m0_74027860的博客

原创 一台主机有多少单播地址和组播地址？

一、二、三、四”记忆法一个角色：主机既是拥有者（单播地址），也是收听者（组播地址）。两类地址单播（我是谁）和组播（我听什么）。三个“自”（单播）：在本地交流用链路本地。在全球交流用单播地址。和自己交流用环回。四个“频”内部频道​ (FF01::1)：本机自己听。小区广播​ (FF02::1)：全网段必须听。专属信箱​ ()：找我的专用通道。兴趣小组​ (FF0X::...)：我自愿加入的组。最终检验1个链路本地地址（每个接口）至少1个全球/唯一本地单播地址（每个接口）1个环回地址 (::1监听。

原创 BGP章节复习指南

核心知识点BGP定位：理解BGP是外部网关协议，用于不同自治系统之间的路由交换AS概念：掌握自治系统的定义、编号范围（1-65535）、公有/私有AS号划分：区分同一AS内部（IBGP）和不同AS之间（EBGP）的BGP会话BGP特点：基于策略的路由选择、TCP 179端口、手动配置邻居、路径矢量协议。

原创 路由部分知识点（路由表、距离矢量路由、链路状态路由）

特性静态路由距离矢量 (RIP)链路状态 (OSPF/IS-IS)工作原理​手动配置听邻居说，只知下一跳和距离收集全网地图，自己独立计算度量依据​无跳数带宽、延迟等综合开销收敛速度​瞬时（配置即生效）慢（周期更新，计数到无穷）快（触发更新，SPF重算）环路避免​无环（人工保证）易产生，靠机制缓解算法保证（SPF树无环）资源消耗​无低（定期广播）高（维护LSDB，运行SPF）网络规模​任意小（≤15跳）大（分层设计）配置复杂度​简单简单复杂。

原创 RIPng报文的格式、路由表条目结构以及报文处理流程

报文结构：RIPng报文 = 8字节头部 + N×20字节RTERTE创新：引入“下一跳RTE”和“前缀RTE”两种类型，下一跳可被多个前缀共享，节省带宽IPv6适配：用“前缀长度”替代“子网掩码”，用16字节字段存IPv6地址处理机制：Request/Response模式，支持“通用请求”（要全部）和“指定请求”（要特定）效率优化：组播发送，减少网络负担；触发更新，加快收敛RIPng在继承了RIP简单易用优点的同时，通过重新设计RTE结构，完美适配了IPv6的地址特点和现代网络对效率的需求。

原创 RIPv1、RIPv2 和 RIPng的定义、特点、区别

对比维度RIPv1​RIPv2​RIPng​协议类别​有类路由协议无类路由协议​无类路由协议​IP版本​IPv4IPv4IPv6​子网掩码/前缀​不携带（有类推断）携带子网掩码​携带前缀长度​VLSM支持​不支持​支持​支持​CIDR支持​不支持​支持​支持​更新方式​广播 (255.255.255.255)组播 (224.0.0.9)​组播 (FF02::9)​认证​不支持​支持（明文/MD5）​支持​下一跳指定​不包含包含​包含（IPv6链路本地地址）最大跳数​151515当前状态。

原创 距离矢量路由协议的路由环路问题

为了让您彻底分清这两个“环”，我做个对比表：特性您之前遇到的“快递环”（转发平面环路）​图片中的“路由环”（路由协议环路）​发生层面​数据包转发层面路由信息传播层面触发原因​静态配置错误（汇总路由太宽泛）动态协议缺陷（相信并传播错误的路由信息）核心问题​对“不存在地址”的转发行为冲突​对“失效路由”的认知不一致与缓慢修正​环路实体​数据包本身在设备间来回传送路由信息（路径、距离）在设备间循环增长表现形式​一个具体的数据包在网络中打转一条路由条目的“距离”值不断被放大解决思路​配置黑洞路由。

原创 路由环的产生过程，配置黑洞接口Null0解决路由环

阶段问题后果解决方案配置阶段路由汇总过于宽泛创建路由"黑洞"精确配置路由攻击阶段匹配汇总路由形成环路资源耗尽、网络拥塞Null0黑洞路由防御阶段防止未来类似攻击网络稳定性保障精细化路由策略网络概念生活比喻核心问题解决方案R1的默认路由​小区保安：“不认识的人都送去派出所”过于宽泛，把“假坏人”也送去了R2的汇总路由​派出所：“小区的事都送回小区”过于宽泛，把“假坏人”又送回来了​整个小区的“虚拟地址簿”包含了一些不存在的“幽灵楼”地址路由环​。

原创 QoS（服务质量）知识体系总结

是指网络为不同数据流提供差异化服务的能力，通过合理分配网络资源（带宽、延迟、抖动、丢包率），确保关键应用获得所需的性能保障。QoS不是增加带宽，而是在有限资源下优化分配。

原创 几种路由选择协议快速记忆

内网用IGP（DV类RIP/IGRP、LS类OSPF/IS-IS），外网用BGP；DV是互相报距离，LS是自己画地图算路径。

原创 GNN复习指南（图神经网络）

A. 无向图的拉普拉斯矩阵是对称矩阵 B. (L=D-A)（(A)为邻接矩阵） C. 特征值均为负数 D. 可对角化。A. 增加节点度数 B. 保留节点自身特征（加自环） C. 降低计算复杂度 D. 使邻接矩阵对称。A. 随机游走长度 B. 带偏游走（BFS/DFS权衡） C. 窗口大小 D. 嵌入维度。GCN的层更新公式中，(\tilde{A}=A+I_N)的目的是（ ）（答案：C，拉普拉斯矩阵是对称半正定，特征值非负）下列关于拉普拉斯矩阵的说法错误的是（ ）

原创 RNN循环神经网络介绍

h_t = σ(W_hh * h_{t-1} + W_xh * x_t + b_h) # 隐藏状态更新y_t = W_hy * h_t + b_y # 输出计算RNN及其变体（LSTM、GRU）为序列数据处理提供了强大的工具。从动机到实际应用，RNN的核心价值在于能够建模序列依赖关系，这在时间序列分析、自然语言处理、语音识别等领域具有不可替代的作用。关键要点序列数据普遍存在且重要RNN通过循环连接实现记忆功能LSTM/GRU通过门控机制解决长期依赖问题实际应用需要考虑数据特性和业务需求。

原创 无监督学习：自编码器（Autoencoder）

编码器：通过神经网络将高维输入（如MNIST的28×28图像，展平为784维向量）映射为低维潜码，实现数据压缩；潜空间：存储潜码的低维空间，潜码是输入数据的紧凑表示；解码器：通过神经网络将潜码映射回原始输入维度，实现数据重构。核心目标是最小化重构误差，使重构输出x\hat{x}x与原始输入xxxx−x2x−x2。

原创 IPV6补充（姊妹协议，三种获取方式、IPV6+）

IPv6技术综述：地址获取、协议特性与发展趋势 IPv6通过静态配置、SLAAC无状态自动配置和DHCPv6有状态分配三种方式获取地址，满足不同场景需求。其分组格式采用40字节固定头部与扩展头部链，支持灵活功能扩展。IPv6+（如SRv6、网络切片）在标准协议基础上增强可编程性和业务感知能力。关键姊妹协议包括ICMPv6（NDP、MTU发现）、DHCPv6和MLD多播管理。过渡技术涵盖双栈、隧道（6to4、Teredo）及翻译（NAT64）。全球部署加速，中国用户规模领先，5G、物联网和云网融合推动IPv6

原创 IPV6的六种单播地址：本地链路地址 环回地址 未指定地址 唯一本地地址 嵌入式Ipv4地址 全局单播地址

​ 用于同一链路上邻居设备之间的通信，是许多 IPv6 协议（如 NDP、DHCPv6 交互）的基石。，当设备尚未拥有有效地址，但需要发送探测报文时（如 DAD 重复地址检测、DHCPv6 初始请求）。，不会出现在线路上。​ 地址中包含一个由你自己随机生成的 40 位“全局 ID”，这使得不同组织内部网络。作为源，向它的“请求节点多播地址”发送 NS 报文，询问“这个地址有人用吗？​ 不依赖运营商分配，非常适合用作内部服务器、网络基础设施的稳定地址。上通信使用的地址，相当于 IPv4 的公网 IP。

原创 SDN中组播安全的学习指南

本文系统梳理了SDN组播安全的学习要点，主要内容包括：1）SDN架构基础与组播管理机制，对比传统组播与SDN组播的差异；2）SDN组播面临的三类安全威胁（控制平面、数据平面和管理平面）；3）四大安全防范策略（访问控制、身份认证、异常检测和策略隔离）；4）五类预测考题及答题要点（概念阐述、威胁分析、防范设计、比较分析和综合应用）。文章为SDN组播安全学习提供了完整的知识框架和备考指南，强调理论结合实践，关注最新研究趋势，并给出具体的学习建议和答题技巧。

原创 IPv6协议深入学习指南（从易到难）

特性IPv4IPv6​32位128位​4.3×10⁹3.4×10³⁸​点分十进制冒号分隔十六进制​DHCP/手动​ARP​20-60字节固定40字节​路由器发送主机​ToS字段流标签字段​IPSec可选IPSec集成。

原创 IPV6复习（基础入手版）

地址表示法压缩规则十六进制转换特殊地址记忆地址类型单播、多播、任播的区别全局、链路本地、唯一本地地址重要多播地址寻址机制SLAAC过程DAD原理EUI-64生成子网划分/64子网标准子网ID计算地址空间规划。

原创 论文公式编号完整设置指南

逐个选中公式行应用之前保存的公式编号样式。（→表示制表符，在编辑标记下可见）第一个→：在公式前（由Tab产生）第二个→：在编号前（原有的分隔符）：检查页边距，确保42字符在页面内。【开始】→【样式】→【创建样式】光标放在公式前点击tab应用样式。：按Tab后公式和编号一起移动。：用表格封装，整体应用编号。：第二行用缩进，编号右对齐。编号跳到42字符处右对齐。：插入新公式后编号不连续。公式跳到21字符处居中。在公式后按Tab，添加。检查编号是否保持右对齐。：不同公式对齐位置不同。点击【确定】保存样式。

原创 从旧服务器迁移前后端与数据库至新阿里云服务器详细教程

本教程详细介绍了从华为云Ubuntu 20.04服务器迁移至阿里云Ubuntu 22.04服务器的全过程。内容包括：迁移前环境确认、Windows本地SSH配置、新服务器基础环境搭建（Docker/Docker Compose）、Gitea act_runner部署（前后端独立Runner配置）、代码仓库克隆与检查、Postgres数据库迁移等关键步骤。教程采用容器化部署方案，确保服务平稳过渡，特别适合使用Gitea Actions进行CI/CD的团队参考。

原创 强化学习基础概念与核心算法全解析

状态处理：从 “低维离散（Q 表格）”→“高维连续（深度网络）”；动作适配：从 “离散动作（Q-Learning/DQN）”→“连续动作（PPO/DDPG/SAC）”；学习稳定性：从 “单一学习模式（高方差 / 高偏差）”→“混合框架（AC，平衡方差与偏差）”；效率优化：从 “纯试错（Q-Learning）”→“试错 + 模拟（Dyna-Q/AlphaZero）”。

原创 将2D基础模型（如SAM/SAM2）生成的2D语义掩码通过几何一致性约束映射到3D高斯点云

​：指在大规模2D图像数据集上预训练好的、能够理解图像通用语义的AI模型。它们具备强大的零样本（zero-shot）或少样本（few-shot）能力，即无需或仅需少量特定数据的训练，就能完成各种视觉任务。​。

原创 COLMAP 和 SFM的关系是什么？

COLMAP 和 SFM（Structure-from-Motion）是计算机视觉中用于三维重建的核心技术，二者既有紧密关联，又在功能和应用上存在显著差异。

原创 NERF的原理

我们提出了一种方法，通过使用输入视图的稀疏集优化底层的连续体场景函数，从而获得复杂场景的最新视图合成结果。我们的算法表示一个使用全连接(非卷积)深度网络的场景，其输入为单个连续的5D坐标(空间位置( x , y , z ))和观测方向( θ , φ)，输出为该空间位置的体积密度和与视角相关的辐射亮度。我们通过查询沿相机光线的5D坐标来合成视图，并使用经典的体绘制技术将输出的颜色和密度投影到图像中。由于体绘制是自然可微的，优化我们的表示所需的唯一输入是一组已知相机姿态的图像。

原创 3D高斯泼溅（3D Gaussian Splatting, 3DGS）​​ 的核心原理

​​​：从多视角图像通过SfM（运动恢复结构）生成的稀疏点云出发，经过​​转换为3D高斯分布，再通过​​和​​（动态分裂/修剪高斯以优化几何细节），最终由​​实时渲染成高质量图像，且整个流程支持梯度反向传播（箭头方向），实现端到端的联合优化。​3DGS是一种​​，将场景建模为数十万至数百万个​​（Gaussian ellipsoids），通过可微分光栅化实现实时渲染。其核心优势在于：​​：直接操作高斯参数（位置、协方差、颜色等），区别于NeRF的隐式神经场。​。

原创 什么是特征蒸馏？什么是知识蒸馏？

​​特征蒸馏是一种知识迁移方法，它将教师模型在中间层学到的特征表示（如语义、结构、上下文信息）迁移到学生模型中，让学生模型不仅学会“做什么”（输出），还学会“怎么看”（特征），从而提升整体性能。​​。

原创 RGB图像和深度图和点云分别是什么？有什么关系

类型维度包含信息像素/点含义是否含3D信息常见来源​​RGB图像​​2D颜色（R, G, B）每个像素是颜色值❌ 否普通相机、手机拍照​​深度图​​2D深度（距离相机的 Z 值）每个像素是深度值（距离）✅ 间接RGB-D相机、立体视觉、深度估计​​点云​​3D3D坐标 (X,Y,Z)，可含颜色每个点是空间中的一个位置✅ 是RGB-D相机、LiDAR、多视图重建。

原创 ENABLING REALTIME REINFORCEMENT LEARNING AT SCALE WITH STAGGERED ASYNCHRONOUS INFERENCE

以下是针对论文《ENABLING REALTIME REINFORCEMENT LEARNING AT SCALE WITH STAGGERED ASYNCHRONOUS INFERENCE》（使用交错异步推理实现大规模实时强化学习。

原创 ubuntu(22.04)系统上安装 MuJoCo

完成以上步骤后，就可以在 Linux 上使用 MuJoCo 进行物理仿真了！如需使用 Franka 机器人模型，可以参考。

原创 Canny边缘检测详细步骤

The ​。

原创 傅里叶变换（Fourier Transform, FT）对​​非周期信号在频域的完整刻画​​，其核心输出是一个​​复数频谱函数​​

傅里叶变换（Fourier Transform, FT）的结果是对​​，其核心输出是一个​​，包含信号的全部频率成分信息。

原创 傅里叶级数（Fourier Series，简称FS）的结果​​--幅度、频率和相位信息

傅里叶级数（Fourier Series，简称FS）的​​是将任意​​分解为一系列​​，并给出每个谐波分量的​​。

原创 离散傅里叶变换（DFT）核心原理及其在压缩中的应用​​，​​采样定理

​等领域的核心应用。后续可深入研究快速算法（FFT）与小波变换（Wavelet）的对比优势！对一张图片做DFT → 保留不同数量低频系数重建 → 直观理解压缩比与失真关系。理解时域离散性/周期性 ↔ 频域周期性/离散性。通过此文档，您已触及DFT在​。​：时域和频域均为​。​，适合计算机处理。

原创 傅里叶级数从三角函数形式到复指数形式的完整推导步骤

原创 两个矩阵的卷积运算

但实际计算时，我们通常使用更简便的方法：直接滑动相乘相加，而不显式翻转，因为离散卷积中翻转180度后的卷积核滑动相乘就相当于翻转后的点积。按照valid模式（即卷积核完全覆盖在A上时），输出矩阵的大小为 (3-2+1) x (3-2+1) = 2x2。求矩阵A与矩阵B的卷积，先将B沿X轴翻转，然后沿Y轴翻转，然后将矩阵A左边一列和上边一列补0，然后对应位相乘并相加，得到某一位的结果。计算： (2 * (-1) + 3 * 0 + 5 * 0 + 6 * 1) = -2 + 0 + 0 + 6 = 4。

原创 几种颜色模式介绍及其区别以及一些常见题型

一、RGB（红绿蓝）模式概念：RGB是一种加色模式，通过红（R）、绿（G）、蓝（B）三种颜色通道的叠加来表示颜色。每种颜色的强度通常用0到255的整数表示（8位通道），也可以用0.0到1.0的浮点数表示。主要用于显示器、电视等发光设备。二、CMYK（青、品红、黄、黑）模式概念：CMYK是一种减色模式，通过青（Cyan）、品红（Magenta）、黄（Yellow）和黑（Key）四种颜色的混合来表示颜色。每种颜色用百分比（0%到100%）表示。

原创 Invalid bean definition with name ‘employeeMapper‘ defined in file。解决问题

求解决方法：

原创 SpringBoot项目中，controller 、 entity、mapper和service包的介绍

在Spring Boot项目中，mapperservicecontroller和entity是标准的代码分层目录，每个目录有明确的职责划分。

原创 SpringBoot常见注解（Annotations）：@Controller、@GetMapping等的含义

在Spring Boot中，注解（Annotations）是框架的核心组成部分，用于简化开发并定义组件的行为。以下是类似的。

原创 谷歌（Google）账号注册可以试试这个方法

真的在电脑上尝试了网上看到的各种方法，都没有成功。最后，在手机软件商店安装了Chrome，很简单就注册好了，也不需要手机验证码，只需要设置密码就行了。

原创 unordered_set 的常用函数

在 C++ 的标准库中，是基于哈希表实现的哈希集合。下面介绍这种语言里哈希集合的常用函数。