IP专线——看完这篇没有不懂的

SDH、MSTP、OTN和PTN的关系 WDM在设计之初就有一个严重缺陷:比如一个货物要从西安运到北京,预先分配的车道是10车道(第10波),那么从西安到北京全程都是第10车道,不能更改,除非你经过了好几个高速段(光再生段),如西安-郑州、郑州-北京,那么你在郑州可以有一次更换车道的机会,而且这种更换车道的代价是为你这次的行为专门修一条小路(布放光纤)。一种认为我们自己成立的运输公司不让SDH的客户(TDM业务)上车,如果一定要进来,必须改头换面-伪装(仿真),同时我们没有时间上的保证(无时间同步),我们纯粹为我们以太网服务,我们的公司名叫。 阅读详情
AI摘要

随着企业数字化转型,对IP专线的诉求日益增大。本文介绍了IP专线产生的原因,包括企业上云、高ROI驱动及MSTP设备老化等。阐述了其核心价值,如弹性高可靠承载、业务敏捷开通等。还说明了主要应用场景,如云骨干网络、行业IP专网和高品质IP专线。

号主:老杨丨11年资深网络工程师,更多网工提升干货,请关注公众号:网络工程师俱乐部

下午好,我的网工朋友。

IP专线是具备最短路径互联、颗粒度灵活、SLA可视等特点的专线技术。随着企业数字化转型带来企业业务加速上云的趋势,企业对IP专线的诉求日益增大,SLA可保障、快速开通、带宽按需自助成为企业基本诉求。

企业业务的变化对运营商提供的专线提出更高的要求。为助力运营商打造差异化优势,IP专线解决方案也应运而生。

今天就来讲讲IP专线,一篇文章带你了解!

今日文章阅读福利:《 华为交换机开局配置一本通 》

顺手发个好东西!网工必备资料!!

146d4ff0276d5dc4379400f3a13982d2.jpeg

私信我,发送暗号“一本通”,即可获取这份优质PDF资源。

01 为什么需要IP专线?

专线是指运营商依托国内骨干网及宽带城域网资源,提供专线接入方式,为企业、政府以及其他有较高数据接入要求的客户提供更为优质专业的服务。

随着数字化转型、云化应用的快速发展,企业的业务流向和流量结构发生了变化。为追求更高运营效率、更低成本和更高数据安全性,企业将上云和业务云化作为当前业务发展的主体趋势,同时对灵活组网、敏捷互联以及灵活带宽提出诉求。因此,企业业务的变化对运营商提供的专线提出更高的要求。

当前,专线业务市场呈现以下趋势:

01 企业上云驱动专线业务持续增长

企业数字化的浪潮中已经涌现出了海量的机会。企业数字化转型呈现出云化、视频化和5G化的趋势,由此演进出不同的业务需求。

作为运营商,需要为企业客户提供“专线+云+X“的服务,构筑和其他运营商以及OTT服务(Over-the-top media service)的差异化竞争力。

02 高ROI驱动单独建网

近年来,企业业务流向呈现集中化趋势,因此对于业务密集区域,专线市场潜藏大量机会点。为该区域价值客户建立专网业务将会转化成高ROI(Return on investment,收入回报率)。专线市场的潜在市场回报驱动专线网络的加速建立。

03 现存MSTP设备老化,开始向IP专线全面迁移

当前专线业务中,MSTP(Multiple Spanning Tree Protocol,多生成树协议)专线占比高。

然而,当前现网使用的数百万MSTP设备存在老化、标准无演进和资源耗尽等问题,导致现网的大量低阶专线业务在未来无法继续扩容。较之IP专线,MSTP专线的带宽调整能力较差,在承载数据业务时,带宽利用率不高。

此外,传统MSTP专线跨域复杂,需集成多种接入网络。IP专线解决了MSTP专线痛点,因此MSTP专线开始向IP专线大规模升级迁移。

面对以上需求,IP专线解决方案应运而生,其智能化为运营商提供了差异化竞争力。IP专线能为企业用户提供大带宽、端到端低时延、快速发放、敏捷调整的高质量承载网络,具有”快捷、灵活、可靠和高ROI”的特点,是企业数字化转型过程中最佳的助手。

02 IP专线的核心价值是什么?

IP专线的主要价值是由架构智能化带来的。

IP专线解决方案用SDN实现了其架构的智能性,形成区别于与其它专线的核心竞争力。IP专线解决方案自上而下分为业务运营层、业务协同层、网络管控层和网络承载层,其中NCE作为支撑IP专线解决方案的网络智能大脑,集管、控、析为一体,南向实现全局网络的集中管理、控制和分析,北向提供开放网络API与上层系统对接、快速集成。

下图展示了IP专线网络架构。

7d29b377cdec2dfa430a96d038045210.jpeg


01 IP专线网络架构

IP专线网络架构主要有一下几个优势:

1.弹性高可靠承载

作为IP专线解决方案的承载基础,NCE为各类专线业务提供弹性承载架构和高可用承载保障能力。通过NCE可配置分钟级BOD实现高弹性带宽能力,应对人流的潮汐带来网络流量的潮汐,满足高峰时按需调整带宽。

NCE分析和收集网元和链路的SLA信息,比如全网时延地图,计算业务路径并下发策略到设备。从设备、网络、业务各层构建高可靠承载,实现端到端高可用、全业务50ms快速保护倒换。

2.业务敏捷开通

IP专线利用IP网络的灵活性,实现一线多业务,为业务敏捷提供了承载基础。NCE北向提供面向业务意图的开放API,支持与上层OSS/协同器、三方CSP的快速集成,南向兼容存量和三方网络,使全网端到端业务敏捷发放更加容易。

在企业客户通过自助界面完成申请、修改或变更业务后,运营商可在分钟内为其完成业务发放。减少传统专线的等待业务生效时间,帮助运营商提高企业用户专线体验。

3.业务SLA可保障可承诺

基于IFIT/TWAMP/Y.1731检测、Telemetry采集,实现租户级的端到端业务性能数据实时精准感知与可视。NCE统一全网集中算路,合理规划并保障专线业务SLA,支持对高价值专线业务SLA的精细化管理和主动优化保障。

4.业务智能运维管理

引入NCE智能分析引擎,基于大数据和AI实现故障分钟级定位和预测性维护。

03 IP专线的主要应用场景

01 云骨干网络

为了解决企业上云的诉求,解决当前多网多云集成困难的痛点,IP专线解决方案为运营商设计了云骨干网络场景,实现云网融合。

运营商可利用广覆盖的网络资源、丰富的IDC资源、属地化贴身服务等优势,构建云骨干专网,与多云开放集成,避免公有云故障丢失数据,同时以网聚云,应对OTT(Over-the-top media service,过顶内容服务)对骨干流量的旁路,将OTT业务范围压缩到云服务。

云骨干网络是云网融合的桥梁,满足云业务大带宽、低时延、高可靠、高安全、业务敏捷要求,利用SRv6选路调优技术,保证SLA。

下图为云骨干解决方案示意图,云骨干连接云和城域网,整体架构由SDN管控;云为入口,控制器北向API开放。

28a8abfe2ac937c2b0ad64b52c3481dc.jpeg

云骨干网络具有如下特点:

  • 提供企业一站式ICT服务。

  • 可灵活调整专线资源。

  • 利旧存量IPv6网络节约成本。支持只升级两端节点为SRv6设备,中间节点利旧使能IPv6转发。

  • 满足不同企业的诉求。满足中小微企业线上自助订购组合需求;满足大中型企业存在公有云+私有云混合云需求,容灾和迁移专业服务。

02 行业IP专网

行业IP专网是基于网络切片的业务承载承载方案,实现设备侧资源预留和控制器分片生命周期管理,保证高价值业务不被其他业务影响。

设备侧通过FlexE/信道化子接口实现资源隔离,控制器NCE实现分片创建、可视等分片自动化管理。分片与业务解耦,分片等同于物理网络(资源保障),可在该分片平面上再部署VPN业务(业务隔离)。

下图为行业IP专网示意图,通过行业IP专网解决方案,用一张物理网络同时承载金融、政务、医疗等业务,各行业业务互相硬隔离,同时保证了带宽和业务高安全。

9e1c50e7e049b77c1f4fbd3a8be4857c.jpeg

行业IP专网业务可以被分成两种基本承载场景方案:

点到点专线(P2P)、多点到多点组网专线(MP2MP)。其中,针对点到点专线有以下三种SLA保障方案:

利用QOS队列(AF等)调度带宽:

将专线映射到固定的AF队列进行转发保障,NCE控制专线点对总带宽不超过AF队列带宽,保障点到点专线带宽。

利用FlexE、信道化子接口技术隔离出专线切片:

当网络业务种类逐渐变多时,端口8队列不够用,或需要在分片内进一步进行QoS调度时,通过FlexE等分片技术隔离出更多资源承载专线,且分片间业务相互不产生影响,NCE控制专线点对总带宽不超过分片带宽。

逐跳资源隔离:

针对少数客户对专线资源隔离有严格要求的场景,提供逐跳预留带宽保障的点到点专线。

与点到点专线业务相比,多点到多点组网专线也是基于QoS队列调度资源的保障、以及FlexE/信道化子接口等资源隔离保障分片。

隔离出来的分片可以被一个业务独享,也可以被多个业务共享。两者最主要的区别在于多点到多点组网的业务流向、流量是不确定的,因此难以确定一个合适的带宽以得到分片的大小。

行业IP专网业务满足高价值客户隔离SLA诉求,实现一网灵活复用,降低建设及维护成本,提升运营商收益,解决传统网络为每个领域单独建网成本高的痛点。

03 高品质IP专线

高品质IP专线解决方案主要应用于IP RAN(IP radio access network,IP化无线接入网)综合承载业务场景。IP RAN具有覆盖广和匹配MSTP覆盖范围的优势,随着MSTP设备大规模退网,当前数百万条专线逐渐迁移到IP RAN网络。

当IP RAN移动承载接入不成环时,高突发移动业务将会影响专线业务。高品质IP专线解决了以上痛点,为IP RAN业务场景提供高可靠服务保障。

下图为高品质IP专线示意图,应用了E2E SRv6提供基于时延/带宽的业务路径定制化能力;通过NCE控制器统一IP RAN/骨干网整网配置运维。并且该方案具备IFIT秒级检测能力,实现50ms级业务路径故障快速收敛,连通性秒级故障检测并上报。

798c6621b77e47c91559ab06326d8958.jpeg

高品质IP专线解决方案具有如下特点:

  • 大带宽满足行业视频升级诉求。

  • SRv6提供业务快速布放,实现运维效率提升。

  • 组网/上云专线网络拓扑及业务级高精度SLA检测,将业务统计秒级上报,实现图形化呈现。

整理:老杨丨11年资深网络工程师,更多网工提升干货,请关注公众号:网络工程师俱乐部

浅谈广域网主流专线技术 ATM是一种面向连接的,基于信元的,具有服务质量保证的,综合通信网的传输、复用和交换的网络技术,可满足带宽网所要求的高速、高效和综合等要求。裸光纤是以光缆为承载体传输方式,是目前数据中心网络互联大带宽的首选传输链路,理论上裸光纤的传输带宽是无限的,它的传输速度完全取决于两端的设备,一般裸光纤的接入设备是DWDM设备,应用最为普遍是数据中心同城灾备同步传输。相当于一个透明的物理通道,在这个透明的通道上,只要带宽允许,用户可以开展各种业务,如语音、数据、数字视频等,而业务的质量将得到严格的保障; 阅读详情

相关推荐

单位没有公网IP,内网穿透方案与总结(推荐)

很多单位买了ERP软件之后只能在局域网里访问,因为没有公网IP,那么如何解决出差在外也可以访问单位的ERP软件呢,解决方案有3种。

u010905359的博客 5087

什么是点对点专线、SDH专线以及MSTP专线?

点对点专线(Point-to-Point Circuit)、SDH专线(Synchronous Digital Hierarchy)以及MSTP专线(Multi-Service Transport Platform)都是企业级通信服务中常见的网络连接类型,主要用于提供高带宽、低延迟的数据传输服务。MSTP是指多业务传输平台(Multi-Service Transport Platform),它是基于SDH技术发展而来的,能够在一个平台上同时支持语音、数据和视频等多种业务。

txinnet的博客 3394

告别偏色!手把手教你用i1Profiler 3.5为喷墨打印机制作专属ICC曲线(附D50/D65光源选择指南)

本文详细介绍了如何使用i1Profiler 3.5为喷墨打印机制作专属ICC曲线,解决设备偏色问题。从色彩管理基础、软件配置到色块打印与测量实战技巧,逐步指导用户完成曲线制作,并提供了D50/D65光源选择指南,确保色彩还原精准。适合摄影师和设计师提升打印质量。

weixin_30613343的博客 1万+

mpls专线与MSTP专线区别在哪里?

是一种数据传输的机制,可以基于多种不同的3层协议来生成2.5层的标签信息,通过为数据包上分配标签交换替代IP转发,这种标签是短而定长、只具有本地意义的标识符。总的来说,MSTP专线是一种传统的专线技术,可以提供稳定的网络连接,但是它的带宽有限,而且它的安全性也不够高。MPLS专线是一种新型的专线技术,它采用了多层路由技术,可以提供更高的带宽,而且它的安全性也更高。1.MSTP专线扩展性较差,更适用于两点间的组网,而且MSTP专线位于二层网络接入,适用于要求二层组网的企业客户。MSTP技术的QoS能力较弱;

txinnet的博客 3279

科研党必备:用Python+Excel批量下载文献的保姆级教程(附常见错误解决)

本文提供了一套利用Python和Excel实现外文文献批量下载的自动化解决方案。教程详细介绍了如何从数据库导出并清洗DOI信息,编写健壮的Python脚本进行批量下载,并包含错误处理与进阶优化技巧,旨在帮助科研人员将重复性劳动自动化,大幅提升文献收集效率。

weixin_29050513的博客 305

STM32CubeMX Nucleo F767ZI 教程(1)

系列文章目录 提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加 例如:第一章 Python 机器学习入门之pandas的使用 提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结 前言 官网上买了个NUCLEO F767ZI 的开发板,144引脚的芯片,https://www.st.com/content/st_com/zh/products/evaluation-tools/prod

fafuwxm 2028

带你了解裸纤、专线、SDH、MSTP、MSTP+、OTN、PTN、IP-RAN的区别

http://t.csdn.cn/MCXQv傻傻分不清楚:裸纤、专线、SDH、MSTP、MSTP+、OTN、PTN、IP-RAN(一)裸纤裸纤也叫裸光纤,运营商提供一条纯净光纤线路,中间不经过任何交换机或路由器,只经过配线架或配线箱做光纤跳纤,可以理解成运营商仅仅提供一条物理线路。实际项目中,裸光纤应用较多,比如某大学两个校区,相隔大概20KM,租用运营商裸光纤实现两个校区互联。可以理解成通过一根很长的光纤连接两个校区,拓扑图也简单,直连即可,如图所示:最早两个校区均有运营商互联网出口,采用两套认证系统,管

weixin_44082192的博客 8433

【AI面试】 Python 的装饰器

Python装饰器是一种高阶函数,用于在不修改原函数代码的情况下增强其功能。它通过@语法糖接收目标函数作为参数,并返回一个包含额外逻辑(如日志、缓存、权限验证等)的新函数。装饰器的核心价值在于代码复用和解耦,符合开闭原则,典型应用包括性能分析、权限控制等场景。例如,@timer_decorator可自动为函数添加耗时统计功能。本质上,@decorator等价于func = decorator(func),实际调用的是装饰器返回的包装函数。进阶技巧包括使用@functools.wraps保留原函数元信息。装饰

钱多多先森 183

傻傻分不清楚:裸纤、专线、SDH、MSTP、MSTP+、OTN、PTN、IP-RAN

(一)裸纤 裸纤也叫裸光纤,运营商提供一条纯净光纤线路,中间不经过任何交换机或路由器,只经过配线架或配线箱做光纤跳纤,可以理解成运营商仅仅提供一条物理线路。实际项目中,裸光纤应用较多,比如某大学两个校区,相隔大概20KM,租用运营商裸光纤实现两个校区互联。可以理解成通过一根很长的光纤连接两个校区,拓扑图也简单,直连即可,如图所示: 最早两个校区均有运营商互联网出口,采用两套认证系统,管理维护麻烦...

qq_44784437的博客 5676

STM32实战开发(133):基于STM32的智能GPS定位跟踪系统开发

本文详细介绍了如何基于STM32开发一个智能GPS定位跟踪系统。系统使用NEO-6M GPS模块获取实时定位数据,并通过SIM800L GPRS模块将定位信息上传到远程服务器。通过OLED屏幕实时显示位置数据,使用SD卡存储历史轨迹,并提供蜂鸣器报警功能。项目实现了GPS定位数据的获取、解析、存储和传输,为智能定位系统提供了完整的解决方案。

2201_76125393的博客 1643

优快云独家首发!万字长文,YOLOv5/v7/v8算法模型yaml文件史上最详细解析与教程!小白也能看懂!掌握了这个就掌握了魔改YOLO的核心!

🍀🍀🍀YOLOv5/v7/v8算法模型yaml文件史上最详细解析与教程,全网最强,学不会算我输!!!

Coding... 1万+

什么是IP专线

IP专线是具备最短路径互联、颗粒度灵活、SLA可视等特点的专线技术。随着企业数字化转型带来企业业务加速上云的趋势,企业对IP专线的诉求日益增大,SLA可保障、快速开通、带宽按需自助成为企业基本诉求。企业业务的变化对运营商提供的专线提出更高的要求。为助力运营商打造差异化优势,IP专线解决方案应运而生,凭借SRv6(Segment Routing IPv6,基于IPv6转发平面的段路由)和SDN(Software-Defined Networking,软件定义网络)技术,大大降低专线对中间网络的技术要求,帮助

RZer的博客 793

基于ADPSS的直驱风电单机模型建模指南:跟网型与构网型

本文介绍了基于ADPSS平台的直驱风电单机建模方法,包含跟网型和构网型两种控制策略。模型采用模块化设计,共享风力机与桨距角控制部分,通过FORTRAN语言实现自定义建模。跟网型采用锁相环同步和矢量控制,构网型则采用虚拟同步机技术模拟同步发电机特性。详细阐述了风力机气动模型、桨距角控制算法及代码实现,为新能源并网仿真提供了实用参考。全文约150字,涵盖模型架构、数学方程和ADPSS实现要点。

huanghm88的专栏 168

无线网专线服务器,什么是专线网络?专线和家庭宽带有什么区别?

众所周知,宽带主要分为专线和家庭宽带两种,一般来说,企业的服务器以及云服务提供商则通常用的是专线宽带,而一般普通家庭接入的是家庭宽带。什么是专线网络?专线和家庭宽带有什么区别?下面天下数据小编来科普一下。什么是专线网络?专线是指依托国内骨干网及宽带城域网资源,提供专线接入方式,满足企业集团客户接入Internet地市互联网络、开展各种应用的业务。比如,中国移动当前互联网专线分为:PON接入专线、P...

weixin_33100285的博客 3610

ComfyUI整合包V8中文版最新版介绍

和普通AI绘图网页不同,它把图像生成的每一个步骤拆分成一个个"节点",用连线把它们串起来,形成工作流。里面包含ComfyUI内核、Python运行环境、常用插件、部分预置模型,还有一个叫"绘世启动器"的图形界面管理工具。网上的对比数据显示,WebUI最低需要4G显存,ComfyUI最低3G显存就能运行。可以在里面管理插件、切换模型路径、设置显存模式、查看日志报错,还有"疑难解答"功能,遇到报错可以先扫描一下看是不是已知问题。原版ComfyUI的界面是英文的,右键菜单、节点名称全是英文。

欢迎来到鸾姝淡月博客,专为程序员和编程爱好者打造的技术博客。我们分享编程语言趋势、开发工具、编程哲学、职业发展等,助你掌握新技术,优化技能,激发编程热情。 5225

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")

计算机网络里什么叫专线,专线和宽带的区别有哪些_专线网络和家庭宽带的具体区别介绍...

随着互联网的高速发展,宽带走进了千家万网,现在每家每户基本上都牵了宽带了,但是很多人不知道的是宽带还有两种线路,它分为专线和家庭宽带两种,那么什么是专线网络?专线和家庭宽带又有哪些区别?下面智能手机网小编就来跟大家详细介绍一下吧。专线和宽带的区别有哪些先来看看什么是个人宽带?一般是针对家庭的用户,比如用户100M的网是和小区里面其他用户一块公用一个网络,因为用户比较多,这样的用户基本上达不到应有的...

weixin_33100393的博客 1万+

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

专线网络与家庭宽带区别(基础篇)

专线网络: 专线是运营商为集团客户提供各种速率的专用链路,直接连接主干网络,方便快捷的高速互联网上网服务。简单来说,网络专线就是为某个机构例如企业、银行等单独拉的一条独立的网络,让用户的数据传输变得更加可靠可信。专线的优点就是安全性高,QoS可以得到保证,相对来说价格也比普通网络高。 专线网络主要的两种信道: 物理专用信道。 物理专用信道就是服务商到用户之间铺设有一条专用的线路,线...

镭速的博客 1万+

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

裸纤、专线、SDH、MSTP、MSTP+、OTN、PTN、IP-RAN

如果租用运营商专线,运营商设备出问题,可能影响用户业务,反而光纤被挖断,不一定会影响业务,因为运营商骨干网采用环形设计,传统SDH和新的OTN底层都会有环网,所以论可靠性而言,专线可靠性稍高。由于先前MSTP成立时,股权分配不均,有很多遗留问题,以太网仅占20%,导致现在以太网严重不满意,毕竟现在网络上IP流量占了90%以上,为了安抚这个销量占公司90%的销售,SDH 集团研究后推出MSTP+(也叫Hybrid MSTP),50/50股权分配,进一步提升以太网在公司的地位,也不为一种好的补偿措施。

顺其自然~专栏 3373

什么是IP专线?企业数字化转型的关键网络基础设施

在当今数字化浪潮席卷全球的背景下,企业网络需求正经历着前所未有的变革。传统网络架构已难以满足现代企业对高效、安全、灵活网络服务的需求,IP专线正是在这一背景下应运而生的关键网络解决方案。专线服务本质上是运营商依托国内骨干网及宽带城域网资源,为企业、政府及其他高数据接入要求的客户提供的优质专业接入服务。随着企业数字化转型和云化应用的快速发展,业务流向和流量结构发生了根本性变化。

mengmeng_921的博客 964

MPLS 专线网络

MPLS 专线网络(Multiprotocol Label Switching 专线网络)是一种基于 MPLS 技术构建的企业专用数据通信网络,常用于构建 跨地域、高可靠、高安全性的企业广域网,广泛应用于金融、运营商、大型企业等需要总部—分支机构通信的场景。

A2321161581的博客 2573

LiveU 如何在没有公网专线的情况下实现直播传输

**畅想直播,无拘无束。** LU-Forward :解决LiveU服务器在没有公网专线情况下的传输问题,使接收服务器可以完全摆脱对公网专线的硬性要求;局域网、5G路由器、家庭宽带任何网络接入服务器都可以实现背包传输直播。

lixiaowu119的博客 2732

拉专线

  工作中经常听到说拉专线,拉专线,到底什么是专线,为什么要拉专线呢?其实我还是很迷惑的,因此网上查了下资料整理了下。 一:什么是专线   网络专线有两种信道(信号的传输媒质)   1:物理专用信道。物理专用信道就是在服务商到用户之间铺设有一条专用的线路,线路只给用户独立使用,其他的数据不能进入此线路,而一般的线路就允许多用户共享信道;   2:虚拟专用信道;虚拟专用信道就是在一...

weixin_30693183的博客 2139

公网专线IP和私网专线IP之间的区别是什么?

公网专线IP的主要功能就是让外部用户可以直接通过公网IP访问企业内部的服务和资源,比较适用于需要对外提供服务的场景;公网专线IP和私网专线IP在功能用途、地址分配和网络性能等多种方面都有着显著的区别,对于用户和网络管理者来说,需要对其进行一定的了解,有助于合理规划和管理网络资源,今天小编就来为大家介绍一下这两者之间的区别。公网专线IP是直接连接到互联网的专用IP地址,具有全球唯一性,可以让外部网络直接访问连接到该IP的设备,企业可以使用公网专用IP搭建属于自己的网站,并且可以让全球的用户进行访问。

wanhengidc的博客 698

联通企业专线_广东联通携手华为开通首条基于 SRv6的IP专线,实现专线的敏捷发放...

近日,广东联通携手华为成功开通了广州、深圳、东莞三地的跨域组网专线,以及IPRAN上云专线。该专线是广东联通的首条基于SRv6的IP专线,将为客户提供更敏捷、灵活、可靠的组网和上云服务。随着企业数字化转型的深入,企业逐步将业务迁移到云上,而且单一云服务商很难满足很多企业的全部需求,多云成为企业的普遍选择。同时,企业组网需求也变得愈加复杂,如何打通全省跨多域的IP网络,实现广东联通大IP承...

weixin_35786759的博客 2万+
上一篇: 这几个常用命令,小白弄懂也能成大神
下一篇: 一文通关,VMware虚拟机三种网络模式看这篇
网络工程师俱乐部
博客等级 码龄5年 7386粉丝 1073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