Linux网络编程(未完)

本文详细介绍了OSI参考模型与TCP/IP模型的基本概念及其四层架构,包括网络接口层、网络层、传输层和应用层的具体职责,并对TCP/IP协议族中的关键协议如TCP进行了深入解析。

1.1:OSI参考模型及TCP/IP参考模型

想必大家都听过这两个名词,首先是OSI模型,OSI(Open System Interconnect),即开放式系统互联。 一般都叫OSI参考模型,是ISO(国际标准化组织)组织在1985年研究的网络互联模型。该体系结构标准定义了网络互连的七层框架(物理层数据链路层网络层传输层会话层表示层应用层),即ISO开放系统互连参考模型。在这一框架下进一步详细规定了每一层的功能,以实现开放系统环境中的互连性、互操作性和应用的可移植性。

因为其太过于复杂,所以后面改成了TCP/IP模型。

下面是两者的关系图,想必很多人都看过,很重要的一个图,一定要记住,一定要记住,记不住....就算了,熟悉就好。

(图片来自于某度)(ps,网际层又被称为网络层)

这里需要对TCP/IP的4层模型进行简要介绍:

网络接口层:负责将二进制流转换为数据帧,并进行数据帧的发送和接收。要注意的是,数据帧是独立的网络信息传输单元。

网络层:负责将数据帧封装成IP数据包,并运行必要的路由算法。

传输层:负责端对端之间的通信会话连接与建立,传输协议的选择根据数据传输方式而定

应用层:负责应用程序的网络访问,这里通过端口号来识别各个不同的进程。(我在这里解释一个啥叫端口号,因为一个系统里面,有很多的程序,有很多的程序都要用到网络,但是计算机怎么区别呢,就是通过这个端口号。)



1.2:tcp/ip协议族


一定要记住ipv4和ipv6的所在层,其实不用特意去记忆,有方法的记忆,是非常好的,记住每一个协议的作用就可以了。

比如最底层有ARP,RARP,MPLS(图中没有标出,但是读者应该知道,这个图也是很常见,很出名的。)

其中ARP用于获得同一物理网络中的硬件主机地址。等等。

其中有两个协议值得分辨,那就是TCP和UDP

1.2.1:tcp

因为TCP的上一层就是应用层,因此,TCP数据传输实现了一个应用程序道另一个应用程序的数据传递,而应用程序通过编程调用TCP并使用TCP服务,提供需要准备发送的数据,用来区分接收数据应用的目的地址和端口号。

TCP三次握手协议

参考书籍《嵌入式Linux应用程序开发》第二版,华清远见嵌入式培训中心 编著

下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画和过渡特性(如`transition`和`animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割图像中垃圾区域的AI模型,适用于智能清洁器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁和治理决策。 • 计算视觉研究:支持实例分割算法的研究和优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力和鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员和开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
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