《计算机网络》期末复习笔记

简介: 《计算机网络》期末复习笔记

一、一些英文名词的标签(方便记忆)

ICMP:拒绝PING的嗅探、消息不可靠、TCP/IP错误需要报告、控制传输中的差错

FTP:缺省21号、文件传输

POP3:取出邮件、接受邮件、远程获取邮件

路由器:多层协议支持、不只是点对点传输

RTP:TCP/IP矢量路由协议

VLAN:广播域

DNS:域名和IP转换

RARP:MAC地址转IP

ARP:IP转MAC地址

ISP:因特网服务提供商

SDV:相邻层间

SMTP:电子邮件之间互相传递协议

IP:低层协议、不是按顺序、重组目的主机、分组交换、数据报

OSPF:域内路由协议

ARPANET:最早的Internet

TCP:连接、通信规定、网际层解决通信问题、数据单元(段)

二、OSI七层协议

物理层:实际通信、不参与数据封装、中继器所在层

数据链路层:帧的校验和、将比特流划为帧、PPP协议

网络层:路由选择、拥塞控制、互联、决定途径通过子网、、路由器选择

运输层:TCP/UDP、进程间传递报文

会话层

表示层

应用层:两端用户传输文件

三、综合题

3.0 知识点储备

IP地址类型 二进制 地址范围 默认子网掩码
A类地址 000 1-126 255.0.0.0
127用于回环测试地址
B类地址 100 128-191 255.255.0.0
C类地址 110 192-223 255.255.255.0
D类地址(多点广播) 111 224-239 255.255.255.255

IP:网络号+主机号(网络号也就是子网掩码255)

如果主机号全为0,称网段地址

如果主机号全为1,称广播地址

这两个不可用

关于CRC的计算,步骤是:

第一步:根据G(x)的多项式系数确定,如 x^3+x^1+1,则二进制串为1011;若x^3+1,则二进制串为1001

第二步,与数据(发送数据并且在末尾加3个0,10000101000)相除,规则是相同为0,相异为1

第三步,将余数置于发送数据的末尾,即为答案10000101111


3.1 在Internet 网中,某计算机的IP 地址是11001010.01100000.00101100.01011000 ,请回答下列问题

第一问:就是二进制转十进制,2^0-2^7

第二问:由于IP地址开头是110,所以断定是C类地址

第三问:由于是C类地址,则网络掩码为255.255.255.0

第四问:由于没有划分,所以主机号就是IP地址的最后一段

3.2 假定发送方要发送的数据为10000101。采用CRC 的生成多项式为G(X)=X3+X+1。试求发送方实际发送的比特串?

3.3 某主机在一个C 类网络上的IP 地址是200.192.77.88,如果需要将该网络划分成14 个可用子网,每个子网最多接入14 台主机

(1)子网掩码应取什么?

(2)该主机所在的子网,可分配给主机使用的IP 地址范围是什么?

第一问:由于是C类地址,则为255.255.255.0

第二问:

首先14台的话,就必须向上取2的指数次,16,也就是说,在最后的8位网络地址中,前4位为网络地址11110000

00000000就是,第一个子网的网段地址

11111111就是,第十六个子网的广播地址

后四位为当前网段的主机号的IP范围

进行计算,165=80,166=96

所以88在第5个子网中,即80-95之间

由于网段地址:主机号全0和广播地址:主机号全1不可用

所以可分配给主机使用的IP 地址范围是81-94

即200.192.77.81-200.192.77.94

3.4 通过IEEE 802.3 局域网传送ASCII 码信息“Good morning!”,若封装成一个MAC 帧

(1)该帧的数据字段有效字节为多少?(2)需要填充多少个字节?

3.5 一个UDP 用户数据报的数据字段为9652 字节,要使用以太网来传送。问应当划分为几个数据报片?说明每一个数据报片的数据字段长度和片偏移字段的值。

四、对这门学科的一些话

我是电子信息专业的,所以我们学习计网不会像计算机那样深入,我们只需要会背,会记忆就行,把大题目都搞懂,把一些A类地址、B类地址这些分清楚、什么子网、什么掩码之类。再背选择题的时候,有意识的进行归纳,所以需要你们自己去归纳知识点。就像我一些英文名词的标签(方便记忆)很多知识点都有重合,所以整理下,能起到举一反三的作用。
相关文章
|
3月前
|
Linux 开发工具 Android开发
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
ijkplayer是由Bilibili基于FFmpeg3.4研发并开源的播放器,适用于Android和iOS,支持本地视频及网络流媒体播放。本文详细介绍如何在新版Android Studio中导入并使用ijkplayer库,包括Gradle版本及配置更新、导入编译好的so文件以及添加直播链接播放代码等步骤,帮助开发者顺利进行App调试与开发。更多FFmpeg开发知识可参考《FFmpeg开发实战:从零基础到短视频上线》。
267 2
FFmpeg开发笔记(六十)使用国产的ijkplayer播放器观看网络视频
|
3月前
|
机器学习/深度学习 数据可视化 计算机视觉
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作,并使用ResNet系列网络作为例子,展示了如何在训练过程中加入代码来绘制和保存特征图。
70 1
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
|
3月前
|
机器学习/深度学习 数据可视化 Windows
深度学习笔记(七):如何用Mxnet来将神经网络可视化
这篇文章介绍了如何使用Mxnet框架来实现神经网络的可视化,包括环境依赖的安装、具体的代码实现以及运行结果的展示。
63 0
|
3月前
|
机器学习/深度学习 编解码 算法
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
MobileNetV3是谷歌为移动设备优化的神经网络模型,通过神经架构搜索和新设计计算块提升效率和精度。它引入了h-swish激活函数和高效的分割解码器LR-ASPP,实现了移动端分类、检测和分割的最新SOTA成果。大模型在ImageNet分类上比MobileNetV2更准确,延迟降低20%;小模型准确度提升,延迟相当。
90 1
轻量级网络论文精度笔记(三):《Searching for MobileNetV3》
|
3月前
|
机器学习/深度学习 网络架构 计算机视觉
目标检测笔记(一):不同模型的网络架构介绍和代码
这篇文章介绍了ShuffleNetV2网络架构及其代码实现,包括模型结构、代码细节和不同版本的模型。ShuffleNetV2是一个高效的卷积神经网络,适用于深度学习中的目标检测任务。
121 1
目标检测笔记(一):不同模型的网络架构介绍和代码
|
3月前
|
XML 开发工具 Android开发
FFmpeg开发笔记(五十六)使用Media3的Exoplayer播放网络视频
ExoPlayer最初是为了解决Android早期MediaPlayer控件对网络视频兼容性差的问题而推出的。现在,Android官方已将其升级并纳入Jetpack的Media3库,使其成为音视频操作的统一引擎。新版ExoPlayer支持多种协议,解决了设备和系统碎片化问题,可在整个Android生态中一致运行。通过修改`build.gradle`文件、布局文件及Activity代码,并添加必要的权限,即可集成并使用ExoPlayer进行网络视频播放。具体步骤包括引入依赖库、配置播放界面、编写播放逻辑以及添加互联网访问权限。
208 1
FFmpeg开发笔记(五十六)使用Media3的Exoplayer播放网络视频
|
3月前
|
机器学习/深度学习 数据采集 算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务,涵盖了从数据准备到训练、测试和部署的完整流程,并提供了相关代码和配置文件。
73 0
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务(从数据准备到训练测试部署的完整流程)
|
3月前
|
编解码 人工智能 文件存储
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
YOLOv7是一种新的实时目标检测器,通过引入可训练的免费技术包和优化的网络架构,显著提高了检测精度,同时减少了参数和计算量。该研究还提出了新的模型重参数化和标签分配策略,有效提升了模型性能。实验结果显示,YOLOv7在速度和准确性上超越了其他目标检测器。
66 0
轻量级网络论文精度笔记(二):《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
|
3月前
|
机器学习/深度学习 Python
深度学习笔记(九):神经网络剪枝(Neural Network Pruning)详细介绍
神经网络剪枝是一种通过移除不重要的权重来减小模型大小并提高效率的技术,同时尽量保持模型性能。
88 0
深度学习笔记(九):神经网络剪枝(Neural Network Pruning)详细介绍
|
3月前
|
机器学习/深度学习 算法 TensorFlow
深度学习笔记(五):学习率过大过小对于网络训练有何影响以及如何解决
学习率是深度学习中的关键超参数,它影响模型的训练进度和收敛性,过大或过小的学习率都会对网络训练产生负面影响,需要通过适当的设置和调整策略来优化。
604 0
深度学习笔记(五):学习率过大过小对于网络训练有何影响以及如何解决