用大白菜制作的启动优盘装系统,是不是都有个幸运彩票和百度浏览器,还有个腾讯的软件管家

谁学逆向工程 2017-07-03 08:37:46
我使用的WIN7旗舰版镜像都是纯净的,之前把我光盘里的WIN7.GHO放在大白菜优盘里,安装之后就有那3个软件。。。。后来去MSDN我告诉你又下载了一份,回去安装还是有那3个软件。
问一下是不是大白菜搞鬼了?他是怎么把那软件装到 GHO 文件和 ISO 文件里的?
...全文
542 11 打赏 收藏 举报
写回复
用AI写文章
11 条回复
切换为时间正序
请发表友善的回复…
发表回复
xiaohuh421 2017-07-04
  • 打赏
  • 举报
回复
基本上每个U盘装系统的, 都会安装一些软件到你的系统中. 因为它他们是免费提供给你用了, 他们靠什么赚钱的?? 其中一部分收入就是靠软件安装来的. 还有主页锁定, 或者重定向引流, 比如你本来输入www.baidu.com, 结果你会发现, 后面会自动加一个"尾吧". 就是引流用的 总之天下没有免费的午餐
谁学逆向工程 2017-07-03
  • 打赏
  • 举报
回复
引用 2 楼 zhao4zhong1 的回复:
那你不会写个批处理,自动卸载这些软件吗?
咋写
赵4老师 2017-07-03
  • 打赏
  • 举报
回复
那你不会写个批处理,自动卸载这些软件吗?
mLee79 2017-07-03
  • 打赏
  • 举报
回复
PE 可以随便往你系统里写文件, 改注册表, 难道还有啥是不能做的。
Youth1996 2017-07-03
  • 打赏
  • 举报
回复
可以直接用软磁通来写入到U盘,这样既简单又方便啊
paschen 2017-07-03
  • 打赏
  • 举报
回复
引用 8 楼 xiaoyuanyuan2009 的回复:
[quote=引用 5 楼 paschen 的回复:] MSDN我和告诉你上下载的是原版系统镜像,不是GHOST,安装后不会有其他应用程序
那就说明是大白菜的PE系统在搞鬼[/quote] 我记得我之前用大白菜做的U盘安装的WIN7没这种情况
谁学逆向工程 2017-07-03
  • 打赏
  • 举报
回复
引用 5 楼 paschen 的回复:
MSDN我和告诉你上下载的是原版系统镜像,不是GHOST,安装后不会有其他应用程序
那就说明是大白菜的PE系统在搞鬼
赵4老师 2017-07-03
  • 打赏
  • 举报
回复
引用 3 楼 xiaoyuanyuan2009 的回复:
[quote=引用 2 楼 zhao4zhong1 的回复:] 那你不会写个批处理,自动卸载这些软件吗?
咋写[/quote] 百度搜“使用脚本卸载 幸运彩票 百度浏览器 腾讯软件管家”
ooolinux 2017-07-03
  • 打赏
  • 举报
回复
ghost系统是安装以后加上驱动之类做成的,一般都安装了不少软件(可能有好处费),一方面方便快速装机使用,另一方面也有良莠不齐的问题。
paschen 2017-07-03
  • 打赏
  • 举报
回复
MSDN我和告诉你上下载的是原版系统镜像,不是GHOST,安装后不会有其他应用程序
Milk_1997 2017-07-03
  • 打赏
  • 举报
回复
为啥你不直接去msdn下载一个纯净版,然后再用直接制作个启动盘装。不用那种公司的软件制作的去装啊。
附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[坡道(ramp)] · 训练集:275 张 · 验证集:27 张 · 测试集:0 张 · 总计:302 张 该数据集聚焦于城市环境中各类建筑入口处的坡道设施,涵盖住宅、商铺、公共设施等多种场景,真实反映了无障碍通行设施在实际应用中的多样化形态。数据集中包含金属、橡胶、塑料等多种材质的坡道,以及不同尺寸、结构和安装方式的实例,充分体现了坡道在城市基础设施中的广泛部署与重要性。该数据集为城市智慧化管理、无障碍环境建设及公共安全监控提供了高质量的视觉基础支持。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 33 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.6372** mAP50-95 | 0.3401 Precision | 0.6603 Recall | 0.6190 train/box_loss | 1.0569 train/cls_loss | 0.7307 val/box_loss | 1.6084 val/cls_loss | 1.9323 【训练过程分析】 33 轮训练后 mAP50 仅 0.6372,模型收敛不充分。Loss 曲线前期下降后进入平台期,mAP 提升缓慢。mAP50-95 为 0.3401,定位精度同样偏低。 【模型性能评估】 Precision 0.6603、Recall 0.6190,精度高于召回,存在一... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

15,445

社区成员

发帖
与我相关
我的任务
社区描述
C/C++ 非技术区
社区管理员
  • 非技术区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧