OUC图书馆电脑开启无线网络,连接手机热点,解决联网但无法访问网络的问题

OUC图书馆电脑连手机热点

前言

【中国海洋大学】OUC图书馆电脑默认只能有线连校园网,这让没有校园网的人很是头疼(手机流量太多了,根本用不完,需要大流量卡的可以私信我)

还好部分电脑是有无线网卡的,可以开启无线网络,连接手机热点(带主机的那几台dell电脑本身没有无线网卡,所以没法连热点)

连上之后,发现没法访问网络,还是走的有线网,这时只需要设置一下有线和无线的优先级就可以访问网络了

手动

1.打开【设备管理器】,找到【网络适配器】【包含wifi、wireless等字样】,右键【启用设备】

在这里插入图片描述
在这里插入图片描述

2.连接手机热点

3.打开【更改适配器选项】,右键无线网络【属性】,找到【Internet协议版本4(TCP/IPv4)】点击(注意别把前面的对号取消掉),【属性】【高级】【跃点数】改为1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

脚本(暂未测试)

每次去图书馆都要操作一遍,太麻烦了,写个脚本,放u盘里,到时候插电脑上,双击运行即可

Win7/Win10如何写脚本自动禁用/启用/重启设备管理器中的特定硬件设备(声卡等)_windows脚本禁用和启用设备管理器

用命令打开和关闭 Windows 无线 - 吾晓科技

# 开启无线
netsh interface set interface name = "WLAN" admin=enable

Windows下同时使用多网卡时的跃点数修改

windows 命令行调整跃点数

route change -p 0.0.0.0 mask 0.0.0.0 192.168.8.1 metric 20 if 9

完整代码放进auto.bat文件中,右键以管理员身份运行

注意

使用该方法连接热点后,电脑可能会闪屏几次,同时伴有提示音,可提前关闭电脑声音,等待片刻即可

  • 5
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
卷积神经网络(Convolutional Neural Network,CNN)是一种深度学模型,常用于图像识别和计算机视觉任务。卷积神经网络的基本结构包括卷积层、池化层和全连接层[1]。典型的卷积神经网络结构有AlexNet、ZFNet、VGG、GoogleNet和ResNet等。 其中,ResNet是引入了残差学习网络的一种深度神经网络模型,它解决了梯度消失的问题,可以用来训练非常深的网络。 在使用卷积神经网络进行图像分类时,需要定义网络结构。可以通过继承nn.Module类并实现其forward方法来定义网络。可学习参数的层应该放在构造函数的init方法中。 总的来说,卷积神经网络是一种用于图像识别和计算机视觉任务的深度学习模型,具有卷积层、池化层和全连接层。ResNet是一种引入了残差学习网络的深度神经网络模型,解决了梯度消失问题。在定义卷积神经网络时,需要继承nn.Module类,并实现其forward方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【OUC_SE_2022】第三周作业:卷积神经网络基础](https://blog.csdn.net/OUC_SE_GROUP18/article/details/127340419)[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_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“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
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

tfnmdmx

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