Enet实现原理

已于 2023-04-14 17:27:43 修改
阅读量7.4k 收藏 17
点赞数 3
分类专栏： 网络通信 文章标签： UDP实现TCP 可靠UDP enet实现 enet断开 enet拥塞控制
于 2020-07-02 20:50:08 首次发布
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/gamekit/article/details/107092176
版权
Enet是一个在UDP基础上提供可靠、顺序数据传输的库，旨在简化网络通信。它避免了TCP的高延迟，实现了单连接多频道、连接管理和断开、分片和重组等功能。Enet通过ACK机制、超时重传和网络状况评估（如RTT、RTTv和RTO）来确保可靠性，并采用独特的拥塞控制算法，根据网络状态动态调整发送速率。
摘要由CSDN通过智能技术生成

一、Enet简介

  • 在UDP（用户数据报协议）的基础上提供一个相对薄，简单且健壮的网络通信层，它的主要功能是可选的可靠，按顺序传送数据包。
  • Enet省略了某些更高级别的网络功能，例如身份验证，服务发现，加密或其他特定于应用程序的类似任务，因此该库保持灵活，可移植且易于嵌入。

二、为啥需要Enet

  • 牺牲一定流程降低了网络延迟
  • TCP不支持多信道
  • TCP需要用户自己处理粘包问题
  • UDP不支持排序，连接管理，带宽资源管理，数据包的大小有限制
  • Enet实现了基于单一UDP，具有UDP和TCP等价功能，但比同时集成UDP和TCP更干净的统一协议 。

三、Enet实现

  • 单连接多频道

每个Peer就是一个连接，每个连接可以有多个频道

  • 连接管理
    • 建立连接

    在这里插入图片描述

    • 断开连接
    <
最低0.47元/天 解锁文章
游戏猫
关注
  • 3
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
卷积神经网络分析与总结（ENet图像分割）
AlexNet网络详解
04-03 4531
ENet语义分割网络是一个比较常用的分割网络，它拥有简单的网络结构，快速的运行时间和不多的变量，能够被应用于实时图像分割和移动端设备．相较于其他常规的语义分割网络，例如FCN，SegNet等运行时间与内存分别缩小了数十倍． １．ENet与常规语义分割网络 语义分割网络应用于图像的像素级分类，即对每一个像素点确定他所属的类别，这就注定了语义分割任务相比于分类识别和目标检测任务要用更长的运行时间和更高...
ENet（可靠UDP）
12-08
ENet-1.3.13 NDK编译源码。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
实时分割网络-ENet
shengweiit的博客
04-24 1112
背景介绍：实时执行像素级语义分割的能力在移动应用程序中至关重要，最近的DCNN网络的缺点在于需要大量浮点运算，运行时间长，阻碍了语义分割的可用性算法组成：提出了ENet，专门针对需要低延迟操作的任务文章亮点：ENet与现存模型相比，速度提升了18倍，FLOPs减少了75倍，参数减少了79倍，并能保证不错的准确度模型评估：在CamVid、Cityscapes和SUM RGBD数据集均取得了不错的成绩。
推荐开源项目：ENet - 简单可靠的UDP网络库
最新发布
gitblog_00016的博客
05-20 548
推荐开源项目：ENet - 简单可靠的UDP网络库 项目地址:https://gitcode.com/zpl-c/enet ENet 是一个由纯C编写的轻量级、高效且稳定的UDP网络库，它的目标是在UDP协议之上提供简单但可靠的数据包传输服务，包括可选的可靠性和顺序保证，以及数据分片功能。该项目由多位贡献者共同维护，并已发展为具有IPv6支持和许多改进的社区版本。 项目简介 ENet 非常适合用...
ENet特性简介
oilcode的专栏
10-06 2787
国庆假期了，翻译了ENet官网对ENet特性的简介。 翻译的不好，能看懂大概意思。 /************************************ Features and Architecture ************************************/ ENet evolved specifically as a UDP networking layer
Enet
Major_S的博客
08-23 784
1.视频教程： B站、网易云课堂、腾讯课堂 2.代码地址： Gitee Github 3.存储地址： Google云 百度云： 提取码： 1.一 论文导读 2.二 论文精读 3.三 代码实现 4.四 问题思索 《Enet: A deep neural network architecture for real-time semantic segmentation》 —待写 作者：AdamPaszke ,etc 单位：华沙大学&普渡大学 发表会议及时间：CVPR 2016 Submission
enet网络库简单理解
weixin_41644391的博客
09-19 5629
首先声明该enet网络库已经是很老的版本了。 1. 语言c++ 2. 环境：centos 6.0， g++72 本章主要介绍enet网络库的实现原理，以及各个组件的功能以及介绍。 介绍：enet网络库是一个利用epoll实现的支持tcp，udp，http等不同协议（可自由扩展）的高并发网络库。 组件：EpollSocketEvent：封装了epoll，暴露接口有： 1. add...
fs_enet-main.rar_ENet
09-20
本文将深入探讨ENet驱动的工作原理、功能以及其在MPC8xx和MPC82xx平台上的应用。 ENet驱动，全称为Embedded Network，是专为嵌入式系统设计的以太网控制器驱动，它使得这些处理器能够处理TCP/IP协议栈，实现网络...
Enet模型进行语义分割
05-29
对于初学者，理解并实现Enet模型可以帮助他们深入理解语义分割的原理，以及如何设计高效的深度学习模型。而对于研究人员，Enet模型可以作为一个基线，他们在研究新的实时语义分割方法时，可以在此基础上进行改进和...
可靠连接utp实现网络通讯enet1.3
03-05
ENet的工作原理主要包括以下几个关键点： 1. **分片与重组**：ENet将大的数据包分割成小的数据片段，并在接收端重新组合，确保数据的完整性和顺序。这解决了UDP可能丢失或乱序的数据包问题。 2. **确认与重传**：...
可靠的UDP网络库_eNet(安装包+教程)
04-26
ENet的目的是在UDP（用户数据报协议）之上提供一个相对简单，健壮的网络通信层。它提供的主要功能是可选的可靠，有序的数据包传送。
TensorFlow-ENet：ENet的TensorFlow实现
02-06
TensorFlow-ENet ENet的TensorFlow实现。 该模型已在CamVid数据集上进行了测试，并带有从英国剑桥拍摄的街道场景。 有关此数据集的更多信息，请访问： : 。 要求： TensorFlow> = r1.2 可视化 请注意，如果网络未将gif加载在一起，则gif可能不同步。 您可以刷新页面以同步查看它们。 测试数据集输出 TensorBoard可视化 在根目录上执行tensorboard --logdir=log来监视您的训练，并在训练模型时对照地面真实情况和原始图像观看分段输出形式。 内容 码 enet.py：ENet模型定义，包括参数范围。 train
UDP-Client-Server:基于 ENet 的简单 UDP 客户端服务器
07-09
#UDP-客户端-服务器 一个基于 ENet 的简单 UDP 客户端/服务器。 聊天示例 使用 ，创建一个新项目并用服务器或客户端的那些覆盖现有的main.cpp 、 ofApp.h 、 ofApp.cpp 。 创建Network目录并将此存储库的src放在那里。 命令行参数 服务器 服务器接受两个参数：端口号和是否可靠地发送数据包r或不可靠地u ，例如， server.exe 11999 r 这使服务器绑定到端口11999并可靠地发送数据包。 客户 客户端接受三个参数：服务器的 ip，服务器的端口，以及是可靠地r还是不可靠地发送数据包u ，例如， client.exe 127.0.0.1 11999 u 这使客户端连接到位于127.0.0.1:11999的服务器127.0.0.1:11999可靠地发送数据包。 笔记 如果选择不可靠的数据包传送，则每次更新都会发送数据包。 否则，仅
Enet5 文稿使用手册
09-10
通过本文档的详细介绍，用户不仅能够快速上手，还能深入理解系统的工作原理和最佳实践，从而更好地利用该系统提高工作效率和创作质量。无论是新闻文稿的撰写还是视频素材的管理，都能够得到有效的支持。
ENet
xiong_jun_chen的博客
11-09 1051
论文下载地址：论文下载地址请点击即可下载 ENet Abstract 面对的问题：深度神经网络需要大量的浮点运算，会影响实时性(FCN,SEGNET)。 解决办法：ENet，其专门为低延时设计的，ENet比现存方法最高快18倍，少用了75倍的浮点运算，少了79倍的参数，精度又与现存方法相差无几。 在CamVid,Cityscapes,SUN数据集上与当前全新的方法作了比较，并对一个网络在时间和精度上做了权衡。 introduction 背景：自动驾驶等应用在移动设备上实时运作的低功耗语义分割（或视觉场
ENet：一种用于实时语义分割的深层神经网络结构
的博客
11-09 3632
摘要： 实时执行像素语义分割的能力在移动应用程序中至关重要。最近针对这一任务的深层神经网络的缺点是需要大量的浮点运算，并且运行时间长，这阻碍了其可用性。在本文中，我们提出了一种新的深度神经网络体系结构ENet（高效神经网络），专门为需要低延迟操作的任务创建。ENet的速度高达18CamVid，Cityscaoes和SUN数据集上对其进行了测试，并报告了与现有最先进方法的比较，以及网络精度和处理时间之间的权衡。我们减少了嵌入式系统上拟议体系结构的性能度量，并提出了可能的软件改进建议，是ENet更快。 介绍
[论文笔记]ENet
Lxp_CC的博客
04-03 2234
Abstract ENet专为需要低延迟操作的任务设计，相对于现存的SOTA网络（SegNet），ENet运行速度快18倍，FLops少75倍，参数量少79倍，同时可以产生同等甚至更好的效果 Introduction 尽管CNNs在分类问题上精度越来越高，但当应用到像素级分类时产生的仍是粗糙的空间结果，因此，这些算法常与其他算法级联以改善结果 现存的分割网络都是参数量和计算量很大，不适用与移动设备，因此作者设计了一个为推理速度和高精度优化的新网络。在这个网络结构中没有使用后处理..
ENet——实时语义分割的深度神经网络架构与代码实现
知来者逆的博客
04-01 2336
在移动设备上执行实时像素级分割任务具有重要意义。现有的基于分割的深度神经网络需要大量的浮点运算，并且通常需要较长时间才能投入使用。本文提出的ENet架构旨在减少潜在的计算负担。ENet在保持或提高分割精度的同时，相比现有的分割网络，速度提升了18倍，参数量减少了79倍。论文地址：https://arxiv.org/abs/1606.02147随着增强现实设备、智能家居设备和自动驾驶技术的兴起，将语义分割算法移植到性能较低的移动设备上变得尤为迫切。
Enet算法回归问题的原理
03-28
Enet算法是一种回归模型，它是基于线性回归模型的改进版，通过同时考虑L1正则化和L2正则化，可以在保持模型稳定性的同时，提高模型的预测精度。 Enet算法的原理是在线性回归模型的基础上，添加L1正则化和L2正则化，以控制模型的复杂度。L1正则化可以使得模型产生稀疏解，即模型中的一些特征系数为0，从而减少特征的数量，提高模型的泛化能力。L2正则化可以控制模型的系数大小，防止过拟合。同时，Enet算法还采用了交叉验证来确定最佳的正则化参数，以进一步提高模型的预测性能。 Enet算法通过同时考虑L1和L2正则化，可以在保持模型稳定性的同时，提高模型的预测精度，特别是在处理高维数据时表现优异。
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