网络经典构架-配置操作、切换演练

1.网络拓扑1)逻辑拓扑​2)物理拓扑​2.需求和效果冗余上的要求:线路单点故障、设备单点故障;负载上的要求:线路捆绑、双出口负载;功能上的要求:接入、汇聚、核心、出口;3.配置3.1.接入设备配置SW5:PC对接ACCESS接口配置interface Ethernet0/0/1port link-type accessport default vlan 10SW5接口与汇聚交换机trunk对接int
摘要由CSDN通过智能技术生成

1.网络拓扑

1)逻辑拓扑

2)物理拓扑

2.需求和效果

冗余上的要求:线路单点故障、设备单点故障;

负载上的要求:线路捆绑、双出口负载;

功能上的要求:接入、汇聚、核心、出口;

3.配置

3.1.接入设备配置

SW5:

PC对接ACCESS接口配置

interface Ethernet0/0/1

port link-type access

port default vlan 10

SW5接口与汇聚交换机trunk对接

interface GigabitEthernet0/0/1

port link-type trunk

port trunk allow-pass vlan 2 to 4094

interface G

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
VGG19是VGG系列中的一种深度卷积神经网络模型,它包含19个卷积层和3个全连接层。这个模型的主要特点是使用了较小的卷积核,并且深度较深,可以用于图像分类、物体识别等任务。 下面是VGG19的网络模型构架详情: 输入层 -> (卷积层1 -> 激活函数1 -> 卷积层2 -> 激活函数2 -> 池化层1) -> (卷积层3 -> 激活函数3 -> 卷积层4 -> 激活函数4 -> 池化层2) -> (卷积层5 -> 激活函数5 -> 卷积层6 -> 激活函数6 -> 卷积层7 -> 激活函数7 -> 卷积层8 -> 激活函数8 -> 池化层3) -> (卷积层9 -> 激活函数9 -> 卷积层10 -> 激活函数10 -> 卷积层11 -> 激活函数11 -> 卷积层12 -> 激活函数12 -> 池化层4) -> (卷积层13 -> 激活函数13 -> 卷积层14 -> 激活函数14 -> 卷积层15 -> 激活函数15 -> 卷积层16 -> 激活函数16 -> 池化层5) -> (全连接层1 -> 激活函数17 -> Dropout层1) -> (全连接层2 -> 激活函数18 -> Dropout层2) -> 输出层。 其中: - 输入层:图像的大小为224 x 224 x 3。 - 卷积层1-2:使用2个卷积层,每个卷积层有64个卷积核,大小为3 x 3,步长为1,padding为same。 - 激活函数1-2:使用ReLU激活函数。 - 池化层1:使用2 x 2的最大池化层,步长为2。 - 卷积层3-4:使用2个卷积层,每个卷积层有128个卷积核,大小为3 x 3,步长为1,padding为same。 - 激活函数3-4:使用ReLU激活函数。 - 池化层2:使用2 x 2的最大池化层,步长为2。 - 卷积层5-8:使用4个卷积层,每个卷积层有256个卷积核,大小为3 x 3,步长为1,padding为same。 - 激活函数5-8:使用ReLU激活函数。 - 池化层3:使用2 x 2的最大池化层,步长为2。 - 卷积层9-12:使用4个卷积层,每个卷积层有512个卷积核,大小为3 x 3,步长为1,padding为same。 - 激活函数9-12:使用ReLU激活函数。 - 池化层4:使用2 x 2的最大池化层,步长为2。 - 卷积层13-16:使用4个卷积层,每个卷积层有512个卷积核,大小为3 x 3,步长为1,padding为same。 - 激活函数13-16:使用ReLU激活函数。 - 池化层5:使用2 x 2的最大池化层,步长为2。 - 全连接层1:使用4096个神经元。 - 激活函数17:使用ReLU激活函数。 - Dropout层1:随机失活一部分神经元,以减少过拟合。 - 全连接层2:使用4096个神经元。 - 激活函数18:使用ReLU激活函数。 - Dropout层2:随机失活一部分神经元,以减少过拟合。 - 输出层:使用softmax激活函数,输出类别概率分布。 总体上来说,VGG19的网络模型构架相对简单,但是深度较深,参数数量较多,需要大量的训练数据和计算资源进行训练。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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