯片的驱动,把USB镜像成了COM口。

至此,我确定可以用原装的数据线来刷机,于是摸索过程,现在已经刷好了小姨子的kf350了。
而且速度是那种刷机专用线的好几倍!经验不敢独享,现在写出步骤,方便大家机友刷机。

准备:
手机充满电,手机原装数据线,刷机程序下“MultiGSM Ver3.0”。至于升级版本,就看你要升到哪个版本吧。软件程序可在这个页面下载 http://www.52lg.com/thread-184450-1-1.html

开始:
1、先安装好MultiGSM Ver3.0

2、然后到MultiGSM Ver3.0的目录下可看到有个UsbDrivers,如图
  kf350刷机
里面有个INFINEON和一个TI_NEPTUNE,我们原装的数据线驱动就是用那个INFINEON,进入此目录里面双击setup.exe后一下就安装完成了。

3、 手机的数据线要插到电脑机箱背后主板上的usb口,以保证数据传输的准确和质量。然后手机关机,插入数据线。此时电脑出现个Flash Loader utility的硬件,如果提示要安装文件,就定位到上面说的那个INFINEON目录去找找,有跳出任何窗口,不管,强制安装。

4、第3步骤装好后就把手机拔掉,然后运行MultiGSM Ver3.0的目录下的USBMap_V01.exe
  kf350刷机
是不是发现一切条件无须创造,刷机程序已经全部准备好了,这个USBMap_v01.exe就是一个USB镜像程序,想想专用的专用刷机线加那么一块小芯片,难道我们一台电脑的强大运算能力就无法做到那个小芯片的功能。这下,一个小小的程序就搞定了。

5、 回正题,运行那个USBMap_V01.exe后,点中最上面的INFINEON,然后点下面的MAPPING START,之后把数据线接上手机,看看这个软件是不是出现多一行信息?可能你的信息显示并不相同,但是总是有这么一行信息出现,出现了这个信息这个程序 就不要动,不能关掉这个程序!然后拔掉手机数据线,继续下一步
  kf350刷机

6、 接下来开启MultiGSM Ver3.0,照下图的设置,想刷哪个版本就用相应软件,然后选USB,还有com的位置你不知道是1.2.3.4.5的话,刚才上面设置1,下面设置 5,1到5全开,一半总有一个在里面的。最后那个同样选max.32 port。然后OK回主界面
  kf350刷机

7、主界面点下START,发现只有一个usb口在等待手机,这是不用多说了吧?手机保持在不开机状态,插入数据线就开始更新了。刷新过程中你会发现这个刷机程序显示数据还是从com口送出的,这个时候已经不管了,享受超快的刷机速度吧~~
  kf350刷机


8、最后我用了大概4xx秒的速度就刷好了,关掉刷机程序,拔掉数据线就OK了

本方法我只试了一次,刷完马上把kf350抛回小姨那里了。如果你对这个刷机过程有疑问,请交流!

注意哈:::
PS:整个过程那个usbmap的程式不要关掉,如果第7步没有出现等待手机,请试试先点save & exit退出后,然后再开启,等于是保存一次再继续
PS:整个过程那个usbmap的程式不要关掉,如果第7步没有出现等待手机,请试试先点save & exit退出后,然后再开启,等于是保存一次再继续
PS:整个过程那个usbmap的程式不要关掉,如果第7步没有出现等待手机,请试试先点save & exit退出后,然后再开启,等于是保存一次再继续!!


本文原链接:http://user. qzone .qq.com/242528/blog/
1238073696
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 7
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