互联网模型

                                                                                            

                                   📑打牌 : da pai ge的个人主页
                                   🌤️个人专栏 : da pai ge的博客专栏
                                   ☁️宝剑锋从磨砺出,梅花香自苦寒来

                                   ☁️运维工程师的职责:监控,备份,应急故障处理

                   

​​

注意事项:

1、上三层是为用户提供服务的,下四层负责实际数据传输

2、下四层的传输单位:

传输层:数据段(报文)

网络层:数据包(报文分组)(大小不能超过2-65535Byle ),如果电脑接收到超过这个数据的包那就会死机,并且现在还没解决注意是协议问题,但是计算机会限制发送,例子如下 用-l 发数据

数据链路层:数据帧

物理层:比特(位)↔

3、越上层的设备越智能,能识别当前层以下所有协议,越近用户越下层的设备越傻瓜,越贴近硬件,

4数据发送时,数据从上层向下层传输数据接收时,数据接收后,数据从下层向上层传输,

5数据不能跨层传递,每层之间通过逻辑的接口传递

6物理层负责实际数据传递,其它层只是逻辑对应

7、0SI模型只是理论模型,不能对应实际协议或硬件,(但是在这里可以看成TCP/IP模型会好些理解)

交换机通信原埋:

  1. 设备和协议分层:

网络层   设备:路由器   协议  IP地址

:数据链路层  设备:交换机  协议:MAC地址

2拓扑图

电脑 A----交换机A1-----电脑B

电脑A封装数据

 Sport:

 Dport:

 SIP: A已知

DIP B 局域网(查询,询问) 广域网(DNS)

SMAC A  已知

SMAC B

3交换机的MAC地址

二层交换机:整个交换机只有一个MAC地址,此MAC地址不能作为网络访问目标,此MAC仅用于交换机之间特殊运算(STP)

三层交换机:此交换机当成路由器对等,每个接口拥有独立的MAC地址,每个接口可以配置独立IP地址,可以作为网络访问目标。

4、查询未知MAC地址的方法<

1)电脑:   会从第一个往下查即顺序查询

查询MAC地址表(临时生效)(IP----MAC)

例子:

电脑使用ARP广播,查询未知MAC地址

上图就是泛洪:使用泛洪查询未知MAC地址←

5、广播和泛洪

广播:广播是网络层的广播,广播的是IP地址广播地址:←

单网段广播地址:192.168.166.255-

全网段广播地址:255.255.255.255-

泛洪:泛洪是数据链路层的泛洪,泛洪的是MAC地址

泛洪地址:FF-FF-FF-FF-FF-FF

广播域:广播可以到达的范围 广播域和路由器的概念相似,所以在OSI七层模型中广播协议是局域网协议

问题,如果有两个交换机,然后A电脑要C电脑是如何通信? 还有如果A电脑和D电脑通信和上一个问题有什么不同?

问题1:交换机不认识IP地址,如何实现同逻辑网段通信的?

问题2:为什么需要即判断目标MAC地址,也要判断目标IP地址?为什么需要判断两次目标地址?

  • 8
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
互联网公司的深度学习模型可以使用不同的框架和技术来实现。例如,百度的mobile-deep-learning(MDL)框架提供了模型转换、加载、网络管理和矩阵运算等功能,以及供Android端调用的JNI接口层。该框架可以将Caffe模型转换为MDL模型,并支持将32位浮点型参数量化为8位参数,从而压缩模型体积。开发者可以通过调用JNI接口轻松完成加载和预测过程。[1] 另外,苹果公司在2017年推出了Core ML框架,用于在iOS设备上使用机器学习模型。Core ML的主要作用是将已经训练好的模型转换为iOS可理解的形式,并通过将新的数据输入模型来获取输出。这样,开发者可以轻松地在iOS应用程序中使用已经训练好的模型,而无需自己寻找模型或编写跨平台调用的代码。Core ML还可以利用iOS设备的GPU性能和Metal来进行矩阵运算,从而提高模型的性能。[2] 此外,还有其他一些方法和技术用于优化深度学习模型。例如,基于参数修剪和共享的方法可以去除冗余和不重要的参数项。基于低秩因子分解的技术使用矩阵/张量分解来估计模型的信息参数。基于传输/紧凑卷积滤波器的方法设计了特殊的结构卷积滤波器来降低存储和计算复杂度。知识蒸馏方法通过学习一个蒸馏模型,训练一个更紧凑的神经网络来重现一个更大的网络的输出。[3] 总之,互联网公司可以使用不同的框架和技术来实现深度学习模型,并通过优化方法和技术来提高模型的性能和效率。

“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