【亲测免费】 USB/IP Client for Windows 使用教程
1. 项目介绍
usbip-win2 是一个开源项目,旨在为 Windows 系统提供 USB/IP 客户端功能。该项目完全兼容 USB/IP 协议,并且可以与 Linux USB/IP 服务器配合使用,支持至少从内核 4.19 到 6.8 的版本。尽管该项目尚未准备好用于生产环境,可能会导致蓝屏死机(BSOD),但它为开发者提供了一个强大的工具来测试和开发 USB/IP 相关应用。
2. 项目快速启动
2.1 环境准备
- 操作系统: Windows 10 x64 版本 1809(OS build 17763)或更高版本。
- 开发工具: Visual Studio 2022。
- SDK: Windows 11 SDK 版本 24H2 (10.0.26100.1)。
- WDK: Windows 11 WDK 版本 24H2 (10.0.26100.1)。
2.2 下载与构建
-
克隆仓库:
git clone https://github.com/vadimgrn/usbip-win2.git cd usbip-win2 -
运行构建脚本:
bootstrap.bat -
打开解决方案: 使用 Visual Studio 2022 打开
usbip_win2.sln解决方案文件。 -
设置驱动签名: 右键点击项目 > 属性 > 驱动签名 > 测试证书,输入
usbip.pfx(密码: usbip)。 -
构建解决方案: 选择
x64或ARM64配置,然后构建解决方案。所有输出文件将生成在[x64|ARM64]/[Debug|Release]文件夹中。
2.3 安装与配置
-
启用测试签名模式:
bcdedit /set testsigning on重启系统以应用更改。
-
安装 USB/IP: 下载并运行发布页面中的安装程序。某些杀毒软件可能会误报 InnoSetup 安装程序。
-
连接远程设备:
usbip.exe list -r <usbip server ip> usbip.exe attach -r <usbip server ip> -b <busid>
3. 应用案例和最佳实践
3.1 远程USB设备管理
usbip-win2 可以用于远程管理 USB 设备,特别适用于需要在不同操作系统之间共享 USB 设备的场景。例如,开发者可以在 Linux 服务器上运行 USB/IP 服务,然后在 Windows 客户端上通过 usbip-win2 连接并使用这些设备。
3.2 测试与开发
由于 usbip-win2 尚未准备好用于生产环境,它非常适合用于测试和开发阶段。开发者可以利用它来测试 USB 设备的兼容性,或者在开发过程中模拟不同的 USB 设备场景。
4. 典型生态项目
4.1 Linux USB/IP 服务器
usbip-win2 的主要生态项目是 Linux 上的 USB/IP 服务器。通过在 Linux 系统上安装并运行 USB/IP 服务器,Windows 客户端可以使用 usbip-win2 连接并管理这些远程 USB 设备。
4.2 其他 USB 管理工具
在 Windows 生态系统中,还有其他一些 USB 管理工具,如 Zadig 和 USBDeview,它们可以与 usbip-win2 结合使用,提供更全面的 USB 设备管理解决方案。
通过以上步骤,您可以快速启动并使用 usbip-win2 项目,并了解其在不同场景下的应用和最佳实践。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00