网络学习笔记(开篇)

CCNA学习入门

最近因为工作需要,所以对网络这块儿需要有个初步的认识,所以开始着手这方面的学习,作为新手总是要记点儿什么不是吗。我找的是闫辉老师关于ccna认证的视频作为学习参考,下面就开始第一天的学习了。

第一天没什么技术性的知识,讲了一些网络方面认证的一些概述,如思科华为,下图就是思科最新的认证体系了,典型的金子塔结构,不像当初刚开始知道的只有NA,NP,IE三层了,在首尾又分别多了一层。



CCNA的一些要求:

1.Basic computer literacy(计算机基本原理)

2.Basic PC operating system navigation skills(pc 基本操作系统)

3.Basic Internet usage skills(基础网络使用技能)

4.Basic IP addressing knowledge(基本ip地址知识)

5.Basic device access and CLI operations(接触基础设备与命令行操作)


网络是一个载体,承载着各式各样的应用程序,产生流量。可以看做由三部分组成:终端,介质,中间系统。

从数据传输方向上来划分,可以有单工模式,半双工模式以及全双工模式。

单工模式指数据传输只能按照一个方向传输,如A可以传输数据给B,但B不能传输给A,即A->B。

半双工模式允许数据双向传递,但不可以同时进行。同一时间只允许在一个方向进数据传输,即A->B OR B->A。

全双工模式允许数据进行双向传递,并且可以同时进行,即A->B AND B->A。

当传输方式使用半双工模式时,并且当前网络使用hub进行泛洪的方式发送数据,那么就可能产生数据冲突,从而导致数据传输的失败。为了解决此问题,有了CSMA/CD(载波侦听多路访问/冲突检测)技术。该技术原理为当设备准备发送数据时,先对链路进行监听,如果能收到数据,则停止发送任何数据,如果链路安静,则可以尝试开始发送数据。该技术只能减少数据冲突的可能性,不能完全杜绝。

集线器(Hub)带宽低,多为10M,并且该带宽被网络中所有的设备所共享,数据传输以泛洪的方式进行。

集线器逐渐被交换机所代替,但它也有自己的优点,如端到端的延迟较低,可以有信号放大的作用,端口多等特点。

集线器是一种物理层设备。

设备与设备之间最多有5个集线器,大于这个数量的时候,端到端的延迟较高。集线器与集线器之间最多只能有四条百米线缆。


网络拓扑类型:总线型,环形(双环/单环),星型以及互联拓扑(全互联/部分互联)


OSI7层参考模型,网络学习中必学的一种开放系统互联参考模型,提供了一种功能结构的框架。从低到高分别是:物理层、数据链路层、网络层、传输层、会话层、表示层和应用层

相比于OSI模型的过于严谨,TCP/IP协议更为的开发,随后得到了广大的认可,并发展迅速。



制作双绞线的规则:

568B : 橙白 橙 绿白 蓝 蓝白 绿 棕白 棕

568A : 绿白 绿 橙白 蓝 蓝白 橙 棕白 棕

直通线:两端线序一致    

交叉线:1,3,2,6对调

568A 和 568B的线序即为交叉线序

网络设备主要分为两类:

a)2层及以下层次设备 Switch, Hub

b)3层及以上层次设备 Router PC Server

同类设备之间互联使用交叉线,异类设备互联使用直通线。

第一天学习网络,记得东西比较杂。






一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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

打赏作者

moonfish0607

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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