打得开qq 找不到服务器,电脑打得开qq打不开网页怎么办

相信很多人都经常碰到这种情况,网页打不开但是qq却可以使用,该怎么解决呢。下面由学习啦小编为你整理了电脑打得开qq打不开网页怎么办的解决方法,希望对你有帮助!

电脑打得开qq打不开网页解决方法如下

第一步、清除DNS解析缓存

1我们的系统会缓存我们平时用到的一些DNS地址,这个功能的目的主要是用于加速我们对网络的访问。但有时候这些被缓存的DNS地址由于某种原因导致不正常,就会导致我们的网页无法打开。这时候我们要做的就是清除这些系统缓存的DNS地址。

21.首先按住键盘上的“开始键+R键”,然后在弹出的对话框中输入“CMD”,再按 Enter,如下图所示

ebbc74d4bc21230e174808613c71832e.png

32.另外还可以依次点击 “开始>所有程序>附件>命令提示符”, 如下图标注所示

86ea40939452fac035d94d84827bc75e.png

4接下来在弹出的命令提示符窗口中输入“ipconfig /displaydns”,我们会看到系统中有多条我们之前使用过的DNS地址,如下图所示

5b6832b8698f78fd381bd643cffb56f1.png

5然后,我们接着输入命令“ipconfig /flushdns”。这条命令的作用是清除DNS解析缓存,如下图所示

8005c0ef3514d9f9649dd659f08b7c62.png

6最后,我们打开浏览器,重新输入想要打开的网址。

第二步、手动设置DNS解析服务器

如果我们清除了系统的DNS解析缓存以后,还是不能打开网页的话,那有可能是我们当前的系统使用的DNS解析服务器出故障了。一般情况下,我们上网都是通过路由器自动获取IP地址和DNS服务器地址,所以我们接下来要做的就是,可以尝试手动设置系统的DNS解析服务器地址。

这里以 Windows 7 为例,首先找到系统右下角任务栏的“网络显示图标”,并点击鼠标左键,如下图所示

94a39a0f92a2255e666b8a82e5f29a7d.png

接下来在弹出的网络信息显示窗口中,点击“打开网络和共享中心”,如下图所示

fb82dd5788deb28faee1a08ce21fafbc.png

然后在弹出的新窗口中,点击左边的“更改适配器设置”,如下图所示

92958626f81dcf4221dc92da4d8b93dc.png

接下来在网络连接窗口中,找到我们用于上网的网卡。点击鼠标右键,选择“属性”,如下图所示

13ed415e95733be1d8e4d1cfc4a97657.png

在网卡的属性窗口中,找到 Internet协议版本4(TCP/IPv4),然后点击“属性”,如下图所示

556fc0ccb80a5fe6e55863130f926585.png

在Internet协议版本4(TCP/IPv4)的属性设置窗口中,我们点击下面的“使用下面的DNS服务器地址”,并且在右边的DNS服务器地址栏中输入相应的DNS服务器地址,最后点击“确定”,如下图所示

注:8.8.8.8这个DNS服务器地址都可以使用,当然也可以使用你所在当地的宽带服务商的DNS地址

d0e113cbb10f9ee3698585df570a13d9.png

当DNS解析服务器设置完成以后,再打开浏览器,重新输入网址。

猜你喜欢:

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