联想笔记本电脑主板分析与维修(型号G50-70M版号NM-A273) 问题:按电源开关不开机无反应,充电指示灯不亮

联想笔记本主板维修型号G50-70M版号NM-A273(详细分析步骤附:主板电路图)

拿到笔记本电脑后,听朋友叙述完问题后,我首先用万用表检测的电源适配器电压输出是否正常,测得参数与标称值一样,接下来我百度了一些相关故障原因,根据所学到的内容作了一下汇总,共同分享共同学习,如有不明确的地方望大家能够指点。因为之前的确没修过电脑主板,第一次修,和朋友沟通说试一下不能确保修好,我尽力去修,就抱着试一试开始了学习探索之路。

  1. 问题:按电源开关不开机无反应,充电指示灯不亮
    分析:1.电源适配器问题?
    2.主板问题?

  2. 百度问题解答如下:
    联想笔记本开不了机,电源灯也不亮的原因如下:
    首先尝试以下操作:将电池和电源适配器全部拆下来,按住开关按键30秒将静电放光,等待15分钟左右,再单独连接电源适配器供电开机;如果还不能开机,哪就是以下原因
    (1)第一个原因,笔记本的电源适配器损坏,无法通电,或者笔记本的电池没有电了,从面导至无法开机,黑屏。处理方法:更换电源适配器,或者给电池充满电即可。
    (2)第二个原因:笔记本主板的开机电路出现故障,比如时钟,复位,供电,MOS管等出现故障,都有可能引起无法开机,黑屏,I/O出现问题,也无法启动电脑,黑屏,等等吧,处理方法:送售后或者修理店修理主板,
     (3)第三个原因: 就是笔记本显卡的显存出现虚焊,主芯片性能下降,显卡BIOS出现错乱,控制电源IC出现问题,都会造成显卡无法正常工作,也就是显卡坏了,由于显卡坏了,自然就无法开机,黑屏了,处理方法:建义修理显卡,或者更换显卡。

  3. 第一个原因测试无果
    在这里插入图片描述

  4. 多次间断按电源开关机键进行主板充放电,还是解决不了。

  5. 通过查找资料解决不了当前问题,最好的解惑是向淘宝技术员学习,加的维修电脑QQ群多和大神交流,确定是主板问题后拆机.

在这里插入图片描述

  1. 不同的笔记本电脑拆机方式不同,拆之前先搜索拆机教程,
    1.首先去掉底盖(D面)的所有螺丝,包括电池盒中的螺丝,小底盖如果可以取下则取下,内存和硬盘建议也取下。
      2.然而转到键盘面(C面),取下键盘后,然后把键盘底下的螺丝下光。
      3.可以分离C面和D面了,既分离键盘面外壳和底盖,内部的主板就暴露出来了。
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    ![在这里插入图片描述](https://img-blog.csdnimg.cn/20210304191615569.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI5ODE2MDA3,size_16,color_FFFFFF,t_
    在这里插入图片描述
    在这里插入图片描述
  2. List item
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
好的,以下是基于CNN的利用OpenCV的数字识别的调用mnist数据集的c++程序。请注意,由于您的OpenCV版本为4.5.1,因此本程序基于该版本的OpenCV进行编写,请确保您的电脑已经安装了OpenCV 4.5.1。 ```c++ #include <iostream> #include <opencv2/opencv.hpp> #include <opencv2/dnn.hpp> #include <fstream> using namespace std; using namespace cv; using namespace cv::dnn; int main() { // 加载mnist数据集 string mnist_dir = "C:/Users/张洋/Desktop/程序/project下/project下/"; string mnist_train_images = mnist_dir + "train-images.idx3-ubyte"; string mnist_train_labels = mnist_dir + "train-labels.idx1-ubyte"; ifstream mnist_train_images_file(mnist_train_images, ios::binary); ifstream mnist_train_labels_file(mnist_train_labels, ios::binary); if (!mnist_train_images_file.is_open() || !mnist_train_labels_file.is_open()) { cout << "Error opening mnist dataset!" << endl; return -1; } uint32_t magic_number, number_of_images, rows, cols; mnist_train_images_file.read((char*)&magic_number, sizeof(magic_number)); magic_number = ntohl(magic_number); mnist_train_images_file.read((char*)&number_of_images, sizeof(number_of_images)); number_of_images = ntohl(number_of_images); mnist_train_images_file.read((char*)&rows, sizeof(rows)); rows = ntohl(rows); mnist_train_images_file.read((char*)&cols, sizeof(cols)); cols = ntohl(cols); Mat mnist_train_images_mat(number_of_images, rows*cols, CV_8UC1); Mat mnist_train_labels_mat(number_of_images, 1, CV_8UC1); for (int i = 0; i < number_of_images; i++) { mnist_train_labels_file.read((char*)&mnist_train_labels_mat.at<uint8_t>(i), sizeof(uint8_t)); for (int j = 0; j < rows*cols; j++) { mnist_train_images_file.read((char*)&mnist_train_images_mat.at<uint8_t>(i, j), sizeof(uint8_t)); } } mnist_train_images_file.close(); mnist_train_labels_file.close(); cout << "mnist dataset loaded successfully!" << endl; // 将mnist数据集转换为dnn训练所需的格式 Mat mnist_train_images_float; mnist_train_images_mat.convertTo(mnist_train_images_float, CV_32FC1); mnist_train_images_float /= 255.0; Mat mnist_train_images_float_reshaped(number_of_images, 1, Size(rows, cols)); for (int i = 0; i < number_of_images; i++) { Mat image = mnist_train_images_float.row(i).reshape(1, rows); image.copyTo(mnist_train_images_float_reshaped.at<Mat>(i, 0)); } Mat mnist_train_labels_float; mnist_train_labels_mat.convertTo(mnist_train_labels_float, CV_32FC1); // 构建CNN模型 int num_classes = 10; int batch_size = 32; int epochs = 10; int input_size = rows; String model_path = "models/mnist_cnn_model.pb"; Net net = readNetFromTensorflow(model_path); // 训练CNN模型 Ptr<TrainData> train_data = TrainData::create(mnist_train_images_float_reshaped, ROW_SAMPLE, mnist_train_labels_float); net.setTrainMethod(cv::dnn::DNN_BACKEND_OPENCV); net.setPreferableBackend(cv::dnn::DNN_BACKEND_OPENCV); net.setPreferableTarget(cv::dnn::DNN_TARGET_CPU); net.setInputSize(Size(input_size, input_size)); net.setNumClasses(num_classes); net.setBatchSize(batch_size); net.setEpochs(epochs); net.train(train_data); // 保存CNN模型 net.save("models/mnist_cnn_model_trained.pb"); cout << "CNN model trained successfully and saved!" << endl; return 0; } ``` 请将上面的程序保存为一个名为 "mnist_cnn_train.cpp" 的文件,并将该文件放置在您的工程目录下。接下来,您需要下载一个预先训练好的MNIST CNN模型,该模型可以从以下链接中下载: https://github.com/Chit-Chat-AI/ChitGPT/releases/download/v0.1/models.zip 将下载的压缩包解压缩到您的工程目录下,然后将其中的 "mnist_cnn_model.pb" 文件复制到一个名为 "models" 的文件夹中。接下来,您需要在命令行中执行以下命令来编译和运行程序: ``` g++ mnist_cnn_train.cpp `pkg-config --libs opencv` -o mnist_cnn_train ./mnist_cnn_train ``` 执行完毕后,将会在 "models" 文件夹中生成一个名为 "mnist_cnn_model_trained.pb" 的文件,该文件即为训练完毕的CNN模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

打赏作者

小体系

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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