网络配置的四大基本要素： IP + Netmask + Gateway + DNS

白马非马啊 白马非马啊 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 2.6k累计阅读 2.6k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10年
关注
转载 最新推荐文章于 2026-03-12 00:55:45 发布 2.6k 阅读 AI 写同款· GEO 优化 ›
linux下的网络配置 1.什么是IP ADDRESS internet protocol ADDRESS ##网络进程地址 ipv4 internet protocol version 4 1.2x32 ip是由32个01组成 11111110.11111110.11111110.11111110 = 254.254.254.254 2.子网掩码 用来划分网络区域 子网掩码非0的位对应的ip上的数字表示这个ip的网络位 子网掩码0位对应的数字是ip的主机位 网络位表示网络区域 主 阅读详情

1.  IP

IP地址（英语：Internet Protocol Address）是一种在Internet上的给主机编址的方式，也称为网际协议地址。常见的IP地址，分为IPv4与IPv6两大类。

IP地址就像是我们的家庭住址一样，如果你要写信给一个人，你就要知道他（她）的地址，这样邮递员才能把信送到。计算机发送信息就好比是 邮递员，它必须知道唯一的“家庭地址”才能不至于把信送错人家。只不过我们的地址使用文字来表示的，计算机的地址用二进制数字表示。
众所周知，在电话通讯中，电话用户是靠电话号码来识别的。同样，在 网络中为了区别不同的计算机，也需要给计算机指定一个连网专用号码，这个号码就是“ IP地址”。
将IP地址分成了网络号和 主机号两部分，设计者就必须决定每部分包含多少位。网络号的位数直接决定了可以分配的网络数（计算方法2^网络号位数-2）； 主机号的位数则决定了网络中最大的主机数（计算方法2^主机号位数-2）。然而，由于整个 互联网所包含的网络规模可能比较大，也可能比较小，设计者最后聪明的选择了一种灵活的方案：将IP地址空间划分成不同的类别，每一类具有不同的网络号位数和 主机号位数。
Internet 上的每台 主机 ( Host )都有一个唯一的IP 地址 。 IP协议 就是使用这个地址在 主机 之间 传递 信息，这是Internet 能够运行的基础。IP地址的长度为32位(共有2^32个IP地址)，分为4段，每段8位，用十进制数字表示，每段数字范围为0～255，段与段之间用句点隔开。例如159.226.1.1。
IP地址 =  网络标识号码 + 主机标识号码。
因此IP地址可分两部分组成，一部分为 网络地址 ，另一部分为 主机地址 。
IP地址分为A、B、C、D、E5类，它们适用的类型分别为：大型网络；中型网络；小型网络；多目地址；备用。常用的是B和C两类。

特殊的网址
1.  “lll0”开始的地址都叫多点 广播地址。因此，任何第一个字节大于223小于240的IP地址(范围224.0.0.1-239.255.255.254)是多点 广播地址；
2.  每一个字节都为0的地址（“0.0.0.0”）对应于当前 主机；
3.  IP地址中的每一个字节都为1的IP地址（“255．255．255．255”）是当前子网的 广播地址；
4.  IP地址中凡是以“llll0”开头的 E类IP地址都保留用于将来和实验使用。
5.  IP地址中不能以十进制“127”作为开头，该类地址中数字127．0．0．1到127．255．255．255用于回路测试。
     如： 127.0.0.1可以代表本机IP地址，用“http://127.0.0.1”就可以测试本机中配置的Web服务器。
6.  网络ID的第一个6位组也不能全置为“0”，全“0”表示本地网络。

公有地址

公有地址（Public address）由Inter NIC（Internet Network Information Center 因特网信息中心）负责。
这些IP地址分配给注册并向Inter NIC提出申请的组织机构。通过它直接访问 因特网。

私有地址

私有地址（Private address）属于非注册地址，专门为组织机构内部使用。
以下列出留用的内部私有地址
A类 10.0.0.0--10.255.255.255
B类 172.16.0.0--172.31.255.255
C类 192.168.0.0--192.168.255.255

局域网中的IP

在一个 局域网中，有两个IP地址比较特殊，一个是网络号，一个是 广播地址。
网络号是用于三层寻址的地址，它代表了整个网络本身；另一个是 广播地址，它代表了网络全部的 主机。
网络号是 网段中的第一个地址， 广播地址是网段中的最后一个地址，这两个地址是不能配置在计算机 主机上的。
例如在192.168.0.0，255.255.255.0这样的 网段中，网络号是192.168.0.0， 广播地址是192.168.0.255。因此，在一个 局域网中，能配置在计算机中的地址比 网段内的地址要少两个（网络号、 广播地址），这些地址称之为 主机地址。在上面的例子中， 主机地址就只有192.168.0.1至192.168.0.254可以配置在计算机上了。


2. Netmask

用来指明一个 IP地址的哪些位标识的是 主机所在的子网以及哪些位标识的是主机的位掩码。子网掩码不能单独存在，它必须结合IP地址一起使用。子网掩码只有一个作用，就是将某个IP地址划分成 网络地址和 主机地址两部分。

子网掩码的设定必须遵循一定的规则。
与 二进制IP地址相同，子网掩码由1和0组成，且1和0分别连续。
子网掩码的长度也是32位，左边是网络位，用 二进制数字“1”表示，1的数目等于网络位的长度；右边是主机位，用二进制数字“0”表示，0的数目等于主机位的长度。
这样做的目的是为了让掩码与 ip地址做AND运算时用0遮住原主机数，而不改变原网络段数字，而且很容易通过0的位数确定子网的主机数（2的主机位数次方-2，因为主机号全为1时表示该网络 广播地址，全为0时表示该网络的 网络号，这是两个特殊地址）。
只有通过子网掩码，才能表明一台主机所在的子网与其他子网的关系，使网络正常工作。

对于A类地址来说，默认的子网掩码是255.0.0.0；
对于B类地址来说默认的子网掩码是255. 255.0.0；
对于C类地址来说默认的子网掩码是255.255.255.0。
利用子网掩码可以把大的网络划分成子网即VLSM（可变长子网掩码），也可以把小的网络归并成大的网络即超网。


3. Gateway

网关（Gateway）就是一个网络连接到另一个网络的“关口”。
一个用于 TCP/IP 协议的 配置项，是一个可直接到达的 IP 路由器的 IP 地址。

赋予 路由器 IP地址的名称,与本地网络连接的机器必须把向外的流量传递到此地址中以超出本地网络,从而使那个地址成为本地 子网以外的IP地址的"网关".
也就是最近常用的网关,当 主机 路由表目或网络输入不存在于 本地主机的路由表时 数据包发送到那里.

配置默认 网关可以在 IP 路由表中创建一个默认 路径。 一台 主机可以有多个 网关。
默认 网关的意思是一台 主机如果找不到可用的网关，就把 数据包发给默认指定的 网关，由这个网关来处理数据包。
现在 主机使用的网关，一般指的是默认网关。
 一台电脑的默认 网关是不可以随随便便指定的，必须正确地指定，否则一台电脑就会将 数据包发给不是网关的电脑，从而无法与其他网络的电脑通信。
默认 网关的设定有手动设置和自动设置两种方式。

那么 网关到底是什么呢？网关实质上是一个网络通向其他网络的IP 地址。比如有网络A和网络B，网络A的IP 地址范围为“192.168.1.1~192. 168.1.254”， 子网掩码为255.255.255.0；网络B的IP地址范围为“192.168.2.1~192.168.2.254”，子网掩码为255.255.255.0。在没有 路由器的情况下，两个网络之间是不能进行TCP/IP通信的，即使是两个网络连接在同一台 交换机（或 集线器）上，TCP/IP协议也会根据 子网掩码（255.255.255.0）判定两个网络中的 主机处在不同的网络里。而要实现这两个网络之间的通信，则必须通过 网关。如果网络A中的 主机发现 数据包的目的主机不在本地网络中，就把数据包转发给它自己的 网关，再由 网关转发给网络B的 网关，网络B的网关再转发给网络B的某个主机（如附图所示）。网络B向网络A转发 数据包的过程也是如此。所以说，只有设置好网关的IP 地址，TCP/IP协议才能实现不同网络之间的相互通信。那么这个IP 地址是哪台机器的IP 地址呢？网关的IP地址是具有 路由功能的设备的IP地址，具有路由功能的设备有 路由器、启用了 路由协议的服务器（实质上相当于一台路由器）、 代理服务器（也相当于一台路由器）。

4. DNS 

DNS 是 计算机域名 系统(Domain Name System 或Domain Name Service) 的缩写，它是由 解析器以及域名 服务器组成的。
域名服务器是指 保存有该 网络中所有 主机的域名和对应IP地址，并具有将 域名转换为IP地址功能的服务器。
DNS使用TCP与UDP端口号都是53，主要使用 UDP，服务器之间备份使用 TCP。

你在上网时输入的网址，是通过 域名解析系统解析找到了相对应的IP地址，这样 才能上网。

Internet上的计算机是通过IP地址来定位的，给出一个IP地址，就可以找到Internet上的某台主机。
而因为IP地址难于记忆，又发明了域名来代替 IP地址。
但通过域名并不能直接找到要访问的主机，中间要加一个从  域名(可以理解为网址，如www.baidu.com)  查找IP地址的过程，这个过程就是域名解析。
域名注册后，注册商为域名提供免费的静态解析服务。

一般的域名注册商不提供动态解析服务，如果需要用动态解析服务，需要向动态域名服务商支付域名动态解析服务费。

转自：https://blog.youkuaiyun.com/yuanbinquan/article/details/52963845


收录于
网络基础

当前文章被收录于：

网络基础
1 篇文章 0 人学习
订阅专栏 查看详情
名词解析：IP，掩码（netmask），网关(gateway)，DNS？ 在没有路由器的情况下，两个网络之间是不能进行TCP/IP通信的，即使是两个网络连接在同一台交换机（或集线器）上，TCP/IP协议也会根据子网掩码（255.255.255.0）判定两个网络中的主机处在不同的网络里。网关实质上是一个网络通向其它网络的IP地址。这个IP地址，是具有路由功能的IP地址，默认网关也是一个网关，也是具有路由功能的设备的IP地址。如果网络A中的主机发现数据包的目的主机不在本地网络中，就把数据包转发给它自己的网关，再由网关转发给网络B的网关，网络B的网关再转发给网络B的某个主机。 阅读详情

相关推荐

超详细避免IP地址自动更换，修改CentOs7为固定IP地址

刚安装好的CentOs7会出现IP地址自动被更换的问题，比如虚拟机重启、间隔一段时间.....IP地址就会发生变换。下面将详细把CentOs7设定为静态IP来解决该问题，耐心看完，不墨迹，只为解决。建议使用ifconfig命令查询当前CentOs7IP地址，并设置成这个地址。将IPADDR设置为你想要使用的静态IP地址（要求与主机IP在同一网段下）执行命令出现以下结果表示能ping通baidu即为成功。例如，如果你的网关IP地址是。DNS1直接按照以下方式修改。执行命令查询网关IP地址。

qq_46248151的博客 2782

IP地址，netmask 子网掩码、gateway 默认网关，dns-nameserve域名服务器总结

IP地址，netmask 子网掩码、gateway 默认网关，dns-nameserve域名服务器总结一、IP地址二、netmask 子网掩码三、gateway 默认网关四、dns-nameserve域名服务器 一、IP地址 每个IP地址都是由“网络号+主机号”两部分组成。IP地址管理机构在分配IP地址时，只分配网络号，而剩下的主机号则由得到该网络号的单位自行分配。 IP地址由32位二进制数组成，通常是十进制表示，并以“.”分隔。IP地址是一种逻辑地址，用来表示网络中的一个个主机，并且IP地址具有唯一性，

qq_42585108的博客 8032

蓝牙开发实战：如何用Wireshark抓取HCI协议包（附完整分析步骤）

本文详细介绍了如何使用Wireshark抓取和分析蓝牙HCI协议包，包括环境搭建、过滤器配置技巧、数据包深度解析及高级调试方法。通过实战案例，帮助开发者快速定位蓝牙连接问题，提升调试效率。

cuda7parallel的博客 1148

名词解析：IP，掩码（netmask），网关(gateway)，DNS

掩码（netmask）：掩码是一个用来确认ip地址信息的二进制数，其实际上相当于“屏蔽了” ip地址中不重要的部分，以便建立网络。例如，在ipv4网络中，子网掩码可以是255.255.255.0，这意味着此掩码表示的地址范围是从192.168.1.0到192.168.1.255。通常情况下，网关会处理包含目标网络地址的数据包，并将其发送到下一个网络中，靠近目标网络。例如，如果你想访问一个名为“www.example.com”的网站，则dns服务器将该域名解析为相应的ip地址，以便你能够访问它。

m0_70336653的博客 4167

FastAdmin框架Token验证实战：从登录到API调用的完整流程

本文详细解析了在FastAdmin框架中实现Token验证的完整流程，从数据表设计、登录接口签发Token，到核心验证中间件的编写与路由配置，并探讨了在业务API中的调用与安全实践。内容涵盖Token生成策略、有效期管理及安全增强措施，为开发者提供了一套可落地的API身份验证解决方案。

nnn11的博客 916

【 Git学习记录（三）】推荐四款主流的Git代码托管平台 —— GitHub、GitLab、Gitee、Coding

了解过Git之后，作为一个程序猿最基本的，你还需要了解目前主流的在线代码托管平台，并至少选择其中一款在平时开发中使用。这里特别介绍以下四款： 国外平台 GitHub —— 全球最流行的代码托管平台 GitLab —— 基于git的仓库管理程序 国内平台 Gitee —— 开源中国旗下的代码托管平台 Coding —— 支持社交元素的代码托管平台 一. GitHub 链接地址：https://github.com/ GitHub目前是全球最流行的代码托管平台（别称：全球最大的同性交友.

JZevin的博客 6091

网络配置的四大基本要素： IP + Netmask + Gateway + DNS

1.  IP IP地址（英语：Internet Protocol Address）是一种在Internet上的给主机编址的方式，也称为网际协议地址。常见的IP地址，分为IPv4与IPv6两大类。 IP地址就像是我们的家庭住址一样，如果你要写信给一个人，你就要知道他（她）的地址，这样邮递员才能把信送到。计算机发送信息就好比是邮递员，它必须知道唯一的“家庭地址”才能不至于把信送错人家。只不过我

fool_fool的专栏 9161

菲涅尔波带片

菲涅尔波带片的简介，以及matlab绘制

Bestchinese的博客 1万+

网络配置的四大基本要素： ip + netmask + gateway + dns

IP IP地址 IP（英语：Internet Protocol Address）是一种在Internet上的给主机编址的方式，也称为网际协议地址。常见的IP地址，分为IPv4与IPv6两大类。 IP地址就像是我们的家庭住址一样，如果你要写信给一个人，你就要知道他（她）的地址，这样邮递员才能把信送到。计算机发送信息就好比是邮递员，它必须知道唯一的“家庭地址”才能不至于把信送错人家。只不过我们的地址使用文字来表示的，计算机的地址用二进制数字表示。 众所周知，在电话通讯中，电话用户是靠电话号码来识别的。同样，在网

请恕小僧斗胆，以所谓少林七十二绝技，来会一会中原各路英雄 748

pikachu靶场: 暴力破解第四关(token防爆破)

Token是服务端生成的一串字符串，以作客户端进行请求的一个令牌，当第一次登录后，服务器生成一个 Token 同时将此 Token 返回给客户端。此外，Token 是有时效的，一段时间之后或下一次请求时用户需要重新验证。

X_shiguang的博客 1720

基于STM32F103与AD8232的便携式心电监测系统设计与实现

本文详细介绍基于STM32F103微控制器与AD8232心电传感器模块的便携式心电监测系统设计与实现。系统通过ADC采集心电信号，结合软件滤波算法处理基线漂移和工频干扰，并利用OLED屏幕实时显示波形，具有低成本、高实用性的特点，适用于健康监测与嵌入式学习。

m5n6o7的博客 737

Sawyer机器人实际操作流程

证明在设置了有线eth0的时候，会优先采用，但奇怪的是，外网连接正常，所有我怀疑这可能是debian的一个bug。NetworkManager最方便的地方是个人电脑用无线连网的时候，因为文字界面的 iwlist wlan0 scan 并不是非常好用，而NetworkManger可以像windows那样列出所有可用的wifi热点，如果有中文乱码的，也一样可以连接，但如果你的机子是用来做服务器的，或者是在办公室里使用，有固定的路由环境，一般来说，也会有固定的ip，因为这样可以方便内网共享资源。

hanbinbinbinnies的博客 3183

从SGX到TDX：英特尔机密计算的技术演进与选型指南

本文深入解析了英特尔两代机密计算技术SGX与TDX的核心差异与选型策略。SGX提供应用级飞地隔离，安全等级高但开发复杂；TDX提供虚拟机级信任域保护，兼容性好且易于部署。文章结合金融与医疗行业实战案例，为开发者提供了清晰的选型指南，帮助根据代码可改性、安全需求、部署规模及生态成本选择最合适的机密计算方案。

java5的博客 420

初学Linux之网络配置(IP、NETMASK、GATEWAY、DNS、DHCP)

1. ip地址与子网掩码 1.1 什么是ip地址  网际协议版本4（英语：InternetProtocolversion4，IPv4），又称互联网通信协议第四版，是网际协议开发过程中的第四个修订版本，也是此协议第一个被广泛部署的版本。IPv4是互联网的核心，也是使用最广泛的网际协议版本，其后继版本为IPv6。 internet protocol address 网络进程地址 ipv4 inte...

ly2020_的博客 5万+

人工智能机器学习基础篇】——深入详解强化学习 基础知识，理解马尔可夫决策过程（MDP）、策略、价值函数等关键概念

人工智能机器学习基础篇】——深入详解强化学习 基础知识，理解马尔可夫决策过程（MDP）、策略、价值函数等关键概念

编程技术探索者，分享C/C++、C#、Java、数据库等开发经验，聚焦实战技巧与AI兴趣，助力编程爱好者成长。 1925

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

网络配置(IP、NETMASK、GATEWAY、DNS、DHCP) ＜持续更新中＞

参考： 当说172.25.254.33/24时，这意味着：当说172.25.0.1/16时，这意味着：注意：device的名字一个物理事实，看到什么名字只能用什么名字

庐陵居士 2731

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")

Linux 配置IP地址和DNS

一.配置IP地址 1、找出网卡名称 终端上输入ifconfig（或者ip addr ），这里的网卡名是eth0。 可以看到详细的网卡信息，包括网卡类型（以太网网卡），硬件地址，IP地址，IP广播地址，子网掩码等。 我们要注意两个内容， 第一：inet addr:xxx.xxx.xxx.xxx（这是IPV4地址） inet6 addr:xxxxxxxxxxxxxxx(这是IPV6地址)， 第二我们要注意mask后面的内容：xxx.xxx.xxx.xxx这是子网掩码。 2、进入配置目录，找出对应网卡配置文

qq_25775675的博客 3万+

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

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

网络配置 IP + Netmask + Gateway + DNS

dhcp自动分配ip，修改为静态ip；一些关于网络配置的基本要素

小小白的博客 1645

CentOS7查看netmask、gateway、dns

一、获取NETMASK yum provides ifconfig 安装ifconfig 执行 ifconfig可看到netmask # ifconfig enp0s3: flags=4163<UP,BROADCAST,RUNNING,MULTICAST> mtu 1500 inet 10.0.2.15 netmask 255.255.255.0 broadcast 10.0.2.255 inet6 fe80::192:8e90:2647:97bc p...

跟着互联网 2604

Linux修改动静态ip

络环境中，主要作用是集中的管理、分配IP地址，使网络环境中的主机动态的获得IP地址、Gateway地址、DNS服务器地址等信息，并能够提升地址的使用率。设置为none禁止DHCP，设置为static启用静态IP地址，设置为dhcp开启DHCP服务。是否从DHCP服务器获取用于定义接口的默认网关的信息的路由表条目。是否允许DHCP获得的DNS覆盖本地的DNS。由服务器控制一段lP地址范围，客户机登录服务器时就可以自动获得服务器分配的lP地址和子网掩码。设置为yes，开机自动启用网络连接。

weixin_47449461的博客 2896

linux系统中静态网络配置(IPADDR+NETMASK+GATEWAY+DNS1)

(1)修改 BOOTPROTO="static"(2)修改 ONBOOT="yes"(3)添加网段IPADDR="192.168.10.130" 与虚拟机在相同网段NETMASK="255.255.255.0"固定值GATEWAY="192.168.10.2"必须与前面的“网关IP”相同DNS1="8.8.8.8"域名解析地址

一枚程序员正在发芽中biubiu 4818
上一篇： Linux学习笔记二Shell教程
下一篇： Linux学习笔记如何发布一个简单网站一linux服务器搭建及远程管理（一）
点赞 0
评论 0
书签 书签 1
白马非马啊
白马非马啊
博客等级 码龄10年 13粉丝 53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