xp启用计算机共享打印机,Win7如何共享xp的打印机

小编之前分享过打印机共享怎么设置文章内容,这次为大家送上Win7共享xp的打印机教程。

一.Win7这边

1.开启的服务

右键点击我的电脑或计算机—管理----服务和应用程序,打开服务。

或者用WIN+R打开运行---输入services.msc回车,打开服务设置。

42998b0d56e7455bfda566108af9efde.png

将以下服务的[启动类型]选为[自动],并确保[服务状态]为[已启动]。

Server

Workstation

Computer Browser

DHCP Client

Remote Procedure Call

Remote Procedure Call (RPC) Locator

DNS Client

Function Discovery Resource Publication

UPnP Device Host

SSDP Discovery

TIP/IP NetBIOSHelper //这个在xp系统没有开启,win7共享需要开启。

2.添加到相同工作组

在桌面---计算机(右键)---属性

3cc2141018e9bb4df4488c496b144621.png

3.开启网络共享和文件共享

位置

f74aa8dff7e881bc738e03a258e9115a.png

更改共享设置

15dcf404511d2fbd34ed45af406afc34.png

按图上设置

990d71942e0f2b05465f66895e755472.png

添加文件共享到防火墙例外

f3e550613c02f9446173bca30a6ee7e3.png

允许共享访问

3963bd24f01268df406e3dfbe0df4551.png

二.xp这边

XP系统要共享的打印机和文件设置为共享。

1.打开网上邻居属性-本地连接属性-安装-协议-"nwlink ipx/spx/netblos compatible transport protocl" 双击。

里面还有个"network monitor driver"也要安装. (自动安装不要安装盘的)。

0cacba797d457400fed06ff3bc76c0af.png

添加协议

b764376b1a270e993c7e8fba0691465b.png

2.开始-运行-services.msc- 找到"server"服务,属性启动类型-"自动"-确定,然后在左边点"启动",确定。

3.组策略设置:

开始菜单运行-secpol.msc -安全设置-本地策略

用户权利指派- "拒绝从网络访问这台计算机"属性,删除里面的"所有用户组"。

安全选项:

网络访问:不允许SAM 帐户的匿名枚举, 属性给"停用"。

网络访问: 不允许 SAM 帐户和共享的匿名枚举,属性给"停用"。

网络访问: 本地帐户的共享和安全模型,属性改为"经典 - 本地用户以自己的身份验证"。

4.用户管理---启动guest用户。

.点击桌面我的电脑右键-管理-本地用户和组-用户,把右边的guest用户属性"帐户已停用前面的钩去掉"。

重启xp电脑。

小编再次为大家推荐一篇精文:打印机无法打印

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
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