大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于GPT概念龍頭的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

ChatGPT國內(nèi)免費(fèi)在線使用，能給你生成想要的原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

你只需要給出你的關(guān)鍵詞，它就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端，官網(wǎng)：https://ai.de1919.com

本文目錄:

• 1、efi，uefi和bios的區(qū)別，gpt分區(qū)和mbr分區(qū)的區(qū)別

• 2、BERT詳解（附帶ELMo、GPT 介紹）

• 3、mbr和guid分區(qū)哪個(gè)比較好？

• 4、關(guān)于UEFI啟動+GPT分區(qū) 的一些經(jīng)驗(yàn)

一、efi，uefi和bios的區(qū)別，gpt分區(qū)和mbr分區(qū)的區(qū)別

BIOS+MBR和UEFI+GPT兩種模式的區(qū)別：

一般情況下，在安裝官方原版系統(tǒng)時(shí)，你使用BIOS傳統(tǒng)啟動方式，你在安裝界面重新分區(qū)就是MBR分區(qū)表；如果你使用的是UEFI啟動方式，你在安裝界面重新分區(qū)就是GPT分區(qū)表。

BIOS+MBR這種啟動模式兼容性較好。可以進(jìn)行安裝 32位和64位系統(tǒng)。

UEFI可以以32位或64位模式運(yùn)行，并具有比BIOS更多的可尋址地址空間，這意味著您的引導(dǎo)過程更快。

另外，UEFI包含其他功能，它支持安全啟動，這意味著可以檢查操作系統(tǒng)的有效性，以確保沒有惡意軟件篡改引導(dǎo)進(jìn)程。

總之，BIOS和UEFI兩種模式啟動計(jì)算機(jī)過程可以概括為：

BIOS先要對CPU初始化，然后跳轉(zhuǎn)到BIOS啟動處進(jìn)行POST自檢，此過程如有嚴(yán)重錯(cuò)誤，則電腦會用不同的報(bào)警聲音提醒，接下來采用讀中斷的方式加載各種硬件，完成硬件初始化后進(jìn)入操作系統(tǒng)啟動過程；

而UEFI則是運(yùn)行預(yù)加載環(huán)境先直接初始化CPU和內(nèi)存，CPU和內(nèi)存若有問題則直接黑屏，其后啟動PXE采用枚舉方式搜索各種硬件并加載驅(qū)動，完成硬件初始化，之后同樣進(jìn)入操作系統(tǒng)啟動過程。

MBR和GPT：

MBR是傳統(tǒng)的分區(qū)表類型，最大缺點(diǎn)是不支持容量大于2T的硬盤。GPT則彌補(bǔ)了MBR這個(gè)缺點(diǎn)，最大支持18EB的硬盤，是基于UEFI使用的磁盤分區(qū)架構(gòu)。此外，BIOS只支持MBR引導(dǎo)系統(tǒng)，而GPT僅支持UEFI引導(dǎo)系統(tǒng)。由于GPT引導(dǎo)系統(tǒng)的方式與MBR不同，所以我們在安裝系統(tǒng)時(shí)，才面臨需要手動開啟UEFI，或是將其設(shè)置成Legacy模式等方式加以解決。

目前的電腦一般為UEFI啟動，內(nèi)存大于4G，安裝32位系統(tǒng)意義不大；對于老主板還是建議使用BIOS+MBR，這種模式較為穩(wěn)定。

二、BERT詳解（附帶ELMo、GPT 介紹）

首先我會詳細(xì)闡述 BERT 原理，然后簡單介紹一下 ELMO 以及 GPT

BERT 全稱為 B idirectional E ncoder R epresentation from T ransformer，是 Google 以 無監(jiān)督的方式利用大量無標(biāo)注文本 「煉成」的語言模型，其架構(gòu)為 Transformer 中的 Encoder（BERT=Encoder of Transformer）

我在 Transformer 詳解 中已經(jīng)詳細(xì)的解釋了所有 Transformer 的相關(guān)概念，這里就不再贅述

以往為了解決不同的 NLP 任務(wù)，我們會為該任務(wù)設(shè)計(jì)一個(gè)最合適的神經(jīng)網(wǎng)絡(luò)架構(gòu)并做訓(xùn)練，以下是一些簡單的例子

不同的 NLP 任務(wù)通常需要不同的模型，而設(shè)計(jì)這些模型并測試其 performance 是非常耗成本的（人力，時(shí)間，計(jì)算資源）。如果有一個(gè)能 直接處理各式 NLP 任務(wù)的通用架構(gòu) 該有多好？

隨著時(shí)代演進(jìn)，不少人很自然地有了這樣子的想法，而 BERT 就是其中一個(gè)將此概念付諸實(shí)踐的例子

Google 在預(yù)訓(xùn)練 BERT 時(shí)讓它同時(shí)進(jìn)行兩個(gè)任務(wù)：

1. 漏字填空

2. 下個(gè)句子預(yù)測

對正常人來說，要完成這兩個(gè)任務(wù)非常簡單。只要稍微看一下前后文就知道完形填空任務(wù)中 [MASK] 里應(yīng)該填 退了 ；而 醒醒吧 后面接 你沒有妹妹 也十分合理(?)

接下來我會分別詳細(xì)介紹論文中這兩個(gè)任務(wù)的設(shè)計(jì)細(xì)節(jié)

在 BERT 中，Masked LM（Masked Language Model）構(gòu)建了語言模型，簡單來說，就是 隨機(jī)遮蓋或替換 一句話里面的任意字或詞，然后讓模型通過上下文預(yù)測那一個(gè)被遮蓋或替換的部分，之后 做 Loss 的時(shí)候也只計(jì)算被遮蓋部分的 Loss ，這其實(shí)是一個(gè)很容易理解的任務(wù)，實(shí)際操作如下：

這樣做的好處是，BERT 并不知道 [MASK] 替換的是哪一個(gè)詞，而且 任何一個(gè)詞都有可能是被替換掉的，比如它看到的 apple 可能是被替換的詞 。這樣強(qiáng)迫模型在編碼當(dāng)前時(shí)刻詞的時(shí)候 不能太依賴當(dāng)前的詞 ，而要考慮它的上下文，甚至根據(jù)上下文進(jìn)行 "糾錯(cuò)"。比如上面的例子中，模型在編碼 apple 時(shí)，根據(jù)上下文 my dog is，應(yīng)該 把 apple 編碼成 hairy 的語義而不是 apple 的語義

我們首先拿到屬于上下文的一對句子，也就是兩個(gè)句子，之后我們要在這兩個(gè)句子中加一些特殊的 token： [CLS]上一句話[SEP]下一句話[SEP] 。也就是在句子開頭加一個(gè) [CLS] ，在兩句話之間和句末加 [SEP] ，具體地如下圖所示

可以看到，上圖中的兩句話明顯是連續(xù)的。如果現(xiàn)在有這么一句話 [CLS] 我的狗很可愛 [SEP] 企鵝不擅長飛行 [SEP] ，可見這兩句話就 不是連續(xù)的 。在實(shí)際訓(xùn)練中，我們會讓這兩種情況出現(xiàn)的數(shù)量為** 1:1**

Token Embedding 就是正常的詞向量，即 PyTorch 中的 nn.Embedding()

Segment Embedding 的作用是用 embedding 的信息讓模型 分開上下句 ，我們給上句的 token 全 0，下句的 token 全 1，讓模型得以判斷上下句的起止位置，例如

Position Embedding 和 Transformer 中的不一樣，不是三角函數(shù)，而是 學(xué)習(xí)出來的

BERT 預(yù)訓(xùn)練階段實(shí)際上是將上述兩個(gè)任務(wù)結(jié)合起來，同時(shí)進(jìn)行，然后將所有的 Loss 相加，例如

BERT 的 Fine-Tuning 共分為 4 種類型，以下內(nèi)容、圖片均來自臺大李宏毅老師 Machine Learning 課程 （以下內(nèi)容 圖在上，解釋在下）

為什么要用CLS？

這里李宏毅老師有一點(diǎn)沒講到，就是為什么要用第一個(gè)位置，即 [CLS] 位置的 output。這里我看了網(wǎng)上的一些博客，結(jié)合自己的理解解釋一下。因?yàn)?BERT 內(nèi)部是 Transformer，而 Transformer 內(nèi)部又是 Self-Attention， 所以 [CLS] 的 output 里面肯定含有整句話的完整信息 ，這是毋庸置疑的。但是 Self-Attention 向量中，自己和自己的值其實(shí)是占大頭的，現(xiàn)在假設(shè)使用 的 output 做分類，那么這個(gè) output 中實(shí)際上會更加看重 ，而 又是一個(gè)有實(shí)際意義的字或詞，這樣難免會影響到最終的結(jié)果。但是 [CLS] 是沒有任何實(shí)際意義的，只是一個(gè)占位符而已，所以就算 [CLS] 的 output 中自己的值占大頭也無所謂。當(dāng)然你 也可以將所有詞的 output 進(jìn)行 concat，作為最終的 output

首先將問題和文章通過 [SEP] 分隔，送入 BERT 之后，得到上圖中黃色的輸出。此時(shí)我們還要訓(xùn)練兩個(gè) vector，即上圖中橙色和黃色的向量。首先將橙色和所有的黃色向量進(jìn)行 dot product，然后通過 softmax，看哪一個(gè)輸出的值最大，例如上圖中 對應(yīng)的輸出概率最大，那我們就認(rèn)為 s=2

同樣地，我們用藍(lán)色的向量和所有黃色向量進(jìn)行 dot product，最終預(yù)測得 的概率最大，因此 e=3。最終，答案就是 s=2,e=3

你可能會覺得這里面有個(gè)問題，假設(shè)最終的輸出 s>e 怎么辦，那不就矛盾了嗎？其實(shí)在某些訓(xùn)練集里，有的問題就是沒有答案的，因此此時(shí)的預(yù)測搞不好是對的，就是沒有答案

以上就是 BERT 的詳細(xì)介紹，參考以下文章

ELMo是Embedding from language Model的縮寫，它通過無監(jiān)督的方式對語言模型進(jìn)行預(yù)訓(xùn)練來學(xué)習(xí)單詞表示

這篇論文的想法其實(shí)非常簡單，但是效果卻很好。它的思路是用 深度的雙向 Language Model 在大量未標(biāo)注數(shù)據(jù)上訓(xùn)練語言模型 ，如下圖所示

在實(shí)際任務(wù)中，對于輸入的句子，我們使用上面的語言模型來處理它，得到輸出向量，因此這可以看作是一種 特征提取 。但是 ELMo 與普通的 Word2Vec 或 GloVe 不同，ELMo 得到的 Embedding 是 有上下文信息 的

具體來說，給定一個(gè)長度為 N 的句子，假設(shè)為 ，語言模型會計(jì)算給定 的條件下出現(xiàn) 的概率：

傳統(tǒng)的 N-gram 模型 不能考慮很長的歷史 ，因此現(xiàn)在的主流是使用 多層雙向 LSTM 。在時(shí)刻 ，LSTM 的第 層會輸出一個(gè)隱狀態(tài) ，其中 ， 是 LSTM 的層數(shù)。最上層是 ，對它進(jìn)行 softmax 之后得到輸出詞的概率

類似的，我們可以用 一個(gè)反向 來計(jì)算概率：

通過這個(gè) LSTM，我們可以得到 。我們的損失函數(shù)是這兩個(gè) LSTM 的 加和 :

這兩個(gè) LSTM 有各自的參數(shù) 和 ，而 Word Embedding 參數(shù) 和 Softmax 參數(shù) 是共享的

為了用于下游（DownStream）的特定任務(wù)，我們會把不同層的隱狀態(tài)組合起來，具體組合的參數(shù)是根據(jù)不同的特定任務(wù)學(xué)習(xí)出來的，公式如下：

GPT 得到的語言模型參數(shù)不是固定的，它會根據(jù)特定的任務(wù)進(jìn)行調(diào)整（通常是微調(diào)），這樣的到的句子表示能更好的適配特定任務(wù)。它的思想也很簡單，使用 單向 Transformer 學(xué)習(xí)一個(gè)語言模型 ，對句子進(jìn)行無監(jiān)督的 Embedding，然后 根據(jù)具體任務(wù)對 Transformer 的參數(shù)進(jìn)行微調(diào) 。GPT 與 ELMo 有兩個(gè)主要的區(qū)別：

這里解釋一下上面提到的 單向 Transformer 。在 Transformer 的文章中，提到了 Encoder 與 Decoder 使用的 Transformer Block 是不同的。在 Decoder Block 中，使用了 Masked Self-Attention ，即句子中的每個(gè)詞都只能對 包括自己在內(nèi)的前面所有詞進(jìn)行 Attention ，這就是單向 Transformer。GPT 使用的 Transformer 結(jié)構(gòu)就是將 Encoder 中的 Self-Attention 替換成了 Masked Self-Attention ，具體結(jié)構(gòu)如下圖所示

訓(xùn)練的過程也非常簡單，就是將 n 個(gè)詞的詞嵌入 ( ) 加上位置嵌入 ( )，然后輸入到 Transformer 中，n 個(gè)輸出分別預(yù)測該位置的下一個(gè)詞

這里的位置編碼沒有使用傳統(tǒng) Transformer 固定編碼的方式，而是動態(tài)學(xué)習(xí)的

Pretraining 之后，我們還需要針對特定任務(wù)進(jìn)行 Fine-Tuning。假設(shè)監(jiān)督數(shù)據(jù)集合 的輸入 是一個(gè)詞序列 ，輸出是一個(gè)分類的標(biāo)簽 ，比如情感分類任務(wù)

我們把 輸入 Transformer 模型，得到最上層最后一個(gè)時(shí)刻的輸出 ，將其通過我們新增的一個(gè) Softmax 層（參數(shù)為 ）進(jìn)行分類，最后用 CrossEntropyLoss 計(jì)算損失，從而根據(jù)標(biāo)準(zhǔn)數(shù)據(jù)調(diào)整 Transformer 的參數(shù)以及 Softmax 的參數(shù) 。這等價(jià)于最大似然估計(jì)：

正常來說，我們應(yīng)該調(diào)整參數(shù)使得 最大，但是 為了提高訓(xùn)練速度和模型的泛化能力 ，我們使用 Multi-Task Learning，同時(shí)讓它最大似然 和

這里使用的 還是之前語言模型的損失（似然），但是使用的數(shù)據(jù)不是前面無監(jiān)督的數(shù)據(jù) ，而是使用當(dāng)前任務(wù)的數(shù)據(jù) ，而且只使用其中的 ，而不需要標(biāo)簽

針對不同任務(wù)，需要簡單修改下輸入數(shù)據(jù)的格式，例如對于相似度計(jì)算或問答，輸入是兩個(gè)序列，為了能夠使用 GPT，我們需要一些特殊的技巧把兩個(gè)輸入序列變成一個(gè)輸入序列

ELMo 和 GPT 最大的問題就是 傳統(tǒng)的語言模型是單向的 —— 我們根據(jù)之前的歷史來預(yù)測當(dāng)前詞。但是我們不能利用后面的信息。比如句子 The animal didn’t cross the street because it was too tired 。我們在編碼 it 的語義的時(shí)候需要同時(shí)利用前后的信息，因?yàn)樵谶@個(gè)句子中， it 可能指代 animal 也可能指代 street 。根據(jù) tired ，我們推斷它指代的是 animal 。但是如果把 tired 改成 wide ，那么 it 就是指代 street 了。傳統(tǒng)的語言模型，都 只能利用單方向的信息 。比如前向的 RNN，在編碼 it 的時(shí)候它看到了 animal 和 street ，但是它還沒有看到 tired ，因此它不能確定 it 到底指代什么。如果是后向的 RNN，在編碼的時(shí)候它看到了 tired ，但是它還根本沒看到 animal ，因此它也不能知道指代的是 animal 。 Transformer 的 Self-Attention 理論上是可以同時(shí)關(guān)注到這兩個(gè)詞的，但是根據(jù)前面的介紹，為了使用 Transformer 學(xué)習(xí)語言模型，必須 用 Mask 來讓它看不到未來的信息 ，所以它也不能解決這個(gè)問題的

根據(jù)上文內(nèi)容預(yù)測下一個(gè)可能跟隨的單詞，就是常說的自左向右的語言模型任務(wù)，或者反過來也行，就是根據(jù)下文預(yù)測前面的單詞，這種類型的LM被稱為自回歸語言模型。（GPT,ELMO）GPT 就是典型的自回歸語言模型。ELMO盡管看上去利用了上文，也利用了下文，但是本質(zhì)上仍然是自回歸LM，這個(gè)跟模型具體怎么實(shí)現(xiàn)有關(guān)系。ELMO是做了兩個(gè)方向（從左到右以及從右到左兩個(gè)方向的語言模型），但是是分別有兩個(gè)方向的自回歸LM，然后把LSTM的兩個(gè)方向的隱節(jié)點(diǎn)狀態(tài)拼接到一起，來體現(xiàn)雙向語言模型這個(gè)事情的。所以其實(shí)是兩個(gè)自回歸語言模型的拼接，本質(zhì)上仍然是自回歸語言模型。

自回歸語言模型有優(yōu)點(diǎn)有缺點(diǎn)，缺點(diǎn)是只能利用上文或者下文的信息，不能同時(shí)利用上文和下文的信息，當(dāng)然，貌似ELMO這種雙向都做，然后拼接看上去能夠解決這個(gè)問題，因?yàn)槿诤夏Ｊ竭^于簡單，所以效果其實(shí)并不是太好。它的優(yōu)點(diǎn)，其實(shí)跟下游NLP任務(wù)有關(guān)，比如生成類NLP任務(wù)，比如文本摘要，機(jī)器翻譯等，在實(shí)際生成內(nèi)容的時(shí)候，就是從左向右的， 自回歸語言模型天然匹配這個(gè)過程 。而Bert這種DAE模式，在生成類NLP任務(wù)中，就面臨訓(xùn)練過程和應(yīng)用過程不一致的問題，導(dǎo)致 生成類的NLP任務(wù)到目前為止都做不太好 。

自回歸語言模型只能根據(jù)上文預(yù)測下一個(gè)單詞，或者反過來，只能根據(jù)下文預(yù)測前面一個(gè)單詞。相比而言，Bert通過 在輸入X中隨機(jī)Mask掉一部分單詞 ，然后預(yù)訓(xùn)練過程的主要任務(wù)之一是根據(jù)上下文單詞來預(yù)測這些被Mask掉的單詞，如果你對Denoising Autoencoder比較熟悉的話，會看出，這確實(shí)是典型的DAE的思路。那些被Mask掉的單詞就是在輸入側(cè)加入的所謂噪音。類似Bert這種預(yù)訓(xùn)練模式，被稱為DAE LM。

這種DAE LM的優(yōu)缺點(diǎn)正好和自回歸LM反過來，它能比較自然地融入雙向語言模型，同時(shí)看到被預(yù)測單詞的上文和下文，這是好處。缺點(diǎn)是啥呢？ 主要在輸入側(cè)引入[Mask]標(biāo)記，導(dǎo)致預(yù)訓(xùn)練階段和Fine-tuning階段不一致的問題 ，因?yàn)镕ine-tuning階段是看不到[Mask]標(biāo)記的。DAE嗎，就要引入噪音，[Mask] 標(biāo)記就是引入噪音的手段，這個(gè)正常。

XLNet的出發(fā)點(diǎn)就是：能否 融合自回歸LM和DAE LM兩者的優(yōu)點(diǎn) 。就是說如果站在自回歸LM的角度，如何引入和雙向語言模型等價(jià)的效果；如果站在DAE LM的角度看，它本身是融入雙向語言模型的，如何拋掉表面的那個(gè)[Mask]標(biāo)記，讓預(yù)訓(xùn)練和Fine-tuning保持一致。當(dāng)然，XLNet還講到了一個(gè)Bert被Mask單詞之間相互獨(dú)立的問題。

三、mbr和guid分區(qū)哪個(gè)比較好？

GUID分區(qū)。

1、分區(qū)信息信息儲存：在MBR硬盤中，分區(qū)信息直接存儲于

擴(kuò)展資料：

guid分區(qū)注意事項(xiàng)：

MBR支持win7版本系統(tǒng)以下的32位和64位。GUID(GPT)支持win7版本以上的64位系統(tǒng)（不支持32位系統(tǒng)），比如win8，win10系統(tǒng)。

MBR分區(qū)表：Master Boot Record，即硬盤主引導(dǎo)記錄分區(qū)表，只支持容量在 2.2TB 以下的硬盤，超過2.2TB的硬盤卻只能管理2.2TB，最多只支持4個(gè)主分區(qū)或三個(gè)主分區(qū)和一個(gè)擴(kuò)展分區(qū)，擴(kuò)展分區(qū)下可以有多個(gè)邏輯分區(qū)，適用Win7版本以下的系統(tǒng)（包含Win7)。

參考資料來源：百度百科-GUID

參考資料來源：百度百科-mbr

參考資料來源：百度百科-分區(qū)表

四、關(guān)于UEFI啟動+GPT分區(qū) 的一些經(jīng)驗(yàn)

隨著時(shí)代和科技的發(fā)展，電腦越來越普及，似乎人人都可以張嘴就說“我懂電腦”，但是總有一些看起來完全不懂但實(shí)際上非?；A(chǔ)的東西讓“懂”與“不懂”清晰地劃清界限。比如UEFI+GPT就是其中之一。那些之前認(rèn)為自己已經(jīng)精通電腦的人，遇到這個(gè)東西，忽然發(fā)現(xiàn)自己連以前自以為駕輕就熟的分區(qū)、裝 系統(tǒng) 都不會了。 

盡管UEFI以及GPT從誕生迄今已經(jīng) 十余年 了，但是對于絕大多數(shù)人來講它們是完全陌生的，甚至根本就不知道還有這種東西。 

但是由于 Windows 8操作系統(tǒng)的面世，預(yù)裝Windows8的電腦開始統(tǒng)一采用UEFI+GPT，很多人被迫接觸到，感覺就像突然從天上掉下來的東西一樣，無所適從，一籌莫展——“這到底是個(gè)什么東西呢？” 

一旦出現(xiàn)系統(tǒng)問題，唯一能做的解決辦法除了品牌機(jī)自帶的系統(tǒng)還原，最大能力不過就是把UEFI關(guān)閉，把硬盤從GPT再轉(zhuǎn)成MBR，從而徹底毀掉UEFI+GPT的優(yōu)勢，重新回到陳舊落后的BIOS+MBR的系統(tǒng)安裝和運(yùn)行方式上來。而每臺電腦的具體情況又不盡相同，有時(shí)候即使想用BIOS+MBR也不是肯定能成功的——“我該怎么辦??？” 

正文：  

之前很長一段時(shí)間對UEFI+GPT沒有頭緒，有種無處下手的感覺，雖然UEFI+GPT安裝系統(tǒng)一直沒遇到什么障礙，但是即使查閱了相當(dāng)數(shù)量的資料，在認(rèn)識上對于UEFI+GPT也沒有一個(gè)完整的概念，總覺得這是一個(gè)很難理解的東西，不得要領(lǐng)。不像最初接觸BIOS+MBR的時(shí)候那么容易入門直至熟練操作。 

先說關(guān)于什么是UEFI和GPT，在此就不做詳解了，感興趣的都了解，不感興趣的說了也沒什么用處。只說一點(diǎn)最基本的，MBR分區(qū)結(jié)構(gòu)只能支持到2.2T的硬盤，超過2.2T就必須采用GPT分區(qū)，而就Windows而言，采用了GPT的硬盤，要想安裝并啟動Windows操作系統(tǒng)，只能選擇高于XP的64位操作系統(tǒng)，并且采用UEFI方式安裝、引導(dǎo)，否則無法啟動，而包括XP在內(nèi)及其之前的32位操作系統(tǒng)完全不支持GPT，別說安裝、引導(dǎo)系統(tǒng)，直接無法識別。3T硬盤時(shí)代并不遙遠(yuǎn)，要想正常使用你的電腦，這就是采用UEFI+GPT的必要性。 

而最關(guān)鍵之處在于， 照目前的形勢來看，由于預(yù)裝Windows8電腦的推動，UEFI+GPT已經(jīng)是大勢所趨，與是否2.2T以上硬盤也已經(jīng)沒什么直接關(guān)系，也許就在不久之后的某一天開始所有的電腦全部使用UEFI單一啟動，不會再兼容傳統(tǒng)BIOS。  

再說一下關(guān)于BIOS+MBR，從接觸電腦十幾年來，一直都是用的這種組合，直至今日，不敢說對此有多么了解，最起碼在日常操作中基本無障礙了。比如：Windows各個(gè)版本甚至再+ Linux +Mac的混合安裝、引導(dǎo)駕輕就熟，任意順序安裝，任意創(chuàng)建、修復(fù)引導(dǎo)，多硬盤混合引導(dǎo)，分區(qū)表損壞、主引導(dǎo)記錄損壞的修復(fù)、重建等等，都不存在任何問題。 

而從一接觸UEFI+GPT，總是感覺這個(gè)東西無法理解。甚至一籌莫展，哪怕是引導(dǎo)損壞這樣之前在BIOS+MBR里不叫事的事情，面對UEFI+GPT都束手無策，查了很多資料，除了重裝系統(tǒng)， 在國內(nèi)網(wǎng)絡(luò)范圍內(nèi)，全網(wǎng)竟然找不到任何一篇具體解決問題的文章。 現(xiàn)在回想，很長一段時(shí)間內(nèi)都無法理解這些問題，很多莫名其妙的所謂專業(yè)文章的誤導(dǎo)在其中作了重要貢獻(xiàn)。 

后來索性拋開所有的那些亂七八糟的觀點(diǎn)、定義，按照自己的想法去摸索，經(jīng)過近十天，幾十遍重裝系統(tǒng)，反復(fù)的假設(shè)、實(shí)驗(yàn)，總算是對UEFI+GPT有了一個(gè)總體的概念和較為清晰的認(rèn)識， 最關(guān)鍵的在于能夠隨意進(jìn)行UEFI+GPT的安裝和引導(dǎo)修復(fù)了，這是最重要的，個(gè)人觀點(diǎn)一直都是，必須從實(shí)際出發(fā)，即使了解的再多，什么問題也解決不了，紙上談兵，一切等于零。 可以毫不夸張的說， 至少目前為止，本文是全網(wǎng)絡(luò)唯一一篇對UEFI+GPT進(jìn)行實(shí)用性介紹和以及解決實(shí)際問題的文章。  

關(guān)于UEFI的優(yōu)越特性，比如 可操作性、安全性、兼容性、可擴(kuò)展性之 類的問題，在此不再多說，這是開發(fā)人員的事情，和我沒有關(guān)系。僅僅總結(jié)幾點(diǎn)兩者在系統(tǒng)安裝及引導(dǎo)方式方面一些異同，幫助同樣有此困惑的人理解這個(gè)東西： 

【重要提示：  

本文旨在“授之以漁”，力求融會貫通，知其然更知其所以然。因此本文既不包含網(wǎng)絡(luò)上“技術(shù)文章八股文”式的定義、理論的堆砌和釋義，更不是“小白必備”的傻瓜式手把手操作教程，如果對以上兩種千篇一律的所謂“技術(shù)文章”有偏執(zhí)的愛好，請務(wù)必及時(shí)停止瀏覽，另尋其好?！? 

不同點(diǎn)：  

1.BIOS+MBR安裝系統(tǒng)要求硬盤只要存在非隱藏、活動的主分區(qū)就可以了；而UEFI+GPT要求硬盤上除了存在ESP分區(qū)，還必須存在至少一個(gè)主分區(qū) 

2.BIOS+MBR一旦系統(tǒng)安裝好之后，如果系統(tǒng)引導(dǎo)文件在單獨(dú)的分區(qū)，此分區(qū)可以在操作系統(tǒng)中可見，也可以設(shè)置此分區(qū)為隱藏，系統(tǒng)都可以正常啟動；而UEFI+GPT系統(tǒng)引導(dǎo)文件所在的ESP分區(qū)在操作系統(tǒng)中為不可見 

3.BIOS+MBR啟動要求的活動的主分區(qū)不是唯一固定的，可以任意設(shè)定某一分區(qū)為活動的主分區(qū)，然后MBR就可以通過分區(qū)表指引操作系統(tǒng)從此分區(qū)啟動，也就是說，可以在任意分區(qū)（主分區(qū)無論是否活動或者擴(kuò)展分區(qū)）安裝操作系統(tǒng)，只要存在任意的活動主分區(qū)，就可以從此分區(qū)啟動操作系統(tǒng)；而UEFI+GPT只能把系統(tǒng)引導(dǎo)文件放置在ESP分區(qū) 

4.BIOS+MBR的系統(tǒng)引導(dǎo)文件可以和系統(tǒng)文件在同一分區(qū)的根目錄，也可以不與系統(tǒng)文件同一分區(qū)，只要系統(tǒng)引導(dǎo)文件所在分區(qū)為活動的主分區(qū)即可啟動操作系統(tǒng)；而UEFI+GPT只能把系統(tǒng)引導(dǎo)文件放置在ESP分區(qū)，且操作系統(tǒng)必須在另外的主分區(qū)，也就是說， UEFI+GPT強(qiáng)制要求系統(tǒng)啟動文件與系統(tǒng)文件必須分離，不在同一分區(qū)。  

相同點(diǎn)： 

1.BIOS+MBR和UEFI+GPT的系統(tǒng)引導(dǎo)文件都可以放置在單獨(dú)的分區(qū)，這一點(diǎn)在上面的第4點(diǎn)里已經(jīng)說的很清楚 

2.BIOS+MBR的系統(tǒng)引導(dǎo)文件所在的活動主分區(qū)位置不是固定的，可以隨意設(shè)置任意分區(qū)滿足此條件，UEFI+GPT的ESP的位置也是可以隨意設(shè)置的，在硬盤起始位置、中間位置、末尾，都可以，只要分區(qū)屬性和其中的引導(dǎo)文件正確，就可以引導(dǎo)啟動操作系統(tǒng)（參考文中附圖） 

3.BIOS+MBR的系統(tǒng)引導(dǎo)文件所在的分區(qū)和UEFI+GPT的ESP分區(qū)都可以分配任意大小，而不是ESP必須100M 

4.BIOS+MBR安裝系統(tǒng)所需的非隱藏、活動主分區(qū)和UEFI+GPT的系統(tǒng)的ESP分區(qū)，都可以同時(shí)設(shè)置多個(gè)，但是即使有多個(gè)相同屬性的分區(qū)，系統(tǒng)安裝時(shí)安裝程序都是自動寫入第一個(gè)，啟動時(shí)也都是從第一個(gè)啟動（參考文中附圖） 

補(bǔ)充：  

1.使用BIOS+MBR和UEFI+GPT安裝的系統(tǒng)文件是一模一樣的，唯一的區(qū)別只是引導(dǎo)方式的不同，因此使用GHOST手動備份的系統(tǒng)，MBR和GPT可以任意交叉還原，只要做好引導(dǎo)修復(fù)就沒有任何問題 

2.GHOST始終是系統(tǒng)備份還原神器，只要熟練掌握GHOST手動操作，至少目前為止Windows系統(tǒng)的范圍之內(nèi)，無論什么版本，無論MBR還是GPT，都可以隨意備份還原。 

3.MBR與GPT分區(qū)互轉(zhuǎn)的話，與“刪除所有分區(qū)”以及“全盤格式化”沒有任何必然聯(lián)系，你格式化一萬遍硬盤也還是原來的分區(qū)結(jié)構(gòu)，只有通過轉(zhuǎn)換操作才可以到另一種，而這個(gè)轉(zhuǎn)換操作與“刪除所有分區(qū)”以及“全盤格式化”沒什么關(guān)系。 

著重強(qiáng)調(diào)一點(diǎn)：  

以上所有經(jīng)驗(yàn)均基于UEFI+GPT的組合，而實(shí)際上， UEFI啟動（Windows操作系統(tǒng)）的話，并不強(qiáng)制要求硬盤必須為GPT分區(qū)，而是只要硬盤上存在EFI啟動文件且位于FAT（16/32）分區(qū)就可以了（UEFI無法從NTFS分區(qū)啟動）。 因此如果是小于2.2T的硬盤，不必非得轉(zhuǎn)換成GPT也可以引導(dǎo)系統(tǒng)啟動。也就是說，UEFI+MBR也是可行的，而GPT硬盤的話，則必須使用UEFI引導(dǎo)，BIOS無法原生引導(dǎo)GPT硬盤上的操作系統(tǒng)（Windows）。 

關(guān)于這一點(diǎn)，如果感覺不能理解的話，可以通過以下具體應(yīng)用來參考。 

注：  

綜觀網(wǎng)上那些關(guān)于UEFI的所謂技術(shù)類文章，除了毫無實(shí)用價(jià)值和實(shí)際意義，而且都不同程度的存在各種各樣的因循誤導(dǎo)，繼而被以訛傳訛，最終成為一些人堅(jiān)信不疑的“定律”。這樣的誤導(dǎo)主要表現(xiàn)為兩點(diǎn)： 

1. 就是剛剛說的 ，“UEFI啟動系統(tǒng)必須是GPT分區(qū)”， 這個(gè)已經(jīng)說得很明白了，并且有實(shí)例解析，無需再討論 

2. 另外一個(gè)就是不知道從什么時(shí)候什么人開始謠傳的 “UEFI的優(yōu)勢就是啟動速度快” 或者 “UEFI啟動比傳統(tǒng)BIOS啟動速度快”。 無論UEFI還是GPT，與電腦啟動速度沒有任何必然聯(lián)系?；蛘哒f，只要硬件環(huán)境相同、系統(tǒng)一樣，無論UEFI+GPT安裝還是BIOS+MBR安裝系統(tǒng)，啟動速度沒有區(qū)別 

GPT 

MBR 

附：部分Windows桌面操作系統(tǒng)對GPT的支持  

數(shù)據(jù)讀寫系統(tǒng)啟動  

WindowsXP32位不支持GPT不支持GPT 

WindowsXP64位支持GPT不支持GPT 

WindowsVista32位支持GPT不支持GPT 

WindowsVista64位支持GPT支持GPT（需UEFI） 

Windows732位支持GPT不支持GPT 

Windows764位支持GPT支持GPT（需UEFI） 

Windows832位支持GPT不支持GPT 

Windows864位支持GPT支持GPT（需UEFI） 

有了以上的經(jīng)驗(yàn)總結(jié)，就可以輕松解決以下問題了： 

1.UEFI+GPT環(huán)境下以任意方式安裝操作系統(tǒng)（單系統(tǒng)或者多系統(tǒng)） 。這個(gè)不必詳解了 

2.最主要的問題： UEFI+GPT引導(dǎo)修復(fù)操作（EFI引導(dǎo)文件損壞、ESP分區(qū)損壞或者丟失之后手動重建EFI引導(dǎo)等等）。 這個(gè)在此也不做詳解，這是 這段時(shí)間反復(fù)研究、實(shí)踐的最重要成果 ，因此姑且算是有所保留賣個(gè)關(guān)子吧，如果是結(jié)合以上幾點(diǎn)經(jīng)驗(yàn)總結(jié)，對UEFI+GPT有一定的了解之后，應(yīng)該不難揣摩出辦法 

3. 如果主板不支持UEFI，使用折中的辦法來解決大硬盤使用問題 ，這個(gè)問題以前我也已經(jīng)多次提過。 

第一種辦法就是使用多塊硬盤，MBR+GPT組合，MBR 硬盤作為啟動引導(dǎo)盤。 

小于2.2T的硬盤采用MBR，大于2.2T的硬盤采用GPT，這樣的話，解決方案就很靈活了，可以根據(jù)以上所列相同點(diǎn)的第1條和補(bǔ)充里面第2條，使用MBR硬盤建一個(gè)非隱藏活動主分區(qū)，放置系統(tǒng)引導(dǎo)文件，然后將系統(tǒng)安裝在MBR硬盤或者GPT硬盤都可以，無論單系統(tǒng)還是多系統(tǒng)都無所謂，兩塊硬盤交叉安裝操作系統(tǒng)也沒有任何問題 

強(qiáng)調(diào)兩點(diǎn) ： 

1.這樣安裝的話不限于64位操作系統(tǒng)及XP以上版本，理論上只要是能對GPT硬盤進(jìn)行讀寫的系統(tǒng)版本就可以安裝。實(shí)際測試，32位XP和2003sp1以及之前的版本，電腦事先安裝GPT硬盤的情況下，即使系統(tǒng)安裝在MBR硬盤，原版系統(tǒng)安裝，沒有問題，如果是Ghost系統(tǒng)，有可能出現(xiàn)卡死或者藍(lán)屏等問題導(dǎo)致無法順利安裝；先在MBR硬盤安裝好系統(tǒng)，然后再裝GPT硬盤，無論原版還是Ghost系統(tǒng)都沒有問題，只是GPT分區(qū)無法識別（解決方法很簡單，就是使用2003sp2的disk.sys文件替換到以上系統(tǒng)，就可以完美識別GPT分區(qū)，此法簡單易操作，且不涉及系統(tǒng)穩(wěn)定問題，感興趣的話可以自行搜索）。64位XP安裝在MBR硬盤，引導(dǎo)、啟動都沒有問題，安裝在GPT硬盤無法引導(dǎo)。其他系統(tǒng)無論32位還是64位，無論安裝在MBR還是GPT，都可以正常引導(dǎo)啟動； 

2.BIOS安裝系統(tǒng)到GPT硬盤僅限于Ghost方式，Ghost解壓完畢后手動修復(fù)引導(dǎo)即可。 

第二種辦法是單塊大于2.2T的硬盤+U盤或者光盤組合  

使用GPT分區(qū)結(jié)構(gòu)對硬盤進(jìn)行分區(qū)，是否創(chuàng)建ESP分區(qū)都無所謂，因?yàn)橹靼宀恢С諹EFI，創(chuàng)建此分區(qū)也沒什么用，全憑個(gè)人愛好了。然后只能使用Ghost方式解壓安裝操作系統(tǒng)到硬盤，無論單系統(tǒng)還是多系統(tǒng)，全部安裝完畢后，準(zhǔn)備一個(gè)U盤，大小無所謂，只要不小于十幾M就行，使用分區(qū)軟件設(shè)為活動主分區(qū)，插在電腦上。進(jìn)PE（2003sp1以上版本），手動或者使用工具軟件修復(fù)單系統(tǒng)或者多系統(tǒng)引導(dǎo)，將引導(dǎo)文件寫入U(xiǎn)盤。然后就可以使用此U盤啟動所安裝的單系統(tǒng)或者多系統(tǒng)了。此方法實(shí)際上就是用U盤代替了第一種方法中的小硬盤而已，沒什么本質(zhì)區(qū)別。（這個(gè)方法大概10年前我就在電腦論壇發(fā)過帖子，當(dāng)時(shí)考慮的是用U盤做一個(gè) 系統(tǒng)啟動鑰匙 ，因?yàn)橄到y(tǒng)引導(dǎo)文件在U盤上，電腦如果不插這個(gè)U盤是無法啟動的。MBR硬盤系統(tǒng)：Windows864位+Windows732位+WindowsXP32位，GPT硬盤系統(tǒng)：Windows832位+Windows764位+WindowsVista32位，測試環(huán)境：雜牌945主板、32M老U盤，測試通過。） 

另外還可以再使用光盤來代替U盤，具體方法說起來更簡單，用軟件創(chuàng)建一個(gè)可啟動光盤（創(chuàng)建方法自行查詢，會做的不用講，壓根沒接觸過的，另開帖子專門講也不一定看得懂），然后將上面U盤里的系統(tǒng)啟動文件加進(jìn)去刻錄就可以了。然后使用此光盤啟動電腦，效果和U盤是一樣的。此方法僅僅作為一種可行性的介紹，不推薦使用，U盤比這個(gè)方便的多，沒必要多此一舉。 

備注： 使用此方法，理論上來講凡是可以對GPT進(jìn)行讀寫的系統(tǒng)都適用，但實(shí)際上XP以上系統(tǒng)無論32位還是64位操作系統(tǒng)全部測試可行，但是2003sp1及XP64位這些可以讀寫GPT的系統(tǒng)也不行，這個(gè)不知道是由于NT5.X的ntldr引導(dǎo)機(jī)制還是其他的什么原因，有知道原因的朋友不吝賜教！ 

注：  

1.除專門標(biāo)明“Ghost系統(tǒng)”，本文所提及的系統(tǒng)安裝均為 微軟 原版Windows系統(tǒng)，不包含任何修改版本 

2.非UEFI主板安裝原版系統(tǒng)到GPT磁盤，只能采取wim直接解壓到分區(qū)或者先將系統(tǒng)Ghost化，然后解壓安裝的辦法。 

3.本文所有結(jié)論全部為反復(fù)多次實(shí)際測試結(jié)果，不是設(shè)想、假設(shè)，更不是想象或者幻想以及想當(dāng)然的以為 

4.本文內(nèi)容已經(jīng)多次修訂和修改，這是個(gè)人的一點(diǎn)經(jīng)驗(yàn)總結(jié)，難免有紕漏以及表達(dá)不準(zhǔn)確之處，望有相關(guān)經(jīng)驗(yàn)的朋友給予更多幫助

附注：  

 

鑒于許多的網(wǎng)友瀏覽本文之后提出如下問題，因此 酷站網(wǎng)軟 特集中在此做如下補(bǔ)充說明，不再過多贅述及一一答復(fù)：

原本很早之前就寫了一篇關(guān)于 預(yù)裝win8的電腦改其他系統(tǒng)以及安裝多系統(tǒng) 的文章，雖然經(jīng)過多次修改，最后還是放在電腦里沒有在任何地方發(fā)表出來。 

雖然那是親自實(shí)踐過 多個(gè)品牌和型號 的預(yù)裝機(jī)器之后總結(jié)出來的經(jīng)驗(yàn)，但是仍然發(fā)現(xiàn) 在其他品牌和型號的電腦上根本無法通用 。而我不可能也沒條件遍試所有的機(jī)器，因此此篇文章就此擱淺。 

因此我在我的這篇文章里面沒有涉及任何 預(yù)裝win8系統(tǒng)的電腦改系統(tǒng) 的問題。 

這是我的一貫態(tài)度，我所寫的都是我親身實(shí)踐、確實(shí)可行、不需討論的，在我這里不可能出現(xiàn)“我覺得”“我認(rèn)為”“應(yīng)該是”這類想象或者幻想的東西。 

（在此還是要特別強(qiáng)調(diào)幾點(diǎn)： 

1.這個(gè)意思并不是說“預(yù)裝win8的電腦改其他系統(tǒng)以及安裝多系統(tǒng)”是完全不可行的，只是目前為止還沒找到通用的方法。也就是說可能在某個(gè)品牌和型號的電腦上按照某種方法安裝非常順利，但是同樣的方法用在其他品牌和型號的電腦上可能完全不適用。 

2.不管是用何種方法，比如Ghost、PE、nt6 hdd installer、快捷安裝器、直接setup、在vhd裝、全盤轉(zhuǎn)換成mbr、手動寫引導(dǎo)等等方法，將其他系統(tǒng)裝進(jìn)硬盤，只要通過這塊主板啟動，就要面對安裝失敗的問題，因此制約因素在主板上，并不在于采用什么方式安裝系統(tǒng)

https://www.kzwr.com/article/110118

以上就是關(guān)于GPT概念龍頭相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。

推薦閱讀：

ChatGPT中文版蘋果手機(jī)（chat蘋果版下載）

chatGPT估值（chargepoint 估值）

ChatGPT中文版1.2（chatGPT中文版下載蘋果）

韶關(guān)酒店外部景觀設(shè)計(jì)（韶關(guān)酒店外部景觀設(shè)計(jì)招聘）

賣課程的平臺有哪些（十大知識付費(fèi)平臺排名）