什么是RIP

RIP协议介绍 一、距离矢量路由算法DVR(Distance Vector Routing ) 1、基本思想: (1)、以跳数为代价单位; (2)、每个路由器周期性的与相邻路由器交换若干<x,d>二元组组成的路由信息,x表示可到达的目的站(主机或网络),d代表到目的站的距离(跳数); (3)相邻路由器得到路由信息后,按照距离矢量算法(最短路径原则,... 阅读详情

路由选择协议


当两台非直接连接的计算机需要经过几个 网络通信时,通常就需要 路由器。 路由器提供一种方法来开辟通过一个网状联结的 路径。在图R-9中标示了几条存在于洛杉矶和纽约办公室的 路径。这种 网状网络提供了 冗余路径以调整通信负载或倒行链路,通常有一条路径由于费用、速度或避开拥挤等理由优选于其它路径。路由选择协议的任务是,为 路由器提供他们建立通过 网状网络最佳路径所需要的相互共享的路由信息。

1概述编辑

(Routing protocol)
当一个计算机发送一个分组时,在网络上网络协议栈的每一层都附加一些信息给它。在接收方的 对等层协议可以读出这些信息。这些信息类似于通信会话的某些部分。 网络层的协议附加路由选择信息,这可能是通过一个网络的完整的路径或是一些指示分组应该采用那条路径的优先值。发送方添加的 网络层信息只能由 路由器或接收方的网络层协议读取。 中继器和 桥接器不能识别 网络层信息,只能传送和转发分组。

2算法编辑

一个 路由器设备可能有两个或多个可以发送数据分组的端口。它必须有一张 转发表(forwarding table)为每一个端口标明一个特定地址。早期 路由器不和其它路由器交换网络上有关路由器的信息,因此,一个路由器通常沿着每条路径发送数据分组,分组充满网络,并且发送的一些分组在网络上无休止地循环。
为了避免这些问题, 路由器可以依赖人工编程把选择的路径输进设备。这被称为 静态路由选择。 动态路由选择是一个更好的方式,它依靠 路由器收集网络信息和建立自己的 路由表。 路由器相互交换 路由表,并且归并这些路由信息建立更新的路由表。从其它 路由器上获得的信息,提供到网络上目的站点的路由中继(hop)数或与 路径相关的费用。同时,每个路由选择设备上的 路由表,应该包含大体上一致的路由选择信息。
在使用远程通信链路的 广域网中,规整化路由选择是基本的,但是必须在远程通讯链路迅速改变(例如,线路断)时,很快地调整到新的 路径拓扑。一个典型的Internet可能由2个、10个甚至50个 路由器组成,这些路由器可以通过拨号异步链路或专用高速数字线路(如T1)互相连接。对于一个在网络上传送的数据分组,它们到达 路由器时由路由器查看目的地址,并沿着最佳或非常合适的路由将分组发送到接收站。这样一条路由取决于所用的路由选择算法类型。
路由选择协议基本上有两类: 距离向量和链路状态,将在下面用两段文字介绍这两类协议。

距离向量

距离向量路由选择协议的分组传送路由是根据到接收站的hop数或费用决定的,这些信息由各相邻的 路由器提供。技术上通常都遵循Bellman-Ford算法。
一个 路由器(如图R-10)有几个端口,每个端口都有指定的价值,这些价值是由 网络管理员设定的。用使用一条线路实际费用的多少,作为一种衡量手段表明一条线路比另一条好或坏。此外,相邻的那些 路由器告诉它们把分组送往目的站要花费的代价。 路由器将端口的价值加到相邻路由器的价值上,如下面的例子:
端口1价值10 + 相邻 路由器价值17=27。
端口2价值20 + 相邻 路由器价值5=25。
端口3价值30 + 相邻 路由器价值7=37。
在这种情况下, 路由器将通过端口2传送分组,因为它表明到接收站的代价最少。假如有必要,用邻接端口2的 路由器再计算到下一个路由器的路径价值。
路由信息,如下一个hop的地址等都存在表中,并且 路由器大约每隔30秒互相交换表。初始时,每一个网络只知道直接相连的 路由器。当一个 路由器得到一张表,它将表项与自己的表进行比较。根据这些信息,它用新增路由或删除路由来修改表。表中信息包含:
网络号;
价值度量;
下一个hop的地址。

价值度

价值度量是 路由器向前传送分组到网中下一个路由器时选择路径所用的量值。通用 距离向量路由选择协议有:
路由选择信息协议(RIP)是一个首先在Xerox网络系统(XNS)中实现,而后又在Novell的NetWare中实现的 距离向量路由选择协议。
内部 网关路由选择协议(IGRP)是由Cisco开发的 距离向量路由选择协议。
路由选择表维护协议(RTMP)是一个在两个AppleTalk区中选取最佳路径的Apple协议,大约每10秒广播一次。
距离向量路由选择不适合于有几百个 路由器的大型网或经常要更新的网。在大型网中,表的更新过程可能过长,以至于最远的 路由器的选择表不大可能与其它表同步更新。在这种情况下,链路状态路由选择更可取些。另外,链路状态协议能够为安全起见把机密信息隔离在特殊区域,或避开网上正在进行计算机辅助设计(CAD)、 多媒体通讯等拥挤区域。并且,路由选择信息表在必要时进行交换而不是规律性地交换,这样可以减少网络上的信息流量。

链路状态

链路状态路由选择比 距离向量路由选择需要更强的处理能力,但它可以对路由选择过程提供更多的控制和对变化响应更快。路由选择可以基于避开拥塞区、线路的速度、线路的费用或各种优先级别。Dijkstra算法用于计算路由,根据如下:
分组到达目的站经过的 路由器数量,这叫做路由中继(hop),并且hop数越少越好。
局域网间传输线路的速度。有些路由使用低速异步连接,而另一些路由使用高速 数字链路。
信息拥塞将造成延迟。如果一台工作站传送一个大文件, 路由器可以通过不同的路径发送分组以避免交通阻塞。

路由费用

路由的费用, 网络管理员定义的一个度量,通常是根据 传输介质确定的。最便宜的路径可能不是最快的,但对某些类型的传输却更为可取。
最常用的 链路状态路由选择协议是 优先开放最短路径(OSPF),它和OSI的中间系统到中间系统(IS-IS)是类似的。OSPF的原型是Proten开发的,是从OSIIS-IS的一个早期版本中派生出来的。OSPF在Internet和TCP/IP网上IP通信的路由选择中使用。IS-IS既可在IP通信中使用,也可在OSI通信中使用。

选择表

OSPF路由选择表仅当在需要时更新,而不是定时更换。这有效地减少了通信流量和节省了网络带宽。通过网络的路径由上述标准选定。一个 网络管理员可以根据信息传送的类型编制通过网络的路径。例如,当线路有较高数据传输率时,即使通过网络的那条路径有较多的hop数也是很可取的;另一方面,对于不大重要的信息将安排在低速低值的线路上传送。

自治环境

Internet路由选择(TCP/IP)和OSI路由选择使用了一个 自治系统(AS)或管理区域(AD)的概念,可以简单地理解成区域(domains)。一个区域是一些使用相同路由选择协议的 主机和 路由器的集合,如图R-11中所示,它们使用相同的路由选择协议和由单一机构管理。换句话说,一个区域可以是一所大学或其它机构管理的一个互联网。例如Internet是一个由教育部门、政府机关和各个公司管理的 自治系统链接起来的互联网络。
每个机构都有自己的内部网络,通过外部 网关与Internet网连接(注:Internet网以前把 路由器称作网关, 外部网关协议。OSI协议也使用了 自治系统的概念,但在一个区域内的路由选择称为域内路由选择,区域之间的路由选择称为域间路由选择。

3实际应用编辑

实践中并非所有 路由器对网上每一个其它系统都进行联络,所以可以有不同的协议、划分不同的区域。在Internet网上有几百万个地址!路由选择信息的组织是 层次结构的,所以每个路由选择设备只需要有足够的信息就可以引导信息分组到下一个重要的 路由器。

域内协议

有许多种 内部网关协议,并有几种在Internet网上常用,这些协议已在条目“AppleTalk路由选择”,“Internet路由选择”和“OSI的路由选择”中讨论。
地址解析协议(ARP)是一个Internet(TCP/IP)协议,它为内部 路由器传递数据报提供了一种方法。
优先开放最短路径(OSPF)是一种 链路状态路由选择协议,它优于RIP。OSPF是Internet网中最常用的 内部网关协议,但OSI IS-IS协议也用于Internet。
端系统到中间系统(ES-IS)是OSI公布的一种协议,它帮助端系统(如用户的计算机)寻找定位 路由器,并提供一种方法使路由器告知端系统(ES)它们的存在。
中间系统到中间系统(IS-IS)也是OSI的一种路由选择协议,它为一个域内两个 路由器之间传送信息分组提供 动态路由。IS-IS是一种链接状态协议。
内部网关路由选择协议(IGRP)是Cisco开发的一种 距离向量路由选择协议。

域间协议

在自治域的边界是 路由器(以前在Internet网上被称为 网关)。这些 路由器和其它路由器用外部协议或Internet术语的 外部网关协议(EGP)交换信息。
外部网关协议(EGP)是Internet上最初的 域间路由选择协议。现在它已被周边 网关协议(BGP)取代了。支持EGP的 路由器也必须支持BGP。
周边网关协议(BGP)提供有关相邻点可达性信息。BGP可以减低 带宽需求,这是因为路由选择信息是增量交换的,而不是在 路由器间发送路由选择数据库信息。BGP也提供了基于策略的算法,使网络管理者对路由选择有较多的控制权,例如对某些信息传输实行优化的能力。
域间路由选择协议(IDRP)是一种OSI无连接分组(CLNP)的OSI路由选择协议。IDRP包含路由选择的策略,但它不大可能在Internet上代替BGP。IDRP可用一种协议进行IP和CLNP的域间路由选择来增加对IP的支持。

4相关条目编辑

Carrier Services电信服务;Layered Architecture 分层体系结构;Networks 网络;OpenSystem Interconnection Model 开放系统互连模型;Packets( 报文)分组,包;Protocols,Communication 通信协议;Protocol Stack 协议栈;Routing,AppleTalk AppleTalk的路由选择;Routing,IBM IBM的路由选择;Routing,Internet Internet的路由选择;Routing,NetWare NetWare的路由选择;Routing,OSI OSI的路由选择;Routing Information Protocol 路由选择信息协议;Routing Protocols路由选择协议;Wide Area Networks 广域网。
RIP基础知识及基础配置 前文我们提到了RIP,它是距离矢量型协议,今天我们就详细看一看 学一学。 阅读详情

相关推荐

RIP路由协议原理

RIP 文章目录RIP1. 路由协议基础1.1 自治系统(AS)1.2 路由协议分类2. RIP协议基本原理3. RIP路由表形成4. RIP消息格式5. RIP-1与RIP-25 .1RIP-1的报文格式5.2 RIP-2的报文格式5.3 运行RIP-1和RIP-2版本的不同5.3.1 运行RIP-1的时候5.3.2 运行RIP-2的时候5.3.3 RIP-1与RIP-2的不同6. RIP定时器6.1 更新定时器6.2 无效定时器6.3 垃圾收集定时器7. RIP环路问题8. 环路解决8.1 触发更新8.

weixin_43522969的博客 3577

CISCO BGP协议精简技术要点

CISCO BGP协议精简技术要点 1.    BGP特征1)      BGP是一种域间路由选择协议(IDRP),自主系统号是一个16位的数字,其取值范围为1~65535,64512~65535的AS号保留给私有: 2)      在不同自主系统中的路由器之间运行BGP时,被称为外部BGP(EBGP);在位于同一个自主系统中的路由器之间运行BGP时,被称为内部BGP(IBGP);

blakegao的专栏 2040

rip 协议的实验

解释 两台路由器r1 通过 10.1.1.1 和 对方10.1.1.2 互联,r1 的业务地址是 1.1.1.1r2 的直连地址是2.2.2.2 全部运行rip 协议我们来观察实验的过程。

weixin_44548030的博客 1442

RIP协议详解及快速学会RIP

版本分类RIP是应用层协议----端口号520(UDP)周期更新----30s的周期更新—保活、确认RIP协议的优先级-----100(华为)RIP的开销值以跳数为基数计算的,最大15跳;16则认为不可达开销计算方式。

m0_63342921的博客 6604

RIP两个版本:RIP-1和RIP-2

RIP-1的优点配置简单,实现成本低,适合小型网络环境。已经被广泛应用和验证,具有较高的稳定性。计算简单,对路由器资源消耗较低。RIP-1的缺点收敛速度慢,容易出现路由环路和震荡问题。最大跳数限制为15,在大型网络中可达性有限。不支持VLSM,地址空间利用率较低。没有认证机制,安全性较差。只支持IPv4单播地址,不适用于异构网络。RIP-2的优点相比RIP-1有很大改进,功能更加完善。支持VLSM,提高了地址空间利用率。使用多播方式更新,减少了不必要的流量。

网络技术联盟站 2159

PCIE6.0协议学习小记-Flit_Mode

PCIE6.0学习

code_aJack的博客 4647

RIP基础知识

RIP简介 RIP是Routing Information Protocol(路由信息协议)的简称,它是一种较为简单的内部网关协议(Interior Gateway Protocol)。RIP是一种基于距离矢量(Distance-Vector)算法的协议,它使用跳数(Hop Count)作为度量来衡量到达目的网络的距离。RIP通过UDP报文进行路由信息的交换,使用的端口号为520。 RIP包括...

曹世宏的博客 6万+

solidworks实体显示线框

solidworks实体莫名其妙显示为有点虚的线框

qq_35858902的博客 1万+

【网络协议】路由信息协议 (RIP)

路由信息协议是一种距离矢量路由协议,帮助路由器确定在网络中传输数据包的最佳路径。RIP 工作于 OSI 模型的网络层,使用跳数作为其度量标准来决定最佳路径。但 RIP 中允许的最大跳数为 15。路由信息协议通常用于中小型网络中。跳数是指源网络与目标网络之间的路由器数量。跳数最少的路径被认为是到达网络的最佳路径,并会被添加到路由表中。为了防止路由循环,RIP 限制了从源到目标路径中允许的最大跳数。RIP 中最大允许的跳数为 15,而跳数为 16 的网络会被视为不可达。

等风来 5954

Marvell车载以太网交换机芯片88Q5050

Marvell推出了四款车载用交换机芯片,88Q5050,88Q5050, 88Q5072和88Q6113。其中88Q5030有5 Port用于通信,88Q5050有8 Port用于通信,5072与6113有11 Port用于通信。由于项目中用到了88Q5050,所以本文中只涉及到88Q5050的内容。本文是对使用88Q5050的梳理和总结。

zhuwade的博客 2万+

GD32F303片内FLASH实战:从地址映射到数据持久化存储

本文详细介绍了GD32F303片内FLASH的实战应用,从地址映射到数据持久化存储的全过程。通过解析FLASH的基础特性、安全操作区域规划、擦除写入读取的三重奏操作,以及工程化进阶技巧,帮助开发者高效利用片内FLASH进行数据存储。文章还提供了调试技巧和常见问题解决方案,特别适合嵌入式开发者在实际项目中应用。

weixin_26742753的博客 218

RIP的基本概念

2.1 RIP的基本概念 RIP (Routing Information Protocol,路由信息协议)是最典型的距离矢量路由协议, 常被用于在小型的网络中交互路由信息,它是最先得到广泛使用的IGP协议,由于其工 作机制相对简单,因此一直以来都作为数通领域入门动态路由技术的协议被大家所熟知。 目前RIP存在三个版本,分别是面向IPv4的RIPv 1和RIPv2,以及面向IPv6的RIPng o 本章内容涵盖RIPvl和RIPv2,对于RIPng的讨论超出了本书的范围,请读者朋友们自 行查阅相关的文档书

mn3321的博客 2384

DeepSeek绝了!3分钟生成PPT,专治“五彩斑斓的黑“!!(保姆教程)

DeepSeek绝了!3分钟生成PPT,专治"五彩斑斓的黑"!!(保姆教程)

yizhen91y的博客 4万+

RIP协议

一。路由协议的介绍 自治系统(AS):在网络通信中,一个自治系统是指由若干个二层网络及若干台路由器组成的集合,集合中的这些网络及路由器均属于同一个管理机构。但是由于规模大小的不同,一个internet可能只包含一个自治系统,也可能包含多个自治系统。 路由协议的分类: 1.IGP——内部网关协议:成员有RIP协议、OSPF协议、IS-IS协议等等其他的协议。 2.EGP——外部网关协议:成员...

Knowledge warehouse 3万+

基于Simulink的PR(比例谐振)控制器在单相整流中的应用

本文详细介绍了基于Simulink的单相整流系统中PR(比例谐振)控制器的设计与实现方法。首先阐述了PR控制器相较于传统PI控制器的优势,能够有效消除交流信号跟踪中的稳态误差。接着系统讲解了PR控制器的传递函数原理、实用型设计(带带宽)及参数整定方法。通过Simulink建模步骤,包括主功率电路搭建、电压外环PI设计、电流指令生成、PR控制器实现(推荐MATLAB Function方法)和SPWM调制等关键环节。仿真对比显示PR控制在电流跟踪精度(THD仅1.9%)、功率因数(0.998)和动态响应(突变恢

amy_mhd的博客 695

PhotovoltaicPanelCleanlinessDetector:基于YOLOv8的光伏板清洁状态监测系统

data.yamlyaml复制编辑names:0: clean1: dust3: leaves4: shadow✅ 高精度污染识别✅ 具备实时检测与UI展示✅ 可本地化部署应用未来方向增加污染程度分级(轻度、中度、严重)加入时间序列分析(污染变化趋势预测)无人机集成巡检模块。

YOLO 276

RIP路由协议详解

一、RIP简介 RIP是Routing Information Protocol(路由信息协议)的简称,它是一种较为简单的内部网关协议(Interior Gateway Protocol) RIP是一种基于距离矢量(Distance-Vector)算法的协议,它使用跳数(Hop Count)作为度量来衡量到达目的网络的距离。设备到与他直连网络的设备跳数为0,然后每经过一个三层设备跳数增加1,也就是度量值等于从本网络到达目网络间的三层设备数量,但并不等于所经过的网段数 RIP通过UDP报文进行路由信息的

k916631305的博客 2万+

NEU-DET 冷轧钢缺陷检测:基于 YOLOv8 的目标检测与可视化 UI 实现

冷轧钢的生产过程中,由于设备故障、工艺问题或者人为因素,钢板表面可能会出现多种缺陷,如划痕、裂纹、孔洞等,这些缺陷会严重影响钢材的质量。它比之前的版本(如 YOLOv5、YOLOv4)在速度和精度上都有显著提升,并且对硬件要求较低,适合进行工业界面和嵌入式系统的应用。这些版本相较于更大型的模型(如 YOLOv8x)具有更快的推理速度和较低的资源占用,适合工业生产线中的实时应用。通过将训练好的模型部署到工业生产线摄像头中,我们可以实现实时的缺陷检测,极大地提升生产效率和产品质量。

YOLO 740

RIP原理

1 RIP原理 1.1 直连路由 路由器的某个接口配置了IP地址,路由器会自动的把接口IP所在网段的网络号学习到路由表中,加载进来的路由就是直连路由,家门口的路由。直连路由的前提是接口物理及协议状态必须都UP状态才能自动学习到路由表。 1.2 静态路由 根据数据访问需求手工在每台设备上进行添加和维护,不能够根据拓扑变化来动态响应。 1.3 动态路由协议 路由器自动进行路由信息的更新合同步,并且当网络拓扑变更时,能够自动收敛。所谓的动态路由协议就是让路由器彼此之间具备交互供计算路由信息,让路由器动态的学习,产

从宏观到微观,从抽象到具象! 7483

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

RIP1和RIP2的区别

RIP简介: RIP(Routing information Protocol)属于内部网关协议(Interior Gateway Protocol,简称IGP),适用于小型同类网络,是典型的距离向量(distance-vector)协议 RIP 通过广播UDP报文来交换路由信息,每30秒发送一次路由信息更新。RIP提供跳跃计数(hop count)作为尺度来衡量路由距离,跳跃计数是一...

xtggbmdk的博客 1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

RIP

路由信息协议 RIP 是内部网关协议 IGP中最先得到广泛使用的协议。RIP 是一种分布式的基于距离向量的路由选择协议。RIP 协议要求网络中的每一个路由器都要维护从它自己到其他每一个目的网络的距离记录。 RIP是应用层协议。“距离”的定义 : 从一路由器到直接连接的网络的距离定义为 1。 从一个路由器到非直接连接的网络的距离定义为所经过的路由器数加 1。 RIP 协 议 中 的 “ 距 离 ”

姜希成的博客 1万+

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

RIP——路由信息协议

协议 RIP 的工作原理、为什么RIP好消息传播得快,坏消息传播得慢

m0_64621282的博客 5826

RIP 技术深度解析

RIP 是(路由信息协议)的简称。它是一种较为简单的内部网关协议 IGP),主要应用于规模较小的网络中。对于更为复杂的环境和大型网络,一般不使用 RIP协议。RIP 是一种基于距离矢量()算法的协议,它通过UDP报文进行路由信息的交换,使用的端口号为520。RIP 使用跳数(Hop Count)来衡量到达目的地址的距离,称为度量值。在RIP中,缺省情况下,设备到与它直接相连网络的跳数为 0,通过一个设备可达的网络的跳数为1,其余依此类推。

weixin_55299404的博客 1826
上一篇: 对.NET系统架构改造的一点经验和教训
下一篇: linux应用调试
Code_My_Life
博客等级 码龄12年 43粉丝 108原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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