m0_65787507的博客

原创 2025届CS保研经验简帖

华五基本上全被杀了，包括上交（密院，电院）、南大（计院，智软，工管）、西湖、中科大（网安，先研，科学岛）、复旦（工研院）、浙大（海宁）。末9，计算机普通班，前五学期排名2/63，前六学期排名1/63，综测排名1/63（后面两个排名因为开的很晚，导致基本没用上）由于bg太差了所以基本只能去中9，且成电计算机没放我入营，当时天都塌了，给教务打电话复活也没成功，emo了好久好久。科研：校级大创队长（一篇持续几个月的在投SCI，现已寄），自所实习（2个月，无产出，但做的工作开阔了视野）

原创 Tutorials about this CSDN Account

​ Generally, I put my blogs into different columns due to their reliance on courses. So basically you can refer to a set of study materials according to a bar on the left side, which is called 专栏 in Chinese.

原创 【编译原理】TOP50计算机编程语言分析总结——Fortran

实验2：TOP50计算机编程语言分析总结——Fortran一、实验目的1：深入了解Fortran编程语言，理解其语言特性和应用领域。2：掌握词法分析的原理，了解如何将源代码中的字符序列转换为token序列。3：掌握语法分析的原理，学会根据语言的语法规则分析记号序列并生成语法树。4：理解从源代码到可执行程序的编译过程，深入理解计算机程序的执行机制。5：比较不同编程语言的特点，了解不同编程语言在设计理念、语言特性、应用场景等方面的异同。二、实验要求1：描述Fortran语言的

原创 【编译原理】编程语言认知

是：先从数组中取出一个基准数(一般情况下取左边第一个数)，通过一趟排序将要排序的数组划分为独立的两个部分，要求是一趟排序完成后，基准数的左边的数都小于基准数，基准数的右边的数都大于基准数。在本次实验中，C语言、C++、Java、Matlab可以实现快排的递归写法，而Python、R、JavaScript需要通过非递归的写法实现，否则堆栈会出现溢出的情况（爆栈）。由上表可知，从平均耗时的角度来看，各个编程语言从快到慢的排序依次为：Java、JavaScript、C、Matlab、C++、Python、R。

原创 【编译原理】TOP50编程语言分析

Julia是由Jeff Bezanson、Stefan Karpinski、Viral B. Shah和Alan Edelman等人于2009年开始开发的一种高性能、动态类型的编程语言，旨在提供与C语言一样的性能，同时保持像Python、Matlab和R等动态语言的简洁和易用性。Kotlin具有现代化的语法、完备的标准库、与Java的无缝互操作性和丰富的工具支持，成为开发Android应用程序和服务器端应用程序的流行选择之一，被广泛应用于各种领域的软件开发中。

原创 【人工智能Ⅱ】课堂PPT习题汇总（方便复习版）

UnetDeepLab系列简单RNN目标检测：GAN强化学习。

原创 【计算机网络】应用层（第6章）大纲（共70+页）

原创 【计算机网络】运输层（第5章）大纲（共70+页）

原创 【计算机网络】网络层（第4章）大纲（共70+页）

原创 【计算机网络】数据链路层（第3章）大纲（共70+页）

本来是mindmap的，但是太大了只能导出成提纲了，凑合看吧orz。如果你找我要源文件，最好是在2024年，不然我可能就找不到了（）。最后只复习了1.5天，应用层简单过了一遍。

原创 【计算机网络】无线网络和移动网络（第9章）大纲（共70+页）

本来是mindmap的，但是太大了只能导出成提纲了，凑合看吧orz。如果你找我要源文件，最好是在2024年，不然我可能就找不到了（）。最后只复习了1.5天，应用层简单过了一遍。

原创 【计算机网络】概述（第1章）大纲（共70+页）

本来是mindmap的，但是太大了只能导出成提纲了，凑合看吧orz。如果你找我要源文件，最好是在2024年，不然我可能就找不到了（）。最后只复习了1.5天，应用层简单过了一遍。

原创 【计算机网络】物理层（第2章）大纲（共70+页）

本来是mindmap的，但是太大了只能导出成提纲了，凑合看吧orz。如果你找我要源文件，最好是在2024年，不然我可能就找不到了（）。最后只复习了1.5天，应用层简单过了一遍。

原创 【计算机网络】期末实验答辩

3）同学们可使用自己的电脑或者实验室的电脑，当场登陆学吧下载指定的实验报告进行答辩（或者自行制作的ppt），但答辩时不能携带其他资料；2）在答辩当日每位同学由老师在表格中的三个实验中抽取一个实验，学生要在5分钟内使用自己提交的报告或者自行制作的对应实验的ppt，对该实验的大体步骤和原理进行讲解，之后由老师对该实验的内容进行提问。1）每位同学要在下面做过的实验列表中选取三个实验进行答辩准备，并将自己的姓名，学号以及三个实验序号填入共享文档"1（2）班答辩名单"中。12.DNS，DHCP和HTTP实验。

原创 【计算机网络】HTTP协议实验

第二条是HTTP/1.1 200 OK，是服务器（10.206.1.6）对客户端（10.206.1.5）请求的回应，表示请求成功（状态码200 OK），并返回了HTML内容。第一条是GET / HTTP/1.1，是客户端（10.206.1.5）向服务器（10.206.1.6）发送的一条HTTP GET请求，要求获取服务器根路径（/）上的资源。2：如果HTML中还包含图片、视频等外部超链接信息，客户端还会额外发送对这些外部超链接信息的HTTP请求，之后会返回图片、视频等内容的文件到本地。

原创 【计算机网络】DHCP实验

在 windows下用ipconfig/release命令释放DHCP的IP地址，然后再用命令ipconfig/renew重新获取IP地址，抓包分析DHCP Release和DHCP获取IP的过程。1：中继代理的作用是转发来自客户端的DHCP请求和来自服务器的DHCP响应，尤其是在客户端和服务器不在同一网络段时。说明客户端和服务器之间一组四个DHCP发现，DHCP提供，DHCP请求以及 DHCP响应的顺序，说明每个数据包的源和目标端口号，单播还是广播？在抓包数据中，租约时间通常以小时为单位，如下图所示。

原创 【计算机网络】DNS命令练习与抓包分析实验

可以发现，已获得的DNS服务器有6个，分别是auth4.dns.ox.ac.uk、auth6.dns.ox.ac.uk、dns1.dns.ox.ac.uk、auth5.dns.ox.ac.uk、dns0.dns.ox.ac.uk、dns2.dns.ox.ac.uk。（2）攻击者伪造DNS响应包，使得DNS服务器缓存虚假的IP地址，从而影响用户的访问。可以发现，北京科技大学邮箱的邮件服务器有3个，分别是dns.ustb.edu.cn、dns2.ustb.edu.cn、dns4.ustb.edu.cn。

原创 【计算机网络】TCP负载均衡实验

分别采用Telnet和远程桌面连接(设置方法是右击“计算机”图标，在弹出的快捷菜单中选择“属性”选项，在“系统属性”对话框中选择“远程”,选择“允许用户远程到此计算机”复选框)的方法代替(1),重做(2)～(4)的内容。1：采用prefix设置rotary存在问题，在主机A的浏览器上访问虚拟地址，该虚拟地址只会翻译到服务器1的地址，而不会翻译到服务器2的地址。然后，在主机A上尝试以远程连接的方式访问服务器2的主机。首先，配置服务器2主机的远程设置，变成允许其他主机远程连接到当前主机的状态。

原创 【计算机网络】OSPF单区域实验

DR和BDR是由同一网段中所有的路由器根据路由优先级和Router ID通过Hello报文选举出来的，只有优先级大于0的路由器才具有选举资格。进行DR/BDR选举时每台路由器将自己选出的DR写入Hello报文中，发给网段上的每台运行OSPF协议的路由器。如果DR或BDR失效，或者有新的路由器加入网络并希望成为DR或BDR，那么它们将参与新的选举过程。4：非DR路由器将自己的LSA发送给DR，然后DR将这些LSA泛洪到整个区域，使所有路由器获得一致的LSDB，从而确保区域内路由器都能计算出相同的最短路径树。

原创 【计算机网络】RIP路由协议实验

（3）网络配置调整：如果PC1和PC2位于同一广播域内且网络中有路由器在使用RIP协议，那么只要将它们的网络接口设置为混杂模式，就有可能捕获到RIP数据包。如果不在同一广播域，需要在路由器或网络上设置端口镜像（SPAN）或网络分析口，将RIP流量复制到PC1和PC2所连接的端口。在使用RIPv1的网络中，所有子网都必须使用相同的、基于类别的标准子网掩码，否则会导致子网掩码信息的不一致和路由错误。随着RIPv2的运行，路由器能够动态地了解到更多远程网络的信息，这些信息是通过与邻居路由器的交互获得的。

原创 【计算机网络】ICMP报文实验

具体来说，超时报告有一个外层的internet control message protocol，内部包含基本的echo分组信息、internet protocol version 4、一个内层的internet control message protocol。1：常用的查询报文和差错报文的type和code如下。2：IP协议的缺点：IP协议没有差错报文或差错纠正机制，且缺少一种为主机和管理查询的基址。：设计拓扑并实现抓包分析4种icmp报文，每种报文按下表填写抓到的前4个报文信息。

原创 【计算机网络】单臂路由实现VLAN间路由实验

路由器的接口收到数据包，检查此包的目的MAC地址, 如果和接口的一样就收下，并进行路由转发，否则就丢弃。1：在路由器上，如果路由器与交换机连接的端口为0/0，则进入子接口使用0/0.port，其中port对应交换机上的端口。单臂路由是指在路由器的一个接口上通过配置子接口的方式，实现原来相互隔离的不同VLAN之间的互联互通。在本实验中，路由器的0/0接口用于实现VLAN 10、VLAN 20、VLAN 30的互通。5：路由器中的子接口是逻辑接口，而不是实际的物理接口，但是其功能与物理接口相同。

原创 【计算机网络】静态路由实验

可以发现，Serial 5/1处的端口网段被配置为10.206.8.2/24，且端口的状态为开启（up），GigabitEthernet 0/1处的端口网段被配置为10.206.7.1/24。以10.206.6.8为起点，以10.206.7.2为终点，进行路由追踪的检测结果，如上图所示。在配置静态路由之后，路由表增加了非直连网段的路由条目，记录了这些条目的目标网段的IP地址、子网掩码以及对应的下一跳接口或接口的IP地址。可以看到，我们令路由器1左侧配置的不同网段之间的路由信息加入到路由器2的路由表中。

原创 【计算机网络】IP分片实验

MAC帧的数据部分的最大长度为1500字节，IP数据报会在数据部分加上20个首部字节，ICMP会在整个报文中加上8个字节。1：虽然wireshark里面一次请求报文中被分割成4个ipv4和1个icmp，但是本质上一次请求报文包含5个ipv4帧信息，最后一个帧由于包含icmp属性才显示为icmp帧。其中，PC为接收方的IP地址，Byte_size为数据报文的字节数。IPv4处的信息包括接收方的IP地址、发送方的IP地址、首部长度、分片总长度、标识、生存时间、协议类型等，这些内容属于网络层。

原创 【计算机网络】ARP协议分析实验

接收方的MAC地址为00:00:00:00:00:00，IP地址为10.206.6.2。因为在第一次捕获时，查询ARP地址映射表后发现没有接收方IP地址所对应的MAC地址，因而需要通过广播的方式获取，并且获取后存入ARP地址映射表中。在第一次捕获时，接收方的MAC地址为00:00:00:00:00:00。在第二次捕获时，接收方的MAC地址为e0:be:03:75:53:a9。：通过构造特殊的ARP请求包或响应包，包含错误的IP地址和MAC地址的对应关系，并发送到网络，实现ARP协议的欺骗实验。

原创 【计算机网络】数据链路层实验

可以看到7、8、47口为jishu名字下的VLAN中，1、2、5、6、47口为xiaoshou名字下的VLAN中，其他口默认为VLAN0001名字下的VLAN中。此时4号计算机在VLAN 20，6号计算机在VLAN 10，结果为无法ping通，说明通过多个交换机连接的位于不同VLAN下的计算机无法互相访问。此时4号计算机在VLAN 10，6号计算机在VLAN 10，结果为可以ping通，说明通过多个交换机连接的同一个VLAN下的计算机可以互相访问。VLAN1属于系统的默认 VLAN，不可以被删除。

原创 【计算机网络】WireShark和简单http抓包实验

此数据包的时间偏移是0秒，与上一个捕获帧之间的时间差是0.00046秒，与上一个显示帧之间的时间差是63.029081秒，自参考帧或第一个帧以来的时间是159.335411秒。多个HTTP GET的返回状态代码和短语，如下图所示。【2】重定向状态码。最后在WireShark中停止捕获，保存捕获到的报文，并以http条件进行筛选，查看所有与http协议有关的报文内容，回答相应的问题。可以看到，该数据帧的编号是42544，帧的总长度为486字节（3888比特），实际捕获的帧长度也为486字节（3888比特）。

原创 【计算机网络】网络传输速率实验

第二行和第三行尝试从 C:\test\ 复制 test.zip 文件到网络路径 \\RICOTTAWAN\test，并随后删除 C:\test\ 中的 test.zip 文件。即，将文件从计算机A传输到计算机B。第四行和第五行则尝试从 \\RICOTTAWAN\test 复制文件到 C:\test\，并尝试删除 \\RICOTTAWAN\test\test.zip 文件。即，将文件从计算机B传输到计算机A。同理，配置计算机B，设置完全共享的test文件夹，并获得计算机B的名称为【RICOTTAWAN】。

原创 【人工智能Ⅱ】实验9：强化学习Q-Learning算法

路径如下表所示，依次为下——上——不动——不动——不动——下——下——不动——不动——上——上——不动——下——上——下——不动——下——上——下——右——下——不动——右——右。注意：从环境中获取的状态，有时候叫state，有时候叫observation，它们其实一个代表全局状态，一个代表局部观测值，在多智能体环境里会有差别，但在环境没有那么复杂时，可以先把这两个概念划上等号。路径如下表所示，依次为上——右——右——右——右——右——右——右——右——右——右——右——下。

原创 【人工智能Ⅱ】实验8：生成对抗网络

实验8：生成对抗网络一：实验目的1：理解生成对抗网络的基本原理。2：学会构建改进的生成对抗网络，如DCGAN、WGAN、WGAN-GP等。3：学习在更为真实的数据集上应用生成对抗网络的方法。二：实验要求1：理解生成对抗网络改进算法的改进内容和改进目的。2：参考课程资源中的2024年春第八次实验代码，完成生成对抗网络改进算法WGAN或DCGAN网络的实现。3：在Fashion MNIST数据集上验证生成对抗网络改进算法的效果，并对其进行调优。4：在玉米数据集上验证生

原创 【离散数学】数理逻辑&集合论知识点汇总

【离散数学】数理逻辑&集合论知识点汇总

原创 【人工智能Ⅱ】实验7：目标检测算法2

实验7：目标检测算法2一：实验目的与要求1：了解一阶段目标检测模型-YOLOv3模型的原理和结构.2：学习通过YOLOv3模型解决目标检测问题。二：实验资源pytorch代码各文件夹内容介绍1. data_loader.py：能够传入模型的Dataloader构建函数。2. data_operate.py: 数据操作。3. get_box.py: 获取数据标记框函数。4. Loss.py：训练主体程序。5. main.py: 主函数。6. metric.p

原创 【计算机网络】第二章：物理层

应用层表示层会话层运输层网络层数据链路层物理层。

原创 【算法基础】第六章：贪心

给定 N个闭区间 [a,b]，请你在数轴上。输出选择的点的最小数量。位于区间端点上的点也算作区间内。① 所有区间按右端点从小到大排序② 遍历每一个区间，如果当前区间的左与前一个区间的右有交集，则只需要一个点就可以覆盖掉两个区间。

原创 【PyTorch】7-生态简介

注：所有资料来源且归属于thorough-pytorch(https://datawhalechina.github.io/thorough-pytorch/)，下文仅为学习记录The torchvision package consists of popular datasets, model architectures, and common image transformations for computer vision.常用库：包含在计算机视觉中常见的数据集例如：包含数据预处理方法和数据增强方法T

原创 【PyTorch】6-可视化（网络结构可视化、CNN可视化、TensorBoard、wandb）

注：所有资料来源且归属于thorough-pytorch(https://datawhalechina.github.io/thorough-pytorch/)，下文仅为学习记录。

原创 【PyTorch】5-进阶训练技巧（损失函数、学习率、模型微调、半精度训练、数据增强、超参数设置）

PyTorch在torch.nn模块提供了许多常用的损失函数，比如：MSELoss，L1Loss，BCELoss非官方提供的Loss，比如：DiceLoss，HuberLoss，SobolevLoss损失函数仅是一个函数如果看每一个损失函数的继承关系，可以发现Loss函数部分继承自_loss，部分继承自，而继承自_loss_loss继承自nn.Module。损失函数类需要继承自nn.Module类。【案例：DiceLoss】应用：分割DiceLoss2∣X∩Y∣∣X。

原创 【PyTorch】4-模型定义（Sequential、ModuleList/ModuleDict、模型块组装、修改模型、模型保存和读取）

Module类是torch.nn模块里提供的一个模型构造类 (nn.Module)，是网络模型的基类。

原创 【人工智能Ⅱ】实验6：目标检测算法

实验6：目标检测算法一：实验目的与要求1：了解两阶段目标检测模型 RCNN或Faster RCNN模型的原理和结构。2：学习通过RCNN或Faster RCNN模型解决目标检测问题。二：实验内容常用的深度学习框架包括PyTorch和PaddlePaddle等，请选择一种深度学习框架，完成后续实验。2.1 RCNN模型简介区域卷积神经网络（RCNN）系列模型为两阶段目标检测器，包含对图像生成候选区域，提取特征，判别特征类别并修正候选框位置等几个步骤。 RCNN系列目前包含两

原创 【人工智能Ⅱ】实验5：自然语言处理实践（情感分类）

（2）GRU模型在训练过程中的验证集上的最高准确率为88.98%，而LSTM模型在训练过程中的验证集上的最高准确率为89.72%。（3）GRU模型最终的测试准确率为84.70%，而L，STM模型最终的测试准确率为87.72%。（1）GRU模型的训练参数量为336673，而LSTM模型的训练参数量为328481。在模型训练环节，批次大小选为32，迭代次数选为15，验证集在输入训练集中的占比为20%。在模型训练环节，批次大小选为32，迭代次数选为15，验证集在输入训练集中的占比为20%。