再现计算机数制转换的精髓以及IP地址的了解

目录

1. 数制的转换

2. IP地址

  2.1 组成与组成部分的功能及原因

  2.2 判断地址在不在同一个网段

  2.3 IP地址的分类


引言:最近学习了数制转换,我觉得这点很重要,那为什么觉得重要呢。因为人长期性使用的是十进制数,而IP地址是二进制数表述,MAC地址是十六进制数表示,所以要进行数制转换,学会了这个我们才能判断俩个IP地址在不在同一个网段,底下我们会详解。


1. 数制的转换

计算机的数制

                      数制:计数的方法,指用一组固定的符合和统一的规则表示数制的方法。  

                      数位:指数字符号在一个数中所处的位置。

                      基数:指在某种进位计数值中,数位上所能使用的数字符合的个数。

                      位权:指在某种进位计数值中,数位所代表的大小,即处在某一位上的“1”所表示的数值的大小。

二进制数只有数字0和1表示。()B

八进制数只有数字0-7表示。()O

0-0-000       1-1-001        2-2-010         3-3-011        4-4-100      5-5-101      6-6-110      7-7-111

十进数是数字0-9表示。()D

十六进制数是数字0-9,A-F表示。()H也表示十六进制数Ox()

0-0-0000       1-1-0001      2-2-0010      3-3-0011     4-4-0100    5-5-0101        6-6-0110

7-7-0111     8-8-1000      9-9-1001      A-10-1010      B-11-1011     C-12-1100     D-13-1101

E-14-1110      F-15-1111

(从右边开始)每四位二进制数可换算成一位十六进制数。

(从右边开始)每三位二进制数可换成一位八进制数。

2. IP地址

2.1 组成与组成部分的功能即原因:IP地址由网络部分和主机部分组成。

      网络部分:用来确定终端是不是在同一个网段。

      主机部分:用来确定终端数量的容量大小;(在这个网段最多可容纳多少台主机)。

      同一个部门应该要确保其所有的终端在同一个网段,主机数量应该在你主机部分范围内;

      IP地址是32位二进制数,点分四段十进制数表示IP地址=网络部分+主机部分=32位现在用到IP地址的版本是IPV4,之后将会过渡到IPV6(第六版本),IPV6地址的位数是128位二进制数。因为IPV4公用地址已经耗尽没有办法做到一人一IP。

2.2 判断地址在不在同一个网段:判断需要计算网络号,计算之前必须知道IP地址和子网掩。其中子网掩码当中连续的1代表网络部分,连续0代表主机部分。

例题:192.168.10.250/24和193.168.20.10/24在不在同一网段。

计算步骤:

               第一步:把IP地址换算成二进制数。

               第二步:把子网掩码换算成二进制数,并且与IP地址对齐。

               第三步:把IP地址和子网掩码做“与”(乘法)计算。

               第四步:用‘有0出0,全1出1’口诀计算出结果为网络位/网络号。

               第五步:第二个IP的网络位/网络号计算方法同上。

               第六步:比较俩网络位/网络号是否相同。如果相同即为在同一个时段,俩俩之间数据通信即用交换机。如果不同即不在同一个网段,俩俩之间用路由器。

    192                 .            168                    .                  10                .               250

  11000000         .            10101000          .                  00001010    .                11111010

× 255                  .            255                    .                  255              .               0

  11111111           .            11111111            .                  11111111      .                00000000


  11000000         .              10101000          .                  00001010    .                00000000

  192                   .              168                   .                   10                 .                0


    193                .               168                   .                    20                 .               10 

    11000001       .               10101000        .                     00010100     .              00001010

×  255                 .               255                  .                      255              .              0

     11111111        .               11111111          .                      11111111      .                00000000


     11000001       .              10101000          .                     00010100     .               0

      193                .              168                     .                   20                   .               0

因为网络号不一致,所以不在同一个网段,需要用路由器连接。

2.3 IP地址的分类:分为5类即A,B,C,D,E。其A,B,C三类用于商业用途,D类用于组播,E类用于科研。

类别地址段                     二制数表示地址段               默认子网掩码

A    1—126                     00000001—01111110           255.0.0.0/8

B    128—191                 10000000—10111111           255.255.0.0/16

C    192—223                 11000000—11011111           255.255.255.0/24

D    224—239                 11100000—11101111     

E    240—254                 11110000—11111110

127——本地网卡环回测试地址

0.0.0.0——所有网段。255.255.255.255——全网广播

X.X.X.255/24——车网段广播

IP地址又分为私有地址和公有地址:

       私有地址:只能出现在局域网中,且可以重复使用。因为私有地址只能出现在局域网中,且可以重复使用。因为每个局域网都是独立的分支。如果没有在互联网中出现的话,不会影响别的局域网通信。

       公有地址:出现在互联网中,如果地址重复,将不能正常转发,因为地址必须唯一。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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