简单的二层网络

最新推荐文章于 2023-12-26 17:19:04 发布
最新推荐文章于 2023-12-26 17:19:04 发布
阅读量2.7k 收藏
点赞数
分类专栏： 自学HCIA 文章标签： 1024程序员节
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/A249633445/article/details/120940338
版权

1、MAC（48比特长，16进制表示的）

MAC地址就是网卡上的一个物理地址，理论上全球唯一，0-23位是组织唯一标志符，是用来识别lan（局域网）节点的标识，24-47位是由厂家自由分配，其中40位是组播地址标志位

2、IP地址

IP地址有2个功能

1）给广播域编址

2）给广播域寻址

3、SW交换机

是给广播域转发消息的这个转发消息分2种，一种是单播，另一种是广播

4、网关

是lan局域网内想要访问非本广播域的IP地址时，就需要找网关了。

5、TCP端口号

80是HTTP

23是telnet

21/20是ftp

1是ICMP

25是SMTP

6、封装

OSI参考模型有七层，封装是从上往下封装，解封装是从下往上解封装

应用层

表示层

会话层

传输层                  数据段

网络层                  数据包

数据链路层          数据帧

物理层                  比特

A249633445
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
几句话搞明白数据中心的 “大二层网络设计”
weixin_42094758的博客
07-01 848
一、数据中心为什么需要大二层网络？ 在开始之前，首先要明确一点，大二层网络基本上都是针对数据中心场景的，因为它实际上就是为了解决数据中心的服务器虚拟化之后的虚拟机动态迁移这一特定需求而出现的。对于普通的园区网之类网络而言，大二层网络并没有特殊的价值和意义（除了某些特殊场景，例如WIFI漫游等等）。 所以，我们现在所说的大二层网络，一般都是指数据中心的大二层网络。 二、数据中心传统网络架构 这种网络架构部署简单，符合数据中心分区的特点，但是它阻碍了服务器虚拟机的迁移，虚拟机的迁移只能在
5.搭建两层网络
X1996_的博客
04-16 454
跟前面的没什么差别，搭建两层网络就初始化两层网络的参数就好了 1. 自己初始化参数模型那些，巴拉巴拉巴拉************ 会用到前面的训练、预测、评估部分函数，复制过来就好了 没有***d2l***库的话安装就好了 !pip install d2l import tensorflow as tf from d2l import tensorflow as d2l # 分批载入数据集 batch_size = 256 train_iter, test_iter = d2l.load_data_fas
一个简单两层网络的演变
StreamRock的专栏
11-05 571
https://github.com/jcjohnson/pytorch-examples
两层神经网络的设计与实现
JingYi的专栏
12-08 1万+
       这几天看到了浅层网络（仅含有一层隐藏层单元的神经网络）的设计原理及思想，为了加深理解及记忆，下面做个总结。       为了简化原理思想，假设现有隐藏层只有四个隐藏单元的两层神经网络，如下图所示：               和单个神经元工作原理类似，包括前向传播和后向传播两个过程。其中，后向传播多了几个公式推导。因此，这里主要推导后向传播的相关公式。1. 前向传播       假设...
网络中同vlan的终端二层隔离的核心设计
dongtaintailiang的博客
01-12 324
目的mac和源mac都不是网关mac的报文丢弃
二层转发PPT
01-18
在IT行业中，二层转发是网络通信中的一个重要概念，特别是在局域网（LAN）环境里。这个概念主要涉及数据链路层（Layer 2），即OSI模型的第二层。二层转发涉及到如何在局域网内部有效地传输数据帧，确保正确地到达...
C++实现简单BP神经网络
03-24
BP神经网络实现简单的异或二分类器，没有任何工具包，单隐层，2个隐层神经元。没有构建神经网络类，只有神经元结构体。
华为ensp三层、二层交换机简单配置
10-05
不同vlan简单配置
3层神经网络的简单实现
01-08
本主题将深入探讨如何实现一个简单的3层神经网络，以及批量处理和单样本处理的区别，同时涉及不同的激活函数，包括线性、tanh和sigmoid。 首先，我们来理解3层神经网络的基本架构。输入层接收原始数据，隐藏层通过...
计算机网络应用层ppt
01-04
简单网络管理协议（SNMP，Simple Network Management Protocol）是一种用于管理网络设备（如路由器、交换机等）的应用层协议。SNMP允许网络管理员监控和控制网络设备的状态，从而实现对整个网络的有效管理。 #### ...
【二层报文】组播MAC地址表及转发机制
最新发布
weixin_41500064的博客
12-26 1548
的报文作为数据报文做硬件转发）缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。缺省情况下，华为交换设备非。
组播MAC地址
weixin_34054931的博客
08-12 1108
    MAC地址是以太网二层使用的一个48bit（6字节十六进制数）的地址，用来标识设备位置。MAC地址分成两部分，前24位是组织唯一标识符（OUI, Organizationally unique identifier），后24位由厂商自行分配。     MAC地址有单播、组播、广播之分。单播地址(unicast address)表示单一设备、节点，多播地址或者组播地址(multicast ...
二层交换机工作原理与MAC地址介绍
m0_49864110的博客
06-24 3075
MAC地址（物理地址、硬件地址、网卡地址）是48bit二进制的地址，不过一般用12个十六进制来标识，全球唯一；比如54-89-98-A1-19-93就是一个MAC地址第7bit标识MAC地址范围：0标识广域地址 1标识区域地址第8bit标识MAC地址为组播还是单播：0标识单播 1标识组播前24bit是厂商识别码（只有单播MAC的前24bit是厂商识别码），用来标识是哪个厂商生产的网卡；每个网卡的前24bit都是唯一的后24bit是由厂商给每个网卡进行分配；
组播简介（二层组播）
qq_28105413的博客
12-01 8368
1 承载网组播模型 2 二层组播技术 2.1 组管理协议 Internet 组管理协议称为IGMP协议（Internet Group Management Protocol），是因特网协议家族中的一个组播协议。该协议运行在主机和组播路由器之间。IGMP协议共有三个版本，即IGMPv1、v2 和v3。 主机IP软件需要进行组播扩展，才能使主机能够在本地网络上收发组播分组。但仅靠这一点是不够的，因为跨越多个网络的组播转发必须依赖于路由器。路由器为建立组播转发路由必需了解每个组员在Internet中的分布，这要求
什么叫组播地址（Multicast Address ）？
sdlcgxcqx的专栏
10-12 1万+
组播的地址是保留的D类地址从224.0.0.0—239.255.255.255，而且一些地址有特定的用处如，224.0.0.0—244.0.0.255只能用于局域网中路由器是不会转发的，并且224.0.0.1是所有主机的地址，224.0.0.2所有路由器的地址，224.0.0.5所有ospf路由器的地址，224.0.13事PIMv2路由器的地址；239.0.0.0—239.255.255.
单播、多播和广播经典详解
热门推荐
bytxl的专栏
01-09 2万+
1         什么是单播、多播和广播  “单播”（Unicast）、“多播”（Multicast）和“广播”（Broadcast）这三个术语都是用来描述网络节点之间通讯方式的术语。那么这些术语究竟是什么意思？区别何在？且听下文分解。 ——★单播★—— 　　网络节点之间的通信就好像是人们之间的对话一样。如果一个人对另外一个人说话，那么用网络技术的术语来描述就是“单播”，此时信息的接收
IP组播基础及工作原理实战——6
kaoa000的专栏——非淡泊无以明志，非宁静无以致远
05-05 3352
二层主播基础及工作原理 二层组播是指组播信息在数据链路层的按需分发。二层组播的基本原理是使二层设备可以识别组播组IP地址，建立组播组IP地址与端口对应关系的组播转发表，指导组播数据在数据链路层的转发。 一、二层主播概述 在很多情况下，组播报文要不可避免地经过一些二层交换设备，尤其是在局域网环境里，许多接入交换机都是二层的。如下图，在组播用户和三层组播设备Router之间，经过二层交换机Swi...
交换机二层组播配置
weixin_43646077的博客
01-09 3547
　　通常组播会涉及到三层设备即路由器，需要用到igmp协议，本文的配置针对纯二层设备环境，简单地说，就是没有任何路由器，只有交换机而且只有一台，各主机通过该交换机连接，通过相应的配置在这些主机之间实现组播数据的发送和接收。 　　本文介绍两种方式的大概配置过程： 配置igmp snooping协议，一台主机作为组播源，另外三台主机作为组播数据的接收端，这三台主机加入同一个ip组播组，组播源向这个...
组网基础之深入解析二层组播
技术无止境，更求深一层 的专栏
12-28 8694
二层组播相关协议包括IGMP 和GMRP协议。让我们从分析组播MAC地址开始，逐步而深入的了解二层组播。 组播MAC地址 所谓组播MAC地址，是一类逻辑的MAC地址，该MAC地址代表一个组播组，所有属于该组的成员都接收以该组对应的组播MAC地址为目的地址的数据帧。 注意的是，组播MAC地址是一个逻辑的MAC地址，也就是说，在网络上，没有一个设备的MAC地址是一个组播MAC地址。组
简单二层神经网络用numpy实现
07-08
以下是使用numpy实现简单二层神经网络的示例代码： ```python import numpy as np class NeuralNetwork: def __init__(self, input_size, hidden_size, output_size): self.W1 = np.random.randn(input_size, hidden_size) # 输入层到隐藏层的权重矩阵 self.b1 = np.zeros((1, hidden_size)) # 隐藏层的偏置向量 self.W2 = np.random.randn(hidden_size, output_size) # 隐藏层到输出层的权重矩阵 self.b2 = np.zeros((1, output_size)) # 输出层的偏置向量 def forward(self, X): # 前向传播计算输出 self.z1 = np.dot(X, self.W1) + self.b1 self.a1 = np.tanh(self.z1) self.z2 = np.dot(self.a1, self.W2) + self.b2 self.a2 = self.sigmoid(self.z2) return self.a2 def backward(self, X, y, learning_rate): m = X.shape[0] # 样本数量 # 反向传播更新权重和偏置 delta2 = self.a2 - y dW2 = (1 / m) * np.dot(self.a1.T, delta2) db2 = (1 / m) * np.sum(delta2, axis=0, keepdims=True) delta1 = np.dot(delta2, self.W2.T) * (1 - np.power(self.a1, 2)) dW1 = (1 / m) * np.dot(X.T, delta1) db1 = (1 / m) * np.sum(delta1, axis=0, keepdims=True) self.W2 -= learning_rate * dW2 self.b2 -= learning_rate * db2 self.W1 -= learning_rate * dW1 self.b1 -= learning_rate * db1 def train(self, X, y, epochs, learning_rate): for epoch in range(epochs): output = self.forward(X) self.backward(X, y, learning_rate) if epoch % 100 == 0: loss = self.calculate_loss(y, output) print(f"Epoch {epoch}, loss: {loss:.4f}") def predict(self, X): return self.forward(X) def calculate_loss(self, y_true, y_pred): return -np.mean(y_true * np.log(y_pred) + (1 - y_true) * np.log(1 - y_pred)) def sigmoid(self, x): return 1 / (1 + np.exp(-x)) ``` 上述代码定义了一个名为NeuralNetwork的类，它具有输入层、隐藏层和输出层。在初始化函数中，随机初始化了权重矩阵和偏置向量。forward函数实现了前向传播，backward函数实现了反向传播和更新权重和偏置。train函数用于训练神经网络，predict函数用于进行预测。calculate_loss函数计算损失函数的值，sigmoid函数实现了激活函数sigmoid。 你可以根据自己的需求修改代码中的参数和结构，比如调整隐藏层的大小、修改激活函数等。然后使用训练集进行训练，最后使用测试集进行预测。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值