三次握手与四次挥手

1、介绍

TCP(网络传输控制协议),是一种面向链接的、可靠的、基于字节流的传输层通信协议。

在数据传输前建立连接的工作需要经历三次握手,数据传输后断开连接要经历四次挥手。

 

 

2、TCP标志位

TCP共有6个标志位,分别是:

(1)SYN(建立连接)

(2)ACK(确认)

(3)PSH(传输)

(4)FIN(结束)

(5)RST(重置)

(6)URG(紧急)

 

3、三次握手过程

 

 

 

(1)Client向Server发送一个连接请求,将数据包中标志位SYN=1,发送序号SEQ=x,同时Client进入SYS_SEND状态。(SYN发送状态)

(2)Server收到数据包后,根据收到的SYN=1知道了Client请求建立连接,Server将标志位SYN和ACK都置为1,确认需要ACK=x+1,随机产生一个发送序号SEQ=y,将该数据包发送给Client以确认连接请求,Server进入SYN_RCVD状态。(SYN收到状态)

(3)Client收到Server发来的数据包,检查确认序号是否是x+1,标志位ACK是否为1,如果正确,则将标志位ACK置为1,确认序号ACK=y+1,并将数据包发送给Server,Server检查确认序号ACK是否为y+1,标志位ACK是否为1,如果正确则连接建立成功,Client和Server进入EstabLished状态。(已建立的状态)

 

4、四次挥手过程

 

 

(1)假设现在Client想要断开连接,则向Server发送一个数据包,其中标志位FIN=1,ACK=1,发送序号SEQ=x,确认序号ACK=y,Client进入FIN_WAIT状态。

(2)Server收到Client发送的FIN=1,知道了Client想要断开连接,则向Client发送一个确认包,其中标志位ACK=1,发送序号SEQ=y,确认序号ACK=x+1,Server进入Close_WAIT状态。

(3)这时Server也要断开连接,此时向Client发送一个数据包,其中标志位FIN=1,发送序号SEQ=y+1,Server进入Last_ACK状态。

(4)Client收到了Server的断开请求后,Client进入Time_Wait状态,接着发送一个确认包,标志位ACK=1,发送序号SEQ=x+1,确认序号ACK=y+2,Server收到后确认信息进入Closed。Client等待2MSL(报文段最大生存时间)秒后发现没有回复则也变为Closed状态。

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