【亲测免费】 OpenStack KVM虚拟机镜像 - Windows Server 2022
2026-01-27 05:33:55作者:毕习沙Eudora
资源文件描述
本仓库提供两个Windows Server 2022的KVM虚拟机镜像,适用于OpenStack环境。以下是两个镜像的详细信息:
1. win2022_35g.qcow2
- 安装源: 使用
zh-cn_windows_server_2022_updated_dec_2022_x64_dvd_444e9e55.iso(2022年12月)进行安装。 - Virtio驱动: 使用
virtio-win-0.1.225.iso中的WIN2022驱动。 - 测试环境: 在OpenStack的Q版、T版、Y版中测试可用。
- 磁盘容量: 34G
- 分区:
- C盘: 24G
- D盘: 10G
- 管理员密码: Qwer1234
2. win2022_20g.qcow2
- 安装源: 使用
zh-cn_windows_server_2022_updated_may_2023_x64_dvd_659778fe.iso(2023年5月)进行安装。 - Virtio驱动: 使用
virtio-win-0.1.225.iso中的WIN2022驱动。 - 测试环境: 在OpenStack的Q版、T版、Y版中测试可用。
- 磁盘容量: 20G
- 分区:
- C盘: 16G
- D盘: 4G
- 管理员密码: Qwer1234
使用说明
- 下载镜像: 请从本仓库下载所需的镜像文件。
- 导入OpenStack: 将下载的镜像导入到OpenStack环境中。
- 创建虚拟机: 使用导入的镜像创建虚拟机实例。
- 登录: 使用管理员账户
administrator和密码Qwer1234登录虚拟机。
注意事项
- 本镜像仅供测试使用,不得用于商业用途。
- 请确保在合法的环境中使用本镜像,遵守相关法律法规。
联系我们
如有任何问题或建议,请联系我们。
登录后查看全文
热门项目推荐
相关项目推荐
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
656
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
500
606
openEuler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。
C
390
284
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
891
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
861
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557
暂无简介
Dart
902
218
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
207
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195