共享打印机登陆失败_办公室无线打印机设置方法

办公室经常会用到无线打印机,但是其设置比较繁琐,现在整理下,方便大家使用:

一:主机设置

进入主机控制面板,选择设备和打印机选项;

5494d1098a8b1d5e14eec406e248ac63.png

根据型号安装打印机驱动,并测试,点击打印机属性,选择共享;

选择共享选型,设置打印机名字

7dd3ddfcecedd8d3ba61d7161a555ce2.png

选择之后,打印机下面会有两个小人,打印机共享设置完毕

90911d73963012c4519157cb9409100a.png

二:查看工作组

查看主机与顾客机是否在同一个工作组;

点击我的电脑进入属性查看是否在一个工作组;

bad9b114e883ee357fa5e22776b65d7d.png

不在可以进入更改设置进行设置;

三:主机取消用户名密码设置 点击桌面右下角网络图标;

2bd30849f7f51fe2b9e214293730bd21.png

主机,进行设置,以下分别是WIN7

8 XP的设置方案

win7: 点击屏幕右下网络图标--网络和共享中心-----高级共享管理-----专用或家庭组--共享-----勾上启用网络发现,将文件和打印机共享前的钩钩打上确认退出。

win8:win键+x键--控制面板--网络和internet--更改高级共享设置----在当前配置文件-----勾上启用网络发现,将文件和打印机共享前的钩钩打上确认退出。

XP设置:打开控制面板---“用户账户”----“管理账户”------启用guest用户不要设置密码确定

d14c183d2adce861f107333db857fd98.png

4886a1e7d8f04dfbe44dbb6f7b0c2bef.png

下一步,点击键盘上的"WIN+R",输入gpedit.msc,确定打开了本地组策略编辑器:

a:计算机配置——windows设置——安全设置——本地策略——用户权限分配,在右侧编辑区域找到“拒绝本地登陆”双击进入编辑状态,删除其中的GUEST,确认退出。找到“拒绝从网络访问这台计算机”双击进入编辑状态,删除其中的GUEST账户,确认退出。

845aa4b9dd650526218bd8208b97401b.png

e92d425142bab8176cef041006016c9a.png

cd4687cf1a9831e631231b9fce688511.png

b:单击左侧“安全选项”,在右侧编辑区找到“网络访问:本地账户的共享和安全模式”双击设置为为“仅来宾-本地用户以来宾方式认证”。

c:单击左侧“安全选项”,账户:使用空白密码的本地账户只允许登陆控制台,设置为停用。

e03ac207e1cfe00a19933c879ce317cf.png

至此,计算机主机部分设置基本完毕。

四:客户机设置

同样,进入控制面板,打印机设置;点击添加打印机或扫描仪;

1c90c2332322f88de6b9a83ea4ce4e6a.png

选择我需要的打印机不在列表

59098acb9868cbc5853e37a6acf5ca08.png

选择使用TCP/IP地址或主机名添加打印机

e30169bc4ab2a7ae2e07ccc5cb7469c6.png

下一步写入主机IP即可搜索 按win+r打开运行,输入cmd,回车 输入ipconfig即可查询;

812465f064f84c76e7bc534db4429f28.png

对应计算机型号寻找驱动连接主机电脑即可;

或者输入主机IP 进入主机共享;

8bc1f694fb789a756677b319eb24efc7.png

找到主机的文件夹连接到相应的打印机即可;

760270aba5a710a4b16b11ebd4eef544.png

以上就是办公室打印机无线局域网共享的设置办法

希望大家方便大家 喜欢就关注木初 如有问题 可以下方留言

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