【网络编程】专题一:基础概念(一)

引言

        本系列文章旨在记录网络编程学习过程,包含基础知识的整理以及自己的一些学习心得,共勉。

一、概述

        网络编程是网络间通信的一种编程方式。最主要的工作就是在发送端把信息通过规定好的协议进行组装包,在接收端按照规定好的协议把包进行解析,从而提取出对应的信息,达到通信的目的。中间最主要的就是数据包的组装、过滤、捕获和分析。

        在学习一项新知识之前,个人习惯于用思维导图的方式来简单规划自己的学习路线(后期学习过程不断补充和修正),如下图所示:

二、通信协议和网络分层模型

1、通信协议

        计算机网络的核心内容就是网络协议,协议即规则、约定的集合。网络通信协议是计算机网络和分布系统中,互相通信的对等实体间交换信息时所必须遵守的规则的集合。通过这些规则,网络上的节点才有了彼此通信的"共同语言",但是不同计算机之间必须便用相同的规则才能进行通信。一个形象的比喻就是我们使用的语言,在国内我们都是用普通话,在国际上一般都使用Chinglish(手动滑稽)

2、网络分层

        两个系统中实体间通信是一个十分复杂的过程,为了减少协议设计过程的复杂性,多数网络的实现都按分层次的方式来组织。不同的网络标准,其分层的数量、层次的功能及内容都不尽相同。

 
图2-1 网络协议的层次结构
3、网络分层模型

        为了使不同网络体系结构的网络产品实现互联,国际标准化组织(ISO)和国际电报电话咨询委员会(CCITT)共同制定了开放系统互联参考模型(OSI),简称OSI参考模型。OSI参考模型共分7层:物理层、数据链路层、网络层、传输层、会话层、表示层、应用层。OSI是一个理想的网络通信模型,一般的网络系统只涉及其中的几层,在实际应用过程中逐渐被TCP/IP协议所取代。TCP/IP协议已成为事实上的网络通信标准。

 

图2-2 网络协议的层次模型

1)物理层

        一个传输数据的可靠的物理媒体

        重要设备:中继器和集线器。

2)数据链路层

        将数据组合成数据块,称为帧(数据+控制信息),基本传输数据单位
        遵循以太网协议
        重要设备:网桥和交换机

3)网络层
        实现数据透明传输,功能主要有寻址和路由选择
        核心协议:IP协议,无连接数据报传输、数据报路由选择和差错控制
        重要设备:路由器

4)传输层
        端对端的数据连接&传输
        重要设备:网关

5)会话层
        会话层管理主机之间的会话进程,即负责建立、管理、终止进程之间的会话。会话层还利用在数据中插入校验点来实现数据的同步。

6)表示层
        不同的pc机拥有不同的编码方式,需要在这里进行转换,转换成网络通信中采用的标准表现形式

7)应用层
        提供给操作系统或者应用程序,用来进行网络通信的标准接口
4、网络分层协议        

        不管是OSI模型还是TCP/IP模型,每一层都有自己专属协议,完成相应的工作并与上下层进行沟通。

        1)TCP:传输控制协议,TCP是一种面向连接的协议,它给用户进程提供可靠的双全工的字节流。

        2)UDP:用户数据报协议,UDP是一种无连接协议,不能保证任一数据都能到达目的地

        3)ICMP:网际控制消息协议,ICMP处理路由器和主机之间的错误和控制消息。这些消息一般由TCP/IP网络软件自身产生和处理

        4)ARP:地址解析协议,把IP地址映射到硬件地址(以太网地址)

        5)RARP:反向地址解析协议,把硬件地址映射到IP地址

        6)FTP、TELNET、HTTP:应用层协议,实现文本传输等功能
5、总结        

        编程的精髓在于编程思想,在解决网络通信问题中引入“分层”思想,把复杂问题分解为若干个容易处理的小问题,整个问题的复杂度就下降了。网络分层的优点:

        1)层与层之间相互独立,仅仅通过层之间的接口沟通。当任何一层发生变化时,只要保持接口关系不变,就不会对其它层造成影响,非常灵活。

        2)各层都可以采用合适的技术实现

        3)易于实现和维护

        4)能促进标准化工作

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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