前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >Win7/Win10移动用户文件夹(C:\Users)移到非系统盘(如D:)

Win7/Win10移动用户文件夹(C:\Users)移到非系统盘(如D:)

作者头像
10km
发布于 2019-07-02 03:53:32
发布于 2019-07-02 03:53:32
51.2K47
代码可运行
举报
文章被收录于专栏:10km的专栏10km的专栏
运行总次数:7
代码可运行

版权声明:本文为博主原创文章,转载请注明源地址。 https://cloud.tencent.com/developer/article/1454442

Windows的用户文件夹默认所在位置是系统盘(通常是C盘)下的“\Users”目录之内。该文件夹中保存着所有的用户个人数据,比如你保存在“桌面”上的文件(实际上是保存在C:\Users\你的用户名\Desktop\目录之中),再比如你保存在“我的文档”里的文件(实际上是保存在C:\Users\用户名\Documents目录之中)。

用户文件夹处于系统盘的坏处在于,如若系统盘一旦坏掉,就可能连带用户文件一并丢失;其次,由于用户文件处于系统盘,也没办法时常备份“干净的系统盘”,第三,用户文件夹的文件越来越多可能会导致系统盘容量不足。

如果能把用户文件夹挪到另外一块儿硬盘上(或者另外一个硬盘分区上),那么系统维护就会容易得多。平时生成的文件(大多数人放在“桌面”、“我的文档”里的文件最多),都被保存在系统盘(或分区)之外;于是随时都可以在不必担心用户文件丢失的情况下重新安装系统(或恢复系统备份)。

基本的原理

WinXp之后的windows版本支持了符号连接,所以就有为将C:\Users无缝平移到非系统提供了可能,本文章介绍办法就是基于windows符号连接来实现将用户文件夹(C:\Users)移到非系统盘(如D:),其基本的原理:

  1. C:\Users下的所有文件复制到D:\Users
  2. 然后在C:盘创建一个名为Users的软连接(soft link) 指向D:\Users

这样以来,Windows系统以及应用程序来说,用户数据在逻辑上还是保存在C:\Users,而实际的存储位置却是在D:\Users

原理不复杂,但实际起来却稍稍有点麻烦,因为当我们登录进入windows桌面时,系统已经在使用C:\Users下的用户配置文件,而我们知道,不能删除一个当前正在使用的文件或文件夹。所以基于这个限制,要实现我们的需要,得分不同的情况来处理。

注意,以下假设你想把用户文件夹设置在D盘,假定D盘是NTFS分区。

新系统安装时

Win7/Win10新系统安装时,在安装程序创建用户帐户之前,因为还没有C:\Users下还没有用户文件夹,所以步骤相对简单些

在安装Win7/Win10的过程中,要求输入用户名及密码的时候,先不如输入任何信息,按“Shift+F10”打开DOS窗口(命令行窗口),输入以下命令:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
## 复制C:\Users下所有文件(包含子文件夹)D:\Users
robocopy "C:\Users" "D:\Users" /E /COPYALL /XJ
## 删除C:\Users文件夹 
rmdir "C:\Users" /S /Q 
## 创建(目录)软连接 C:\Users 指向 D:\Users
mklink /J "C:\Users" "D:\Users"

然后关闭DOS窗口,按正常流程继续安装Window直至完成。

如此安装的Windows所有“用户文件夹”(User Special Folder)的内容都已经被设置在D盘。

已经安装好的Win7/Win10系统

维护模式

如果想要移动已安装好的Win7/Win10中的用户文件夹就要麻烦些,需要在C:盘Windows系统未启动状态下来执行,所以要在启动时进入维护模式打开DOS窗口.

具体的做法是开机时按F8键,出现黑底白字的菜单(如下图),默认光标在第一项Repair your computer上,直接按回车。

(Win7截图,Win10有区别)

之后会弹出2个提示框,直接点Next或OK即可。就来到了这一界面:

(Win7截图,Win10有区别)

单击最后一项:Command Prompt(命令行提示符,也就是DOS窗口),在DOS窗口执行三条命令。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
## 复制C:\Users下的所有文件到D:\Users
##参数说明:此命令为Windows的“强健文件拷贝”命令。
##		/E 表示拷贝文件时包含子目录(包括空目录)
##		/COPYALL 表示拷贝所有文件信息
##		/XJ 表示不包括Junction points(默认是包括的)
## 		/XD "C:\Users\Administrator" 表示不包括指定的目录,此处指定目录为:"C:\Users\Administrator"
robocopy "C:\Users" "D:\Users" /E /COPYALL /XJ /XD "C:\Users\Administrator"
## 删除C:\Users文件夹 
##参数说明:此命令删除指定目录。
##		/S 删除指定目录及其中的所有文件。用于删除目录树。
##		/Q 安静模式。删除时不询问。  
rmdir "C:\Users" /S /Q   
## 创建(目录)软连接 C:\Users 指向 D:\Users
## 参数说明:此命令创建符号连接。
##		/J 连接类型为目录连接
mklink /J "C:\Users" "D:\Users"

执行完成后,重启电脑。就OK了。

Windows运行状态下

如果你进入Windows维护模式有困难,也可以考虑在当前Windows运行状态下做C:\User的迁移。要按以下步骤操作(稍微麻烦一点,并且过程中可能会出现无法拷贝文件的情况)

首先要关闭所有应用程序

然后要开启administrator帐户:

我的电脑点击右键,打开管理界面

如下图取消administrator帐户的禁用

注销当前用户,而后以“Administrator”登录。

打开命令行窗口,输入以下命令:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
robocopy "C:\Users" "D:\Users" /E /COPYALL /XJ /XD "C:\Users\Administrator"

注销Administrator,重新用你的用户名登录Windows,而后到计算机管理界面禁用Administrator;

以管理员身份打开一个DOS窗口,输入以下命令:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
rmdir "C:\Users" /S /Q
mklink /J "C:\Users" "D:\Users"

再重启电脑。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019年06月02日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
4 条评论
热度
最新
感谢分享。我在挨个改路径ing,把C盘用户文件夹下的系统自带的文件夹移走。按教程走的话,appdata也会被移走吗?习惯桌面不放东西,桌面的路径就没改。按这个习惯,是不是不太适用此教程?
感谢分享。我在挨个改路径ing,把C盘用户文件夹下的系统自带的文件夹移走。按教程走的话,appdata也会被移走吗?习惯桌面不放东西,桌面的路径就没改。按这个习惯,是不是不太适用此教程?
回复回复点赞举报
是否可行,经过验证了吗?我的user文件比较大,有30G
是否可行,经过验证了吗?我的user文件比较大,有30G
回复回复点赞举报
使用robocopy命令,过程中一个文件卡在77.6%,怎么办?在线等挺急的
使用robocopy命令,过程中一个文件卡在77.6%,怎么办?在线等挺急的
回复回复点赞举报
您好!我想问一下移动成功后 一些配置文件如.gradle .anaconda .vscode这些会因为实际存储路径变化而失效错误吗?
您好!我想问一下移动成功后 一些配置文件如.gradle .anaconda .vscode这些会因为实际存储路径变化而失效错误吗?
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
解锁DeepSeek多模态:从原理到实战全解析(3/18)
摘要:本文深入探讨了DeepSeek在多模态领域的前沿技术与应用实践,旨在为研究人员和开发者提供一个全面的进阶指南。文章首先介绍了图文跨模态对齐技术的原理,展示了如何通过先进的模型架构和算法实现文本与图像之间的高效对齐,从而为多模态理解奠定基础。接着,文章提出了一个视频理解与生成的统一框架,该框架能够同时处理视频内容的理解和生成任务,显著提升了模型在复杂多模态场景下的表现能力。最后,文章通过一个实际案例,详细介绍了如何搭建多模态检索系统,包括数据预处理、特征提取与融合,以及检索算法的优化。通过这些内容,本文不仅展示了DeepSeek在多模态领域的强大能力,还为读者提供了丰富的实践指导,帮助他们在实际项目中更好地应用这些技术。
正在走向自律
2025/02/15
1.2K2
解锁DeepSeek多模态:从原理到实战全解析(3/18)
DeepSeek 全面分析报告
DeepSeek 是一款由中国人工智能初创公司 DeepSeek 开发的大型语言模型 (LLM),于 2025 年 1 月发布,迅速成为全球人工智能领域的一匹黑马。DeepSeek 不仅在性能上可与 OpenAI、Google 等巨头的模型相媲美,而且其训练成本和运行效率都显著优于竞争对手,引发了业界和市场的广泛关注。本报告将对 DeepSeek 进行全面分析,涵盖其公司概况、产品服务、技术优势、竞争格局、商业模式、财务状况以及未来发展前景等方面。
@小森
2025/02/23
5980
DeepSeek 全面分析报告
BERT与Transformer模型
自然语言处理(NLP)作为人工智能(AI)的一个重要分支,致力于让计算机理解、生成和处理人类语言。近年来,随着深度学习技术的飞速发展,特别是Transformer架构的提出,NLP领域取得了显著进展。特别是BERT(Bidirectional Encoder Representations from Transformers)模型的出现,它彻底改变了NLP任务的处理方式,并在多个标准数据集上达到了前所未有的性能。
LucianaiB
2025/02/10
3420
DeepSeek:知识图谱与大模型参数化知识融合的创新架构
在目前大模型与知识图谱作为两个重要的研究方向,各自展现出了强大的能力与潜力。大模型,凭借其在海量数据上的深度训练,拥有强大的语言理解与生成能力,能够处理多种自然语言处理任务,如文本生成、问答系统、机器翻译等 ,像 GPT 系列模型,一经推出便在全球范围内引起了广泛关注,展示了大模型在语言处理方面的卓越能力。知识图谱则以结构化的方式组织知识,清晰地展现了实体之间的关系,为智能应用提供了丰富的背景知识,在智能搜索、推荐系统等领域发挥着关键作用,例如百度的知识图谱,为用户提供了更加智能、准确的搜索结果。
李游Leo
2025/02/07
1.9K0
DeepSeek:知识图谱与大模型参数化知识融合的创新架构
大语言模型简史:从Transformer(2017)到DeepSeek-R1(2025)的进化之路
2025年初,中国推出了具有开创性且高性价比的「大型语言模型」(Large Language Model — LLM)DeepSeek-R1,引发了AI的巨大变革。本文回顾了LLM的发展历程,起点是2017年革命性的Transformer架构,该架构通过「自注意力机制」(Self-Attention)彻底重塑了自然语言处理。到2018年,BERT和GPT等模型崭露头角,显著提升了上下文理解和文本生成能力。2020年,拥有1750亿参数的GPT-3展示了卓越的「少样本」和「零样本」学习能力。然而,「幻觉」问题 — —即生成内容与事实不符,甚至出现「一本正经地胡说八道」的现象 — — 成为了一个关键挑战。2022年,OpenAI通过开发「对话式」的ChatGPT应对这一问题,采用了「监督微调」(SFT)和「基于人类反馈的强化学习」(RLHF)。到2023年,像GPT-4这样的「多模态模型」整合了文本、图像和音频处理能力,使LLM能够以更接近人类的「听」、「说」、「看」能力。近期推出的OpenAI-o1和DeepSeek-R1「推理模型」(Reasoning Model)在复杂问题解决方面取得突破,赋予LLM更接近人类「系统2思维」的深度推理能力,标志着人工智能在模拟人类思维模式上迈出了重要一步。此外,DeepSeek-R1模型以其「超成本效益」和「开源」设计挑战了AI领域的传统规范,推动了先进LLL的普及,并促进了各行业的创新。
致Great
2025/02/17
1.1K0
大语言模型简史:从Transformer(2017)到DeepSeek-R1(2025)的进化之路
【机器学习】AI大模型的探索—分析ChatGPT及其工作原理
1.1 GPT(Generative Pre-trained Transformer)模型简介
哈__
2024/06/01
3170
[AI学习笔记]神经网络架构演进:从MLP到DeepSeek的混合专家系统(详细教程)
在人工智能的发展历程中,神经网络架构不断演进,从早期的多层感知器(MLP)逐步发展到如今复杂且强大的混合专家系统,如DeepSeek。每一次架构的变革都为AI的能力带来了质的飞跃,深刻影响着各领域的应用。
不吃香菜AI
2025/03/15
3380
[AI学习笔记]神经网络架构演进:从MLP到DeepSeek的混合专家系统(详细教程)
ChatGPT与DeepSeek:AI语言模型的巅峰对决
在当今人工智能飞速发展的时代,ChatGPT 和 DeepSeek 作为两款备受瞩目的 AI 语言模型,各自展现出了独特的魅力与实力。ChatGPT 凭借 OpenAI 的强大技术支撑和广泛的应用场景,自问世以来便成为了 AI 领域的焦点,引领着语言模型发展的潮流。而 DeepSeek 作为新兴的国产 AI 语言模型,以其创新的技术路线和对本土市场的深刻理解,迅速在全球范围内崭露头角,吸引了大量用户和开发者的关注。
用户11396661
2025/03/02
9340
DeepSeek模型:原理、回答机制与模型因子
随着大语言模型(LLM)的快速发展,DeepSeek作为一款领先的开源大模型,以其卓越的性能和广泛的应用场景吸引了众多开发者和研究者的关注。本文将深入探讨DeepSeek的工作原理、回答生成机制以及其关键模型因子,并通过表格和流程图的形式进行对比分析。
七条猫
2025/03/20
7540
DeepSeek模型轻量化:模型压缩与知识蒸馏技术解析
近年来,深度学习模型在自然语言处理、计算机视觉等领域取得了突破性进展,模型参数量从百万级迅速增长至千亿甚至万亿级别。以GPT-4、PaLM-2为代表的大规模预训练模型虽然在任务性能上表现卓越,但其庞大的计算需求和存储开销严重制约了实际应用。例如,部署一个千亿参数的模型需要数百GB的显存和极高的算力支持,这在移动设备或实时系统中几乎无法实现。此外,高能耗与长推理延迟也阻碍了AI技术在工业场景的普及。 DeepSeek作为领先的人工智能研究机构,致力于通过模型压缩与知识蒸馏技术解决上述问题。其目标是在尽可能保留模型性能的前提下,显著降低计算成本和内存占用,使大模型能够高效运行于资源受限的环境。模型压缩通过量化、剪枝、低秩分解等技术减少模型冗余,而知识蒸馏则通过迁移大模型的知识提升小模型的性能。两者的结合为模型轻量化提供了系统化解决方案,并在边缘计算、实时服务等领域展现了巨大潜力。 模型压缩技术原理
用户7353950
2025/02/05
2.1K0
DeepSeek模型轻量化:模型压缩与知识蒸馏技术解析
《DeepSeek情感分析技术:突破与创新,精准判断情感倾向》
在当今数字化时代,社交媒体、在线评论、客户反馈等文本数据呈爆炸式增长。如何快速、准确地从这些海量文本中洞察人们的情感倾向,成为了企业、研究者乃至整个社会关注的焦点。DeepSeek作为人工智能领域的佼佼者,在情感分析技术上取得了一系列令人瞩目的创新成果,为精准判断情感倾向提供了新的解决方案。
程序员阿伟
2025/02/17
4822
《DeepSeek情感分析技术:突破与创新,精准判断情感倾向》
深度揭秘:DeepSeek模型技术精髓与应用边界探索
DeepSeek 作为一种前沿的大语言模型(LLM),以其独特的技术架构和创新点,在自然语言处理(NLP)任务中表现出色。本文旨在详细介绍 DeepSeek 的基础架构、训练方法,以及其在 NLP 任务中的应用表现,并提供可运行的示例 Demo 代码模块,以帮助开发者更好地理解和应用该模型。
网罗开发
2025/02/08
1.9K0
深度揭秘:DeepSeek模型技术精髓与应用边界探索
DeepSeek与GPT技术架构深度解析
在人工智能技术飞速发展的今天,大规模预训练语言模型(LLM)已成为推动行业进步的核心引擎。OpenAI的GPT系列与中国的DeepSeek(深度求索)分别代表了两种截然不同的技术路径:前者以密集Transformer架构和闭源生态构建通用智能的标杆,后者则通过混合专家(MoE)架构与开源战略开辟高性价比的垂直赛道。本文将从架构设计、训练优化、性能表现、应用适配等多个维度,系统剖析两者的技术差异与创新逻辑。
用户7353950
2025/02/05
1.4K0
DeepSeek与GPT技术架构深度解析
《一文读懂AI大模型:开启智能新时代的密码》
在科技飞速发展的当下,AI大模型已成为众人瞩目的焦点,从智能语音助手到内容创作辅助,从精准医疗诊断到智能工业生产,其身影无处不在,深刻改变着我们的生活与工作方式。它为何拥有如此强大的影响力?让我们深入探索。
程序员阿伟
2025/01/27
2610
一文看懂AI的 Transformer 架构!
转换器,一种将输入序列转换或更改为输出序列的神经网络架构。它们通过学习上下文和跟踪序列组件之间的关系来做到这一点。例如,请考虑以下输入序列:“天空是什么颜色的?” 转换器模型会使用内部数学表示法来识别颜色、天空和蓝色这三个词之间的相关性和关系。利用这些知识,它会生成输出:“天空是蓝色的。”
JavaEdge
2024/07/22
2.1K0
一文看懂AI的 Transformer 架构!
深度解析 DeepSeek 的核心机制
在人工智能技术飞速发展的当下,各类先进的模型和应用不断涌现。DeepSeek 作为其中备受瞩目的一员,凭借其独特的核心机制在自然语言处理、图像识别等多个领域展现出卓越的性能。深入探究 DeepSeek 的核心机制,不仅有助于我们理解其强大能力的来源,也为进一步推动 AI 技术的发展提供思路。
用户9931542
2025/03/09
4330
Deepseek底层技术解析:构建下一代对话式AI的核心架构
Deepseek作为新一代对话式人工智能系统,其技术体系融合了大规模语言模型训练、多模态融合推理和自适应交互机制三大核心模块。与ChatGPT等现有系统相比,Deepseek在模型架构设计、训练效率优化和推理实时性等维度实现突破性创新。本文将从技术架构、训练范式、推理加速等维度深入剖析其底层技术实现。
七条猫
2025/02/25
1.9K1
Deepseek底层技术解析:构建下一代对话式AI的核心架构
Excel 太强大了,干啥都行:用Excel 学习 ChatGPT 工作原理
苹果据称正在与Google进行讨论,准备将Google的Gemini模型接入到iPhone
Ai学习的老章
2024/03/26
3610
Excel 太强大了,干啥都行:用Excel 学习 ChatGPT 工作原理
深度解析 DeepSeek 的核心机制
DeepSeek 作为人工智能领域的一颗新星,凭借其独特的技术架构和强大的功能,迅速在学术界和工业界崭露头角。本文将从 DeepSeek 的技术架构、核心机制、应用场景以及未来发展方向等多个维度进行深度解析,旨在为读者提供一个全面而深入的理解。
lyushine
2025/03/25
6230
DeepSeek开源周首日放大招,我和它进行了一次“深度思考”的采访
FlashMLA是 DeepSeek 开源的一个高性能 MLA(Multi-Layer Attention)解码内核,专为英伟达 Hopper 架构 GPU(如 H100)优化设计,旨在加速大语言模型(LLM)推理过程中的注意力计算。它是针对 Transformer 模型中的 Multi-Head Attention(MHA) 或 Multi-Layer Attention(MLA) 机制的底层实现优化,特别适用于生成任务(如文本生成、对话系统)中的自回归解码阶段。
算力之光
2025/02/24
2280
DeepSeek开源周首日放大招,我和它进行了一次“深度思考”的采访
推荐阅读
相关推荐
解锁DeepSeek多模态:从原理到实战全解析(3/18)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验