【亲测免费】 EtchDroid 开源项目教程
项目介绍
EtchDroid 是一个开源应用程序,旨在帮助用户将操作系统镜像写入 USB 驱动器。它可以在 Android 设备上创建可启动的操作系统 USB 驱动器,无需 root 权限,无广告,无追踪,简洁高效。EtchDroid 支持多种现代 GNU/Linux 操作系统镜像,包括 Arch Linux、Ubuntu、Debian、Fedora 等,以及 Raspberry PI SD 卡镜像。
项目快速启动
安装 EtchDroid
-
克隆仓库:
git clone https://github.com/EtchDroid/EtchDroid.git -
进入项目目录:
cd EtchDroid -
构建项目:
./gradlew build -
安装 APK:
adb install app/build/outputs/apk/debug/app-debug.apk
使用 EtchDroid
-
启动应用: 在 Android 设备上找到并启动 EtchDroid 应用。
-
选择镜像文件: 选择要写入 USB 驱动器的操作系统镜像文件。
-
选择 USB 驱动器: 选择目标 USB 驱动器。
-
开始写入: 点击“写入”按钮,开始将镜像写入 USB 驱动器。
应用案例和最佳实践
案例一:创建可启动的 Ubuntu USB 驱动器
-
下载 Ubuntu 镜像: 从 Ubuntu 官方网站 下载最新的 Ubuntu 镜像文件。
-
使用 EtchDroid 写入: 打开 EtchDroid 应用,选择下载的 Ubuntu 镜像文件,选择 USB 驱动器,点击“写入”按钮。
-
启动电脑: 将 USB 驱动器插入需要安装 Ubuntu 的电脑,设置 BIOS 从 USB 启动,启动电脑并按照提示安装 Ubuntu。
案例二:创建 Raspberry PI SD 卡镜像
-
下载 Raspberry PI OS 镜像: 从 Raspberry PI 官方网站 下载最新的 Raspberry PI OS 镜像文件。
-
解压镜像文件: 使用解压工具解压下载的镜像文件。
-
使用 EtchDroid 写入: 打开 EtchDroid 应用,选择解压后的镜像文件,选择 SD 卡,点击“写入”按钮。
-
启动 Raspberry PI: 将 SD 卡插入 Raspberry PI,连接显示器、键盘和电源,启动 Raspberry PI 并按照提示进行设置。
典型生态项目
1. Raspberry PI OS
Raspberry PI OS 是专为 Raspberry PI 设备设计的操作系统,基于 Debian。它与 EtchDroid 兼容,可以轻松地将 Raspberry PI OS 镜像写入 SD 卡。
2. BalenaEtcher
BalenaEtcher 是一个跨平台的镜像写入工具,支持 Windows、macOS 和 Linux。它与 EtchDroid 类似,可以用于将操作系统镜像写入 USB 驱动器或 SD 卡。
3. UNetbootin
UNetbootin 是一个开源工具,用于创建可启动的 USB 驱动器。它支持多种操作系统镜像,包括 Linux 和 Windows。
通过这些生态项目,用户可以更灵活地选择适合自己需求的工具,实现操作系统镜像的写入和管理。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00