百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

300系列主板上Win7?没想的那么复杂

ztj100 2025-05-21 18:00 37 浏览 0 评论

虽然小编用了Win10很久,也比较推崇新系统,但是还有不少小伙伴都需要Win7,尤其是一些特定领域,Win7是必然的选择。最近有几位小伙伴买了300系列主板+8代CPU后,装Win7就成为了不可能的任务,留言了好几天,小编今天要跟大家分享一下。

300系列装Win7 机会就在这里

300系列芯片组的产品,之所以不能安装Win7,不是所谓的硬件彻底屏蔽,而是没有对应的Win7驱动——300系列芯片组主板的USB 3.1控制器原生只有Win10驱动,强制安装会报错;还有一个最致命的事情,核心显卡也同样只有Win10驱动。这两点尤其前者,对安装Win7设置了巨大障碍。

当然这里面也有例外,Z370芯片组因为最早推出,USB 3.1 Gen1驱动还能找到修改的Win7版本,USB 3.1 Gen2更是外挂芯片实现,驱动不是问题。而H310、B360以及H370芯片组就没办法了。

不过别急,Intel即将“大发善心”:H310C将不日推出,而且要全面取代现有的H310。H310C最大的特点就是提供原生的Win7驱动,能够完整支持Win7。如果是准备装机的小伙伴,可以多等一些日子哦。

那B360和H370芯片组的电脑还有办法装Win7吗?答案也是有的,不过需要一点代价——先要购买一个PCI-E的USB扩展卡,用以取代主板上的原生USB接口(当然也就不能用了)。第二就是需要使用独立显卡,也就是说放弃核心显卡。如此一来,使用B360和H370芯片组主板的电脑一样可以安装使用Win7,不过板载USB 3.1 Gen1\2和CPU核心显卡就都不能用了。

安装Win7的时候,USB设备(键鼠)要连接到USB扩展卡的接口上,而不是主板的USB接口,才能操控安装,这一点一定要牢记。对了,如果是USB 3.0以上的USB扩展卡,务必要在安装镜像里先注入Win7的USB驱动哦(可以查阅
http://www.cfan.com.cn/2017/0216/128129.shtml一文)!

另辟蹊径也有招

除了这种安装方法,小编其实更推荐使用虚拟机方式实现Win7的兼容。目前虚拟机最方便的就是Win10内置的HyperV,不过缺点是不支持USB!另外比较简单易用的就是vmware了,支持USB设备,而且个人使用免费。在装好的Win10系统上,先通过
https://www.vmware.com/products/player/playerpro-evaluation.html下载VMware Workstation 12.5 Player,下载后运行安装。

安装完毕运行Vmware Player,点击“创建新虚拟机”,然后单击“安装程序光盘映像文件(ISO)”,“浏览”选中要安装的系统镜像。然后跟随向导设置虚拟机名称、存储位置,并选择输入Windows安装密钥(也可不输入),设置计算机用户名、密码等。

接下来设置占用磁盘空间,一般Win7预留不少于60GB为宜。然后就是虚拟机的文件存储方式,小编推荐选择“将虚拟磁盘存储为单个文件”,并单击下一步。

此时,在虚拟机配置确认页面单击“自定义硬件”。

这里最重要的是内存部分,Win7以上最少不能分配少于2GB内存,最好配置4GB(注:使用虚拟机的电脑内存最好不低于8GB内存容量);CPU部分根据自己需求设置即可。有一个地方要特别留意,网络部分,点击“网络适配器”,勾选“启动时连接”,然后选中“NAT模式”即可。

设置完毕后自动就会开始安装系统,这里就和普通的系统安装没什么区别了,不过这都建立在你正在使用的系统之上,是不是方便很多?而且这也没有核显不能用,USB全部废掉的尴尬,在具备硬件虚化的CPU下,性能也足够支撑日常使用了。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: