VirtualBox下虚拟机和宿主计算机共享文件夹

news/2024/6/29 11:55:31

为什么80%的码农都做不了架构师?>>>   hot3.png

 

宿主:windows2003

虚拟机:windows XP

 

1、虚拟机设置

选中虚拟机,属性设置,在“数据空间”的窗口,在“固定分配”上点右键,选择“Add New Shared Folder”,然后再点击“Folder Path”右侧的向下的小三角,选择“Other...”,浏览选中你想共享的目录,点“选择”即可
下面的“只读分配”和“固定分配”顾名思义,自己看着办

 

 

设置结果如下

确定。

 

2、虚拟机安装增强功能包(Guest Additions)

启动虚拟机,然后在VirtualBox的菜单里选择"设备(Devices)" -> "安装增强功能包(Install Guest Additions)"。

安装完成后重新启动虚拟机。

 

 

3、使用

 

进入虚拟机“我的电脑”,在虚拟机的“我的电脑”中选择工具--映射网络驱动器,选一个盘符,点击下面的“浏览“,展开“VirtualBox Shared Folders”,就会找到你刚才共享的那个文件夹share了。

选择、确定,多了一个新的盘符。

好了可以使用了。

 



已有 0 人发表留言,猛击->>这里<<-参与讨论


JavaEye推荐
  • —软件人才免语言低担保 赴美带薪读研!—
  • 限时报名参加Oracle技术大会
  • 上海:高薪诚聘php开发人员



转载于:https://my.oschina.net/sosuny/blog/8842


http://www.niftyadmin.cn/n/4260302.html

相关文章

Dave Python 练习十三 -- 函数和函数式编程

#encodingutf-8 ######### 函数和函数式编程 ################ #********* Part 1: 函数 ******************* #函数是对程序逻辑进行结构化或过程化的一种编程方法。能将整块代码巧妙地隔离成易于管理 #的小块&#xff0c;把重复代码放到函数中而不是进行大量的拷贝--这样既能…

基于weka手工实现逻辑斯谛回归(Logistic回归)

一、logistic回归模型 逻辑斯谛回归模型其实是一种分类模型&#xff0c;这里实现的是参考李航的《统计机器学习》以及周志华的《机器学习》两本教材来整理实现的。 假定我们的输入为 x x x&#xff0c; x x x 可以是多个维度的&#xff0c;我们想要根据 x x x 去预测 y y y…

美阿拉斯加州发生5.4级地震 暂无人员伤亡及灾情报告

中新网1月14日电 据美国地质勘探局(U.S. Geological Survey)发布消息称&#xff0c;当地时间13日&#xff0c;美国阿拉斯加州安克雷奇(Anchorage)附近地区发生5.4级地震&#xff0c;目前尚未传出伤亡或其他灾情。资料图&#xff1a;当地时间2018年11月30日&#xff0c;美国阿拉…

实验十五、帧中继交换机的配置

实验十五、帧中继交换机的配置 一、 实验目的 1. 掌握FRAM-RELAY SWITCH 的配置 2. 理解DLCI、LMI 等概念 二、 应用环境 假设在银行系统里&#xff0c;总行和各分理处需要进行通讯&#xff0c;而分理处之间不需要通讯&#xff0c;帧中继是最 好的选择 三、 实验设备 1. DCR-17…

[HNOI2016]最小公倍数

题目描述 给定一张N个顶点M条边的无向图(顶点编号为1,2,…,n)&#xff0c;每条边上带有权值。所有权值都可以分解成2^a*3^b的形式。现在有q个询问&#xff0c;每次询问给定四个参数u、v、a和b&#xff0c;请你求出是否存在一条顶点u到v之间的路径&#xff0c;使得路径依次经过的…

再续 asp.net 域名欺骗式开发之泛解析域名

前言&#xff1a; 在很久前&#xff0c;曾发布过一篇&#xff1a;asp.net 域名欺骗式开发有不少新新人类表示对此文不屑&#xff0c;觉得太基础&#xff0c;他们早懂了&#xff0c;懂了就懂了&#xff0c;毕竟还有人还没有懂的。今天再续文&#xff0c;讲解域名欺骗式开发的进阶…

Dave Python 练习十五 -- 面向对象编程

#encodingutf-8 ### *************** 面向对象编程 ******************** #*********** Part 1: 面向对象编程 *********************** #面向对象编程踩上了进化的步伐&#xff0c;增强了结构化编程&#xff0c;实现了数据与动作的融合&#xff1a;数据层和逻 #辑层现在由一个…

机器学习入门-数据过采样(上采样)1. SMOTE

from imblearn.over_sampling import SMOTE # 导入 overstamp SMOTE(random_state0) # 对训练集的数据进行上采样&#xff0c;测试集的数据不需要SMOTE_train_x, SMOTE_train_y overstamp.fit_sample(train_x, train_y) 由于数据分布的不均衡&#xff0c;因此对数据进行上采…