HCNP笔记-网络基础知识

简介: HCNP笔记-网络基础知识

第一堂课

osi七层模型

应用层

表示层

会话层

传输层

 

网络层 作用 寻址和路由

ip地址

 

数据链路层

定义了mac地址 交换机工作在数据链路层

数据链路层协议:

广域网数据链路层协议 (需要接口是串口)端口的最大速率是2mb

点到点 ppp hdlc

点到多点 x.25 frame atm

 

物理层 :

定义了线缆的标准 集线器与中继器工作在物理层

有线 包含了双绞线 传输距离是100米 根据线的质量定距离 200一箱与700一箱是有实际距离差异的

stp

utp

3类 4类 5类 超5类 6类

568a 交叉

568b 直连

光纤 单模适合长距离 多模适合短距离传输

无线

 

各种工作原理和作用

中继器

作用:放大信号  可以突破网线的距离限制

 

集线器HUB  

半双工

多端口中继器

接收主机发来的信息 并无条件的向除原端口之外的所有端口 进行转发(泛洪)

模拟信号 :频分复用

数字信号:时分复用

交换机

1.源和目的 的mac地址在表中有,并且在同一端口,会丢弃该数据帧

2.源和目的 的mac地址在表中有,但 不在同一端口,会向以目的地址所对应端口进行转发

3.如果目的的mac地址不在表中,交换机就会泛洪

工作核心是 mac表  

mac表用来记录所有mac地址

 

路由器

路由表

路由表的建立

1.直连 自己的物理端口所对应的链路(IP地址和up)

2.静态

ip router 目的网段 掩码 下一跳

默认路由(缺省路由)

主要是在上外网的地方配置默认路由

路由备份 和 负载分担

路由备份

一条电信 一条网通 如果电信为主

负载分担 两条路径同时走  

什么时候需要用负载分担  如果情况是两条运营商同时走 两条一分级(没听懂)配成一样 配 两条默认路由

3.动态

根据工作范围范围

 

as  自治系统 使用同一组 策略的一组路由器的集合  一个区域 一个范围 独立的系统

 

IGP:RIP OSPF is-is

EGP:bgp

根据算法:

距离矢量算法 rip bgp

rip   v1        v2

  不支持组播     支持组播

  不支持验证     支持验证

  不支持变长子网掩码   支持变长子网掩码

request response  会将整个路由表发送给邻居 周期性维护   rip更新时间为30s    建立 维持 通告 都是一股脑的将整个路由表发送给邻居  效率低工作原理简单 根据跳数来计算

链路状态算法 ospf is-is

ospf根据带宽

目录
相关文章
|
6天前
|
机器学习/深度学习 计算机视觉 知识图谱
【YOLOv8改进】MobileViT 更换主干网络: 轻量级、通用且适合移动设备的视觉变压器 (论文笔记+引入代码)
MobileViT是针对移动设备的轻量级视觉Transformer网络,结合CNN的局部特征、Transformer的全局注意力和ViT的表示学习。在ImageNet-1k上,它以600万参数实现78.4%的top-1准确率,超越MobileNetv3和DeiT。MobileViT不仅适用于图像分类,还在目标检测等任务中表现出色,且优化简单,代码已开源。YOLOv8引入了MobileViT块,整合卷积和Transformer结构,提升模型性能。更多详情可参考相关专栏和链接。
|
6天前
|
机器学习/深度学习 数据可视化 计算机视觉
【YOLOv8改进】MCA:用于图像识别的深度卷积神经网络中的多维协作注意力 (论文笔记+引入代码)
YOLO目标检测专栏介绍了YOLO的创新改进和实战案例,包括多维协作注意力(MCA)机制,它通过三分支架构同时处理通道、高度和宽度注意力,提高CNN性能。MCA设计了自适应组合和门控机制,增强特征表示,且保持轻量化。该模块适用于各种CNN,实验证明其在图像识别任务上的优越性。此外,文章还展示了如何在YOLOv8中引入MCA层的代码实现和相关任务配置。
|
6天前
|
机器学习/深度学习 计算机视觉
【YOLOv8改进】 YOLOv8 更换骨干网络之GhostNetV2 长距离注意力机制增强廉价操作,构建更强端侧轻量型骨干 (论文笔记+引入代码)
该专栏聚焦YOLO目标检测的创新改进与实战,介绍了轻量级CNNs和注意力机制在移动设备上的应用。文章提出了一种名为GhostNetV2的新架构,结合了硬件友好的DFC注意力机制,强化了特征表达能力和全局信息捕获,同时保持低计算成本和高效推理。GhostNetV2在ImageNet上以167M FLOPs达到75.3%的top-1准确率,优于同类模型。创新点包括DFC注意力、模型结构优化和效率提升。源代码可在GitHub和MindSpore平台上找到。此外,还提到了YOLOv8的相关实现和任务配置。
|
6天前
|
机器学习/深度学习 存储 测试技术
【YOLOv8改进】 YOLOv8 更换骨干网络之 GhostNet :通过低成本操作获得更多特征 (论文笔记+引入代码).md
YOLO目标检测专栏探讨了卷积神经网络的创新改进,如Ghost模块,它通过低成本运算生成更多特征图,降低资源消耗,适用于嵌入式设备。GhostNet利用Ghost模块实现轻量级架构,性能超越MobileNetV3。此外,文章还介绍了SegNeXt,一个高效卷积注意力网络,提升语义分割性能,参数少但效果优于EfficientNet-L2。专栏提供YOLO相关基础解析、改进方法和实战案例。
|
7天前
|
计算机视觉
【YOLOv8改进】 AFPN :渐进特征金字塔网络 (论文笔记+引入代码).md
YOLO目标检测专栏介绍了YOLO的有效改进和实战案例,包括AFPN——一种解决特征金字塔网络信息丢失问题的新方法。AFPN通过非相邻层直接融合和自适应空间融合处理多尺度特征,提高检测性能。此外,还展示了YOLOv8中引入的MPDIoU和ASFF模块的代码实现。详情可参考提供的专栏链接。
|
6天前
|
编解码 计算机视觉 网络架构
【YOLOv8改进】BiFPN:加权双向特征金字塔网络 (论文笔记+引入代码)
该专栏深入研究了YOLO目标检测的神经网络架构优化,提出了加权双向特征金字塔网络(BiFPN)和复合缩放方法,以提升模型效率。BiFPN通过双向跨尺度连接和加权融合增强信息传递,同时具有自适应的网络拓扑结构。结合EfficientNet,构建了EfficientDet系列检测器,在效率和准确性上超越先前技术。此外,介绍了YOLOv8如何引入MPDIoU并应用BiFPN进行可学习权重的特征融合。更多详情可参考提供的专栏链接。
|
7天前
|
域名解析 网络协议 网络安全
|
20天前
|
安全 网络协议 网络安全
网络安全笔记整理,你花了多久弄明白架构设计
网络安全笔记整理,你花了多久弄明白架构设计
|
20天前
|
安全 网络协议 网络安全
网络安全笔记整理(1),字节跳动网络安全内部学习资料泄露
网络安全笔记整理(1),字节跳动网络安全内部学习资料泄露
|
20天前
|
Linux 网络安全 Windows
网络安全笔记-day8,DHCP部署_dhcp搭建部署,源码解析
网络安全笔记-day8,DHCP部署_dhcp搭建部署,源码解析