- 博客(28)
- 收藏
- 关注
RSS订阅原创 思科模拟器--09.交换机端口聚合实验配置--24.5.23
配置中继模式下的接口允许vl 10 , 20通过 (switchport trunk all vlan 10,20)端口聚合的作用:可以提供更高的带宽,更高的可靠性技术,通俗讲,就是避免丢包,两条通道路多呗!Switch1的G0/1, G0/2接口分别与Switch2的G0/1, G0/2接口相连。将物理接口绑定成一个逻辑接口,并采用静态的方式进行端口聚合,3为聚合组的编号。将物理接口绑定成一个逻辑接口,并采用静态的方式进行端口聚合,3为聚合组的编号。PC3的F0与Switch2的Fa0/1连接。
2024-05-30 16:46:24
1259
原创 思科模拟器--08.三层交换机配置实验(两个交换机)--24.5.22
network 中:192.168.5.0配置错误了,所以又重新写入覆盖掉了错误的:network 192.168.3.0。PC1~4的接口F0按顺序依次用直通线连接交换机1的Fa0/1~4接口。PC5~8的接口F0按顺序依次用直通线连接交换机2的Fa0/1~4接口。第3步:(交换机1配置:vlan , IP, 启用rip协议)配置交换机1中的vl 6的IP地址为:192.168.5.1。配置交换机2中的vl 6的IP地址为:192.168.5.2。第1步:(配置个人电脑的IP地址,子网掩码和默认路由)
2024-05-22 19:48:31
2357
原创 思科模拟器--07.三层交换机实验配置--24.5.21
查看当前的路由信息(当前会发现啥也没有的,小编此时就傻了的!将交换机(管理该系列的f0/5-6接口,上面的也一样)端口设置为接入模式。计算机领域里并没有黑魔法,有的只是我们不知道的一些知识罢了,将PC1~6的F0依次按交换机的接口Fa/1~6相连接。第1步:(配置个人电脑的IP地址,子网掩码和默认路由)配置vl 2的IP地址为: 192.168.1.254。将交换机的f0/1-2系列接口划分到vlan 2中。将f0/3-4系列的接口划分到vl 3中。进入f0/1-2系列的vl接口配置模式。
2024-05-21 11:40:53
1976
原创 思科模拟器--06.单臂路由升级版--多端路由互连实验--24.5.20
输入:in ra f0/1-3(全写:inter range f0/1-3)输入:vl da (全写: vlan database(vlan数据库))进入0模块第0端口的配置模式(以后简写为:进入g0/0接口配置模式)PC0的F0,PC1的F0分别和交换机的F0/0, F0/1连接。PC2的F0,PC3的F0分别和交换机的F0/4, F0/5连接。PC4的F0,PC5的F0分别和交换机的F0/7,F0/8连接。进入f0/1,f0/2,f0/3一系列的接口配置模式。
2024-05-20 13:35:21
936
原创 思科模拟器--05.单臂路由实验配置--24.5.19(补24.5.18)
输入:encapsulation dot1q 10(可以简写:enca dot1q 10)输入:sh ru(show running-configer的简写)(额外收获:ping 不存在的IP地址是无法ping通过的哇)设置f0/3端口的工作模式为:Trunk(也就是中继模式)Submask(子网掩码): 255.255.255.0。第一步:(配置个人电脑的IP, 子网掩码和默认网关)配置该子接口的IP地址为:192.168.1.1。配置该子接口的IP地址为:192.168.2.1。
2024-05-19 21:40:03
1185
原创 思科模拟器--04.OSPF协议路由配置--24.5.17
输入:network 192.168.2.0 0.0.0.255 area 0。输入:network 192.168.2.0 0.0.0.255 area 0。输入:network 192.168.3.0 0.0.0.255 area 0。输入:network 192.168.3.0 0.0.0.255 area 0。输入:ip ad 192.168.1.1 255.255.255.0。输入:ip ad 192.168.4.1 255.255.255.0。
2024-05-17 22:00:57
1395
原创 思科模拟器--03.RIP协议路由--24.5.17
在特权模式输入：show running-config(可以简写：sh ru)用来查看IP配置情况，根据检查，发现我们配置成功啦（实战演练如下图）进行左端口的ip地址配置：输入:ip address 192.168.1.1 255.255.255.0。用来退出当前模式,直接退回到特权模式(特权模式是这个样子:(Router #,标志就是这个"#"))目的:降低失误概率,提高成功率!用命令:enable(可以简写:en)进入路由器2号的特权模式。输入:show ip route(简写:sh ip ro)
2024-05-17 20:24:03
1100
原创 思科模拟器--02.静态路由和默认路由配置24.5.15(24.5.20补)
（第一次不通过的话，可以ping第二次试试！接着，配置两台电脑的IP，子网掩码和默认网关。首先，创建三个路由器和两个个人电脑。
2024-05-15 22:54:05
512
原创 思科模拟器学习1--Vlan & Trunk
目的是：vlan 1的通讯不可以向vlan 2传送，就是消息传送互不干扰的，不同的vlan,不同的网段，都是我们隔离广播域的一个方法。这时候，我们在SW0的命令端口，先进入全局配置模式，接着输入in f0/24进入f0/24的接口配置，再输入sw mo tr命令，让交换机0切换成中继模式。（注意：连接时，尽量有规律连接的，可以避免自己搞糊涂的，小编就是按照老师讲的，PC~PC3按顺序F0/1, F0/2, F0/3依次连接交换机的）看上一幅图，可知vl 1已经有了的)到了这个时候，我们的目的也就达到啦；
2024-05-14 22:51:28
798
2
原创 Deep Learning Part Eight--Attention 24.5.4
本章我们学习了 Attention 的结构，并实现了 Attention 层。然后，我们使用 Attention 实现了 seq2seq，并通过简单的实验，确认了 Attention 的出色效果。另外，我们对模型推理时的 Attention 的权重（概率）进行了可视化。从结果可知，具有 Attention 的模型以与人类相同的方式将注意力放在了必要的信息上。另外，本章还介绍了有关 Attention 的前沿研究。从多个例子可知，Attention 扩展了深度学习的可能性。
2024-05-04 19:29:47
639
1
原创 Deep Learning Part Eight Attention--24.5.3
注意力是全部。注意力是全部。--（你若好，就是夏天）安夏的座右铭。
2024-05-03 22:29:13
683
1
原创 Deep Learning Part Seven基于RNN生成文本--24.5.2
现在，使用这个RnnlmGen类进行文本生成。import sys# 设定start单词和skip单词# 生成文本print(txt)
2024-05-02 22:52:12
2198
2
原创 Deep Learn Part Six Gated RNN-24.5.1
此外，像 Dropout[9] 这样，在训练时随机忽略层的一部分（比如 50 %）神经元，也可以被视为一种正则化（图 6-30）。更糟糕的是，RNN 比常规的前馈神经网络更容易发生过拟合，因此 RNN 的过拟合对策非常重要。因此，在大多数情况下，门使用 sigmoid 函数作为激活函数，而包含实质信息的数据则使用 tanh 函数作为激活函数。在这里进行的实验中，梯度的大小或者呈指数级增加，或者呈指数级减小。二是降低模型的复杂度。换句话说，通过加深层，可以创建表现力更强的模型，但是这样的模型往往会发生。
2024-05-01 22:04:23
771
1
原创 Deep Learning Part Five RNNLM的学习和评价-24.4.30
准备好RNNLM所需要的层，我们现在来实现RNNLM，并对其进行训练，然后再评价一下它的结果的。5.5.1 RNNLM的实现这里我们将RNNLM使用的网络实现为SimpleRnnlm类，其层结构如下：如图 5-30 所示，类是一个堆叠了 4 个 Time 层的神经网络。拓展：接着，我们来实现forward()方法、backward()方法和方法。从上述中，可以看出实现非常简单。在各个层中，正向传播和反向传播都正确地进行了实现。因此，我们只要以正确的顺序调用forward()（或者。
2024-04-30 09:51:36
714
1
原创 Deep learning Part Five RNN--24.4.29
除此之外，根据图中5-5的左图所示，在CBOW模型的中间层求单词向量的和，这时就会出现另一个问题的，那就是上下文的单词的顺序将会被打乱的；但是，这时候新的问题又出现了的，采用拼接法固然可以解决上一个问题的，但是，这时候就会发生一系列连锁反应的，出现新的问题的：权重参数等比例增加，处理的数据量爆炸式增加！方案一：拼接法，就如5-5图右侧的那样，在中间层“拼接”上下文的单词向量的。接着上期，CBOW模型无法解决文章内容过长的单词预测的，那该如何解决呢？主角终于还是在最后登场的啦，有请RNN大哥善良登场的。
2024-04-29 09:51:15
902
原创 深度学习RNN
只记得我在一个昏暗潮湿的地方喵喵地哭泣着。——夏目漱石《我是猫》到目前为止，我们看到的神经网络都是前馈型神经网络。（feedforward）是指网络的传播方向是单向的。具体地说，先将输入信号传给下一层（隐藏层），接收到信号的层也同样传给下一层，然后再传给下一层……像这样，信号仅在一个方向上传播。虽然前馈网络结构简单、易于理解，而且可以应用于许多任务中。不过，这种网络存在一个大问题，就是不能很好地处理时间序列数据（以下简称为“时序数据”）。
2024-04-22 20:22:30
791
原创 《大话数据结构》-程杰自学数据结构感悟
悟：探索一个新的领域，例如写书，本来就会有许多困难，对照我自身也是如此。但是，怕而不退，畏而不缩，这是我和作者所共同追求的，幸福感满满！
2024-04-22 13:35:39
656
原创 数据结构第四讲：上课习题演练：串中的KMP解法个人总结
1.对于开始的"",也就是空字符串，赋值该位置为：02. 对于这样"a"， 也就是单字符串，赋值该位置为：1 此时：013.对于这样"ab", 也就是多个字符串不相同的，赋值该位置: 1，此时: 0114.对于这样"aba", 也就是多字符串有相同的，在前一位的基础，也就是1，加1即可，此时：0112我曾经在后台查看过数据，大部分人都是扫一眼的所以能读到这里的人，都是翘楚中的翘楚的！所以陌生人要加油哇！你在未来一定是个非常优秀的人才！
2024-04-19 22:40:31
466
原创 CBOW模型24.4.18打卡
可从上图中看出，contexts是一个二维数组，target是一个一维数组，最后输入forward（也就是正向传播）的数据都是经过处理的数字信息。图4-4 Embedding层的正向传播和反向传播处理的概要（小提示：为了方便，Embedding层记为Embed）专业术语是：输入层到隐藏层，输入的值第几个就直接取到Win(也就是输入的权重)的第几个。Embedding层的核心：简化数据，挑出有价值的数据，把没价值的数据放一边罢了。图4-3 one-hot表示的上下文和MatMul层的权重的乘机。
2024-04-18 19:06:56
297
原创 Word2vec的高速化：CBOW模型 24.4.17打卡
我们首先要调用输入层的Embedding，相关词经过Embedding（也就是降低数据处理量，简化），然后，再相加，再除以相关词的数量，得到平均数，这就求出了隐藏层。forward：contexts(文本)是目标词的上下文的关联词，target（目标）是我们需要预测的值。2.create_contexts_target(生成上下文和目标词的函数)这里我们先给出正确解题思路：（思维框架）然后再调用损失函数，即可求出损失值啦。1.CBOW模型的学习代码。word2vec的高速化。
2024-04-17 22:56:25
206
原创 PyCharm下载第三方库的网址集合
清华大学镜像网址：https://mirrors.tuna.tsinghua.edu.cn/清华大学：https://pypi.tuna.tsinghua.edu.cn/simple。中国科技大学：https://pypi.mirror.ustc.edu.cn/simple。阿里巴巴开源镜像: https://ospsx.alibaba.com/mirror/阿里云:https://mirrors.aliyun.com/pypi/simple。
2024-04-17 20:24:30
735
原创 哔哩哔哩白羽黑月课程：requests的学习与总结
Requests 库 是用来发送HTTP请求，接收HTTP响应的一个Python库。Requests库经常被用来 爬取 网站信息。用它发起HTTP请求到网站，从HTTP响应消息中提取信息。Requests库也经常被用来做 网络服务系统的Web API 接口测试。因为Web API 接口的消息基本上都是通过HTTP协议传输的。Python中构建HTTP请求的库有很多，其中 Requests 库最为广泛使用，因为它使用简便，功能强大。
2024-04-17 20:12:33
263
原创 哔哩哔哩白羽黑月老师课程：socket的学习与感悟——在此作篇,以便以后翻阅
你用一台新设备填写密码登录微信，就是你向服务器发送请求，这是第一次握手，（主动，你向服务器发送：我需要帮助）服务器说，要再次验证身份，请让好友辅助验证，就是服务器做出的应答，这是第二次握手（被动，服务器来满足你的要求）好友辅助验证成功，就是客户，也就是你让好友成功帮助你进行了辅助验证，让服务器确认了你的身份，这就是上述你对服务器进行的报文确认，也就是第三次握手（你向服务器验证了自己的身份，为啥子？这个时代嘛，防诈骗吖）我们现在来看一个 TCP协议进行通讯的 socket 服务端程序和客户端程序。
2024-04-15 19:19:00
1027
2
原创 Python数据结构-栈的定义和特点——第二节内容总结
引子：一、什么是链表？1、链表是物理存储单元上非连续的、非顺序的存储结构，数据元素的逻辑顺序是通过链表的指针地址实现，有一系列结点（地址）组成，结点可动态的生成。2、结点包括两个部分：（1）存储数据元素的数据域（内存空间），（2）存储指向下一个结点地址的指针域。3、相对于顺序结构，操作复杂。4.链表分为 （1）（2）双链表 （3）单向循环链表 （4）双向循环链表1.链表和数组一样，也是一种线性表二、链表的作用1、实现数据元素的存储按一定顺序储存，允许在任意位置插入和删除结点。
2024-04-14 19:57:02
1046
原创 Python深度学习进阶-第四章
Word2vec的高速化第三章我们学习了word2vec的原理，并实现了CBOW模型但是，上一章还是遗留了一个问题的嘞:就是随着语料库的处理词汇量增加，计算量也会随之增加的,如果不进行解决的话那么，还是有可能在语料库非常大的时候，让机器学习的效率大幅度下降的。举个极端的例子：如果一组语料库要处理的内容需要的期限100万年，咱们等不起哇因为这里可不是至尊宝和紫霞仙子的爱你一万年哇！这时呢，就要对上一章的简单的word2vec进行两点改进：1、引入名为Embedding层的新层。
2024-04-10 20:18:04
143
原创 深度学习进阶：自然语言处理入门：第三章
通俗讲，PMI就是求两个事件同时发生的概率有多大，他们发生的概率越大，则PMI的值就越大的嘞，也就表示两个事件的关联性就越强，放在男女之间，就说明她和他的关系就越亲密的呢，就好比令人神往的青梅竹马，流口水哇，小编也想要哇（努力加油哇！共现矩阵的元素表示两个单词同时出现的次数，这里的次数并不具备好的性质，举个例子，有短语叫the car，因为the是个常用词，如果以两个单词同时出现的次数为衡量相关性的标准，与drive 相比，the和car的相关性更强，这是不对的。实际上，处理 10 万维向量 是不现实的。
2024-04-09 20:51:20
306
原创 Python数据结构第三章第一节--初识栈和队列
队列：像排队打饭一样，先进先出（First in First out, 简称：FIFO）栈：像叠盘子一样，后进先出（Last in First out:简称：LIFO)6.栈底：Stack_Base。5.栈顶：Stack_Top。2. 队列：Queue。
2024-04-07 18:50:10
267
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人