手机远程计算机桌面,win10系统下手机远程连接电脑桌面方法

在win 10系统下,微软为专业版、企业版、教育版等提供了远程桌面功能,用户可以设置从移动设备随时随地访问电脑内容。

下面就介绍手机和电脑进行连接设置的具体步骤:

1.【控制面板】→【系统和安全】→【系统】

802490100700

2.选择导航栏左侧的【远程设置】,确保下图中红框内为选中状态

802490100700

3.【控制面板】→【系统和安全】→【Windows Defender防火墙】

802490100700

4.选择导航栏左侧的【允许应用或功能通过Windows Defender防火墙】

802490100700

鼠标拉到最底端,检查  远程协助和  远程桌面处于选中状态。然后点击确定。

做到这一步电脑端的设置已经完成。接下来我们要到手机等移动设备上继续完成配置。

5.移动端下载 Microsoft 远程桌面app

安装完成后,打开app ,选择右上角的“+”按钮,出现下图:

802490100700

6.选择桌面,会要求输入想要建立远程连接的电脑的名称、IP地址等信息:

802490100700

那么,如何查看电脑的IP地址呢?

有两种方法可供选择

第一种,找到任务栏网络连接图标,单击鼠标右键

802490100700

选择【打开网络和Internet设置】

802490100700

向下拖动,查看网络属性。找到IPv4 地址,注意,只需要将“/”前面的数字作为 IP地址。

802490100700

还一种查看IP地址的方法:

【控制面板】→【网络和Internet】→[网络和共享中心

802490100700

点击当前网络连接的名称→查看详细信息,找到IPv4 地址,输入即可。

802490100700

至于【用户账户】一栏,可以不用进行设置。

最后,还需要注意的一点是:移动设备必须要和电脑处于同一网络下才能进行连接。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要在Windows 10上使用CPU搭建YOLOv5环境,您需要执行以下步骤: 1. 安装Python:首先,您需要安装Python。请从官方网站下载并安装Python 3.8或更高版本。 2. 安装Git:接下来,您需要安装Git。请从官方网站下载并安装Git。 3. 克隆YOLOv5存储库:使用Git Bash或命令提示符,克隆YOLOv5存储库。在命令提示符中,输入以下命令: git clone https://github.com/ultralytics/yolov5.git 4. 安装依赖项:在命令提示符中,导航到YOLOv5存储库的根目录,并运行以下命令: pip install -r requirements.txt 5. 下载预训练权重:下载YOLOv5的预训练权重。在命令提示符中,导航到YOLOv5存储库的根目录,并运行以下命令: python -c "from models.experimental import attempt_load; attempt_load('yolov5s.pt')" 6. 测试YOLOv5:在命令提示符中,导航到YOLOv5存储库的根目录,并运行以下命令: python detect.py --source 0 这将在您的计算机上打开摄像头,并使用YOLOv5检测物体。 希望这些步骤能够帮助您在Windows 10上使用CPU搭建YOLOv5环境。 ### 回答2: YOLOv5是一种深度学习算法,可以用于目标检测和识别。在win10平台上使用CPU来训练和运行YOLOv5需要进行环境搭建,下面是具体步骤: 1. 安装Anaconda Anaconda是一个流行的Python发行版,内置了常用的数据科学工具和库。可以通过在https://www.anaconda.com/products/individual下载适合win10的Anaconda安装包,双击安装后,在开始菜单中找到Anaconda Navigator。 2. 创建虚拟环境 在Anaconda Navigator中打开终端,输入以下命令创建一个新的Python虚拟环境: conda create -n yolo python=3.8 上述代码中的“yolo”是环境的名称,“python=3.8”指明了Python版本。创建完成后,输入以下命令激活虚拟环境: conda activate yolo 3. 安装依赖包 在已激活的yolo环境下,依次安装pytorch、numpy、opencv-python和matplotlib: conda install pytorch torchvision cpuonly -c pytorch pip install numpy pip install opencv-python pip install matplotlib 4. 下载YOLOv5 使用git工具克隆YOLOv5的代码库: git clone https://github.com/ultralytics/yolov5.git 5. 运行YOLOv5 在运行文件夹下打开终端,进入yolov5目录,并使用以下命令运行YOLOv5: python detect.py --weights yolov5s.pt --img 640 --conf 0.4 --source 0 上述代码中,“yolov5s.pt”是模型权重文件,“--img 640”指定了输入图像的大小,“--conf 0.4”是检测置信度的阈值,“--source 0”指定了输入图像源为摄像头。 以上就是在win10平台上使用CPU训练和运行YOLOv5的环境搭建和使用步骤。需要注意的是,由于YOLOv5的推理速度较慢,建议在GPU上进行训练和推理。 ### 回答3: yolov5是目前比较流行的目标检测框架之一,它采用了轻量级的模型架构,同时准确率还比较高,所以它得到了广泛的应用和研究。在windows10平台上,我们可以使用CPU进行yolov5的环境搭建。 首先,我们需要下载和安装anaconda,这是一个流行的Python包管理器和虚拟环境,可以帮助我们管理Python的依赖库。在anaconda的官网上可以下载到旗下的Python版本,例如Anaconda3和Miniconda3,我们可以按照自己的需要选择对应的版本。下载后,我们在本地安装即可。 然后,我们需要创建一个新的Python虚拟环境。在anaconda prompt下,使用以下命令行创建一个新的Python虚拟环境: conda create -n yolov5 python=3.8 这会创建一个新的名为yolov5的虚拟环境,并安装Python 3.8。 接下来,我们需要激活虚拟环境。在anaconda prompt中输入以下命令: conda activate yolov5 这时候,我们就进入了yolov5的虚拟环境中。 然后,我们需要安装必要的Python依赖库。在yolov5虚拟环境中,执行以下命令: pip install -r requirements.txt 这会安装yolov5所需要的所有Python依赖库。 最后,我们就可以在yolov5的虚拟环境中执行我们想要的yolov5程序了。在anaconda prompt下,进入到yolov5的代码目录,例如我们执行以下命令: cd yolov5-master 然后,执行以下命令进行yolov5模型检测: python detect.py --weights yolov5s.pt --source 0 这会使用CPU来执行yolov5模型的图片检测操作,并将结果显示在图形界面中。 总的来说,在windows10平台上使用CPU进行yolov5环境搭建是比较简单的,我们只需要安装anaconda和yolov5所需的Python依赖库即可。当然,如果我们需要使用GPU来加速yolov5的训练和推断,那么我们需要安装对应的显卡驱动和CUDA工具包。

“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
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