CCNA实验三十一 帧中继的Tunnel

kkfloat kkfloat 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 3.1k累计阅读 3.1k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄17年
关注
原创 最新推荐文章于 2026-06-07 05:27:42 发布 3.1k 阅读 AI 写同款· GEO 优化 ›
Cisco 配置 GRE隧道 拓扑图 <!--思路：在R0和R1上做gre隧道--> R0配置 interface Tunnel 1 //配置GRE隧道模式 ip address 172.16.1.1 255.255.255.0 //配置GRE IP地址 tunnel source FastEthernet0/0 //配置GRE IP源地址 tunnel destination 192.168.1.2 //配置GRE IP目的地址 配置静态路由 i. 阅读详情

                            CCNA实验三十一 帧中继的Tunnel

 

 

环境：Windows XP 、GNS3.0.7.2

 

目的：学会如何配置帧中继的Tunnel

 

说明：在跨多台路由器间建立Frame relay 隧道

 

步骤：

         GNS 创建拓扑如下：

 

   说明： 把R2、R4配置帧中继隧道，使得R1和R5能够建立帧中继映射并通信。

 

 

 

  

配置R1：

Router>en

Router#conf t

Router(config)#host R1

R1(config)#int loopback 0

R1(config-if)#ip add 1.1.1.1 255.255.255.0

R1(config-if)#exit

R1(config)#int s0/0

R1(config-if)#encapsulation frame-relay ietf

R1(config-if)#frame-relay lmi-type ansi

R1(config-if)#no frame-relay inverse-arp

R1(config-if)#ip add 192.168.1.1 255.255.255.0

R1(config-if)#frame-relay map ip 192.168.1.5 105 broadcast

R1(config-if)#no sh

 

配置R2：

Router>en

Router#conf t

Router(config)#hostname R2

R2(config)#frame-relay switching

R2(config)#int loopback 0

R2(config-if)#ip add 2.2.2.2 255.255.255.255

R2(config-if)#no sh

R2(config-if)#exit

R2(config)#inter s0/2

R2(config-if)#ip add 192.168.23.1 255.255.255.0

R2(config-if)#no sh

R2(config-if)#exit

R2(config)#router ospf 100

R2(config-router)#router-id 2.2.2.2

R2(config-router)#network 192.168.23.1 0.0.0.0  area 0

R2(config-router)#net work 2.2.2.2 0.0.0.0 area 0

R2(config-router)#exit

R2(config)#inter tunnel 1 //创建一条隧道1

R2(config-if)#tunnel source loopback 0 //指定隧道的源为loopback 0口

R2(config-if)#tunnel destination 4.4.4.4 //指定隧道的目的地

R2(config-if)#ip unnumbered loopback 0  //配置loopback 0为无编号IP地址

R2(config-if)#tunnel mode gre ip //配置隧道为gre模式

R2(config-if)#exit

R2(config)#inter s0/0

R2(config-if)#encapsulation frame-relay ietf

R2(config-if)#frame-relay lmi-type ansi

R2(config-if)#frame-relay intf-type dce

R2(config-if)#clock rate 64000

R2(config-if)#frame-relay route 105 interface tunnel 1 100 //做帧中继路由,出接口为tunnel1,tunnel 1 的DLCI是100

R2(config-if)#no sh

 

配置R3：

Router>en

Router#conf t

Router(config)#hostname R3

R3(config)#in loopback 0

R3(config-if)#ip add 3.3.3.3 255.255.255.0

R3(config-if)#no sh

R3(config-if)#exit

R3(config)#inter s0/2

R3(config-if)#ip add 192.168.23.2 255.255.255.0

R3(config-if)#no sh

R3(config-if)#inter s0/3

R3(config-if)#ip add 192.168.34.1 255.255.255.0

R3(config-if)#no sh

R3(config-if)#exit

R3(config)#router ospf 100

R3(config-router)#router-id 3.3.3.3

R3(config-router)#network 3.3.3.3 0.0.0.0

R3(config-router)#network 192.168.23.2 0.0.0.0

R3(config-router)#network 192.168.34.1 0.0.0.0

R3(config-router)#exit

 

配置R4：

Router>en

Router#conf t

Router(config)#hostname R4

R4(config)#frame-relay switching

R4(config)#int loopback 0

R4(config-if)#ip add 4.4.4.4 255.255.255.255

R4(config-if)#exit

R4(config)#inter s0/3

R4(config-if)#ip add 192.168.34.2 255.255.255.0

R4(config-if)#no sh

R4(config-if)#exit

R4(config-if)#router osp 1

R4(config-router)#router-id 4.4.4.4

R4(config-router)#network 4.4.4.4 0.0.0.0 area 0

R4(config-router)#network 192.168.34.2 0.0.0.0 area 0

R4(config-router)#exit

R4(config)#int tunnel 1

R4(config-if)#tunnel source loopback 0

R4(config-if)#tunnel destination 2.2.2.2

R4(config-if)#ip unnumbered loopback 0

R4(config-if)#tunnel mode gre ip

R4(config-if)#no sh

R4(config-if)#exit

R4(config)#inter s0/0

R4(config)#encapsulation frame-relay ietf

R4(config)#frame-relay lmi-type ansi

R4(config-if)#frame-relay intf-type dce

R4(config-if)#clock rate 64000

R4(config-if)#frame-relay route 501 interface tunnel 1 100  

R4(config-if)#no sh         

  

配置R5：

Router>en

Router#conf t

Router(config)#hostname R5

R5(config)#int loopback 0

R5(config-if)#ip add 5.5.5.5 255.255.255.0

R5(config-if)#exit

R5(config)#inter s0/0

R5(config-if)#encapsulation frame-relay ietf

R5(config-if)#frame-relay lmi-type ansi

R5(config-if)#no frame-relay inverse-arp

R5(config-if)#frame-relay map ip 192.168.1.1 501 broadcast

R5(config-if)#ip add 192.168.1.5 255.255.255.0

R5(config-if)#no sh

 

检查当前帧中继网络的情况：

  

在R1和R5上配置RIP路由协议：

R1(config)#router rip

R1(config-router)#network 1.0.0.0

R1(config-router)#network 192.168.1.0

 

R5(config)#router rip

R5(config-router)#network 5.0.0.0

R5(config-router)#network 192.168.1.0

 

检查R1的路由表情况：  

 

实验完成。

收录于
Cisco技术

当前文章被收录于：

Cisco技术
62 篇文章 12 人学习
订阅专栏 查看详情
标签
#interface #路由器 #windows #网络 #xp
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
CCNA动手实验（九）配置tunnel隧道 tunnel隧道的简单配置过程 阅读详情

相关推荐

ospf宣告网段_网络中解决OSPF不连续区域的3种方法

实验：01拓扑：02解决方法：多进程双向重分布创建tunnel通道，宣告到区域0创建虚链接03实验过程1.方法1：多进程双向重分布(1)重新启动另一个OSPF进程(2)在2个OSPF进程中宣告不连续的网段(3)双向发布OSPF进程：redistribute ospf 进程号 subnetsR1:ints1/0ip add 1.1.1.1 255.255.255.0no shutdownex...

weixin_30676351的博客 1426

【CCNP路由】OSPF综合实验（一）

@[CCNP-Route]OSPF综合实验（一） 实验目的 熟悉 OSPF 的基本配置 熟悉 OSPF 网络类型的应用 理解不连续区域的网络环境及不连续区域对 OSPF 路由选择的影响 掌握 OSPF 不连续区域的几种解决方案 掌握 OSPF 区域间和外部路由的汇总 掌握 OSPF 默认路由的配置及控制 实验拓扑 实验需求及配置过程 1) 参考拓扑，完成各路由器的基本配置，除图示地址标识外，...

徽徽的笔记私藏窝点 7096

【信息科学与工程学】【通信工程】第八十六篇 通信网络设备及通信网络组网的所有学科知识01

编号001类型网络虚拟化与覆盖技术网络领域数据中心网络子领域大二层网络 / 网络虚拟化核心数学方程式/算法模型核心算法：VXLAN封装与解封装。关键在于24位VNI（虚拟网络标识符）到物理网络的三层IP地址的映射。封装：收到原始以太帧后，为其添加 VXLAN 头部（含 VNI）、外层 UDP 头（目的端口 4789）、外层 IP 头（源 IP 为本地 VTEP IP，目的 IP 为对端 VTEP IP）以及外层 MAC 头。解封装：对端 收到报文后，剥离外层头部，根据内层帧的目的 MAC 和 VNI 进行二

weixin_49199313的博客 845

tunnel和channel区别

tunnel，是指隧道技术，是将包进行tunnel的封装，然后传送 ，是3层技术。 例子，R1,R2的各自的E0对E0,E1对E1，现在要做成一个tunnel,各自的lo0分别是 1.1.1.1 ，2.2.2.2 R1 int tunnel 1 ip unnumbered lo0 tunnel source lo0 tunnel des 2.2.2.2 R2 int tunnel 1(注意其实也可...

冷鞘-的博客 4657

思科、华为 GRE 隧道技术 的原理及配置详解

文章目录概述隧道传递数据包的过程分为3步：工作原理实验实验要求：GRE 配置总结 概述 GRE是一种最传统的隧道协议，其根本功能就是要实现隧道功能。 GRE在两个远程网络之间模拟出直连链路，从而使网络间达到直连的效果。 GRE在实现隧道时，需要创建虚拟直连链路–隧道。 虚拟链路需要有2个IP 地址—自定义 隧道的源和终点分别都以公网IP地址结尾，该链路是通过GRE协议来完成的， 隧道传递数据包...

心有鸿鹄天地，不敢妄坠人间 8825

别再硬编码了！Flowable工作流动态审批人配置全解析（Spring Boot集成版）

本文深入解析Flowable工作流在Spring Boot中的动态审批人配置技术，通过角色、部门等变量实现审批流程的灵活设计。文章详细介绍了架构原理、前端配置映射、动态候选组解析及查询优化方案，帮助企业提升审批流程的适应性和维护效率。

weixin_30919571的博客 136

思科 GRE

VPN: GRP 一、建立隧道： int tunnel 1 tunnel source e0/0 本地接口 tunnel destination x.x.x.x 对方IP 二、表示隧道： tunnel接口下配置 ip add 10.12.1.1 255.255.255.0 对端也建立： ip add 10.12.1.2 255.255.255.0 三、动态路由 宣告公私网的网络：...

weixin_42862151的博客 698

librealsense2 camera.so: undefined symbol:ZN2cV3MatC1EV解决笔记记录

先参考的这个兄弟的办法虽然没解决但是提供了大方向感谢； realsenseD400系列相机报错：undefined symbol: _ZN2cv3MatC1EiiiRKNS_7Scalar_IdEE解决方案 后解决办法参考 No GPU usage on jetson xavier NX · Issue #2326 · IntelRealSense/realsense-ros · GitHubOpenCV_DIR" to a directory containing one of the above f

梁俊星的博客 3517

思科认证CCNA专业英文词汇全集(1)

CCNA为思科最基础的入门认证，其中，考试偏重网络概念和理论，对于初学者来说，不少专业英文术语难以理解，导致学员学习进度维难。CISCO系列认证的原版教材，专业词汇出现频率积高，考生只要熟悉本文，相信学习起来一定事半功倍。 10BaseT-----原始IEEE802.3标准的一部分，1OBaseT是1OMb/s基带以太网规范，它使用两对双绞电缆(3类、4类或5类)，一对用...

weixin_33747129的博客 304

金智维KRPA实战：Excel自动化数据处理全流程解析

本文详细解析了金智维KRPA在Excel自动化数据处理中的全流程应用，涵盖COM接口和文件读写两种核心技术方案，以及销售报表生成、数据清洗和可视化仪表盘等实战案例。通过企业级应用的异常处理、性能优化和安全合规实践，显著提升数据处理效率和准确性，助力企业降本增效。

weixin_30329623的博客 598

基于奥比中光Orbbec Astra Pro与ROS实现实时3D环境建模：orb_slam2实战指南

本文提供了一份详细的实战指南，介绍如何使用奥比中光Orbbec Astra Pro深度摄像头与ROS系统，部署并运行ORB-SLAM2算法，实现实时3D环境建模与定位。内容涵盖从驱动安装、环境配置、算法编译到摄像头标定与性能调优的全流程，旨在帮助开发者快速搭建一套高性价比的视觉SLAM系统。

weixin_29054399的博客 337

配置基于路由的ipsec 隧道

设备名称 接口 IP地址 内网地址 备注 BJ_AR2240 Tunnel0/0/1 169.254.2.1/30 192.168.0.0/16 VPN接口 WQ_AR2240 Tunnel0/0/1 169.254.2.2/30 172.20.0.0/16 VPN接口 说明： 与基于模板的ipsec vpn不同的是，基于路由的ipsec vpn没有acl 感兴趣流的限制，...

搬砖小胖子 4301

RH850从0搭建Autosar开发环境【2X】- Davinci Configurator之EcuC模块配置详解(上)

RH850从0搭建Autosar开发环境【2X】- Davinci Configurator之EcuC模块配置详解(上)

weixin_42412049的博客 1531

HCIE-Security Day20：GRE协议：实验(一）配置基于静态路由的GRE隧道

gre：通用路由封装，三层pn封装技术。解决跨异种网络的报文传输问题。 封装分为两步，第一步是为原始报文添加gre头，第二步是在gre头前面再加新的ip头，加上新的ip头后，就可以在新的网络上传输了。 gre的封装是通过逻辑接口tunnel完成的，这个接口是一个通用的隧道接口，所以需要设置接口的封装协议。 实验一：配置基于静态路由的GRE隧道 需求和拓扑 FW_A和FW_B通过Internet相连，两者公网路由可达。网络1和网络2是两个私有的IP网络，通过在两台FW之间建...

小梁的博客 3192

【QGIS】软件下载安装及GIS4WRF插件使用

【QGIS】软件下载安装及GIS4WRF插件使用

WW、forever的博客 1801

YOLOv11改进 | 特殊场景检测篇 | 低照度图像增强网络SCINet改进黑暗目标检测（全网独家首发）

本文给大家带来的改进机制是低照度图像增强网络SCINet，SCINet（自校正照明网络）是一种专为低光照图像增强设计的框架。它通过级联照明学习过程和权重共享机制来处理图像，优化了照明部分以提升图像质量。我将该网络集成在YOLOv11的主干上针对于图像的输入进行增强，同时该网络的并不会增加参数和计算量，基本和普通的网络结构保持一致，同时该结构支持自定义调节层数，来控制图像增强的效果 ，非常适合想要在黑夜目标检测领域发表文章的读者，该基本网络不会影响模型的速度。欢迎大家订阅我的专栏一起学习YOLO！

Snu77的博客 2207

GRE通用路由封装协议

GRE通用路由封装协议 利用GRE协议实现连个私网互相通信 拓扑图ENSP 配置IP 主机 IP172.16.1.1 子网掩码：255.255.255.0 网关：172.16.1.254 服务器 IP：192.168.1.1 子网掩码：255.255.255.0 网关：192.168.1.254 配置路由器接口地址 R1 int g0/0/1 ip address 172.16.1.254 24 int g0/0/2 ip address 100.100.100.1 3..

m0_64361111的博客 1607

微信小程序 - 解决报错 operateAudio:fail audioInstance is not set（wx.getRecorderManager苹果ios真机调试运行，播放音频播放出错解决）

微信小程序，苹果ios系统，真机测试报错，播放音频报错operateAudio:fail audioInstance not exist，errCode: -1，小程序生成音频播放报错errMsg，真机调试报错开发者工具没问题，wx.getRecorderManager，音频实例，InnerAudioContext，各种方法都试了不行，只有ios苹果手机有这个问题，IOS 出现 operateAudio，在iOS无法播放的解决方案，更新到最新版本了还是不行，链接没有特殊字符，微信小程序全局音频设置,手机上播

🏆 前端领域优质创作者 1万+

Cisco 帧中继 分析和实验

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_33691700的博客 622

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

实验二 帧中继协议配置

帧中继协议配置

过去即未来的博客 3603

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")

Cisco-帧中继(点对点)

网络已经成为了我们生活中不可或缺的一部分，它连接了世界各地的人们，让信息和资源得以自由流动。随着互联网的发展，我们可以通过网络学习、工作、娱乐，甚至是社交。因此，学习网络知识和技能已经成为了每个人都需要掌握的重要能力。本课程博主将带领读者深入了解网络的基本原理、结构和运作方式，帮助读者建立起对网络的全面理解。我们将介绍网络的发展历程、网络的分类和组成、网络的安全和隐私保护等内容，帮助读者掌握网络知识，提高网络素养。

可惜已不在 2000

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。

思科GRE的Tunnel隧道接口down处理案例

篇幅无多余废话，多为代码演示，建议耐心阅读。 这里使用的是cicso的模拟器进行演示，代码理解请根据实际用户的模拟器的进行阅读。 前部分篇幅为基础的拓扑搭建，本篇文章所讲的处理案例请点击这里跳转。 首先完成拓扑上的路由链路的配置，使得链路上的两台PC机能够互相PING通对方(连接PC机的接口配置不再演示)。 这里声明为什么不用最简单的两台直连路由实验？因为两台直连路由只要完成链路互通就能直接搭建隧道，不会出现该案例讲的原因。 接口IP地址 静态路由 路由配置命令参考: R0(config-if)#i.

Yinsan的小玩意 1万+

思科路由器配置命令（五）

一、 GRE配置 https://blog.youkuaiyun.com/weixin_33850890/article/details/89906543 1、实验拓扑 2、基本配置 R1(config)#int lo0 R1(config-if)#ip address 10.1.1.1 255.255.255.0 配置环回口地址当接入PC用 R1(config)#int e0/0 R1(config-if)#ip address 202.1.1.1 255.255.255.0 R1(config-if)#n

kali_Chenye的博客 5835

帧中继学习之应用隧道技术(tunnel)的帧中继网络

应用隧道技术(tunnel)的帧中继网络 实验拓扑： R2的配置： R2(config)#frame-relay switching 　　R2(config)#int s1/0 　　R2(config-if)#no shut 　　R2(config-if)#encapsulation frame-relay 　　R2(config...

weixin_34015860的博客 466
上一篇： CCNA实验三十 帧中继点到多点子接口
下一篇： CCNA实验三十二 ISDN
点赞 0
评论 0
书签 书签 3
kkfloat
kkfloat
博客等级 码龄17年 923粉丝 201原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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