【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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0185
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08