VMware Fusion配置Nat静态IP

1、Mac VMware Fusion

       我们在使用虚拟机的时候,经常遇到这样的问题,我们会换地方,ip会变化,如果虚拟机使用桥接的方式,那么很多与ip相关的服务都会出现问题,所以我们希望使用nat模式,不过遗憾的是,在Windows下,VMware配置nat十分之方便,但是在Mac下,却有点麻烦,因为默认情况下,不支持我们配置静态ip,这对于我们来说就不太方便了。

2、Fusion配置Nat静态IP

2.1 创建Nat网络

       首先我们进入VMware Fusion的配置界面(快捷键是Command+,),然后打开网络配置:


这里写图片描述

       如上图,首先点击锁的按钮,进行解锁,需要输入密码才可以;

这里写图片描述

       然后,我们点击+号,增加一个网络,在这里显示的是vmnet2,在其他机器可能是3,这一点不影响,然后,将上图所示的3代表的选项选中,将下面的DHCP的选项取消。

​ (注意:要配置静态ip,一定要取消DHCP选项!)

​ (PS:原文章说要取消勾选DHCP 但是我这边勾选了才能自定义自己ip)

2.2 修改Nat网络配置

       然后,我们需要打开终端;

       进入下面的目录:

cd /Library/Preferences/VMware\ Fusion/
 
 
  • 1

       ( 注意:在路径中出现空格需要用\转义)

这里写图片描述

       然后我们就能看到上面的配置文件,首先打开networking:

sudo vim networking
 
 
  • 1

       (注意:没有vim的用vi,一定记得加sudo,需要root权限才能修改)

这里写图片描述

       如上图,VNET_2开头的配置就是我们创建的那块网卡,标号为1的是子网掩码,标号为2的是子网地址,注意,是子网地址!

补充:
    通过子网掩码划分子网,比如说3个255:
        11111111.11111111.11111111.00000000
    然后我们有一个ip,与上面的子网掩码进行与操作,如果是一样的,那么就代表是在一个网段中;
    例如,192.168.2.1,192.168.2.2就是一个网段;
    但是,192.168.2.1,192.168.3.2就不是一个网段,进行与操作以后,有个3是不一样的。
    子网地址是子网的第一个地址,也就是说,如果是255.255.255.0,那么指望地址就是*.*.*.0,前面的*可以自己配置。
 
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

这里写图片描述

       然后我们进入vmnet2,看到上图所示的配置文件;

sudo vim nat.conf
 
 
  • 1

这里写图片描述

       如上图所示,修改这里的配置即可,第一个是ip,这里的ip的网关,下面的是子网,与前面的子网掩码保持一致,上面的ip除了子网的第一个和最后一个ip不能用,其他都可以用,这里我们配置为192.168.2.2

​ 还有一个重要的步骤,重新打开VMware的网络配置,如下图:

这里写图片描述

       为了让VMware更新我们手动修改的配置,首先我们选中这个网络,然后将2所示的选项取消选中,这是后3会被点亮,点击应用,然后在将2选中,再点击应用,这样网络配置就更新了。

​ (实际上不更改配置,就是为了点击应用,让VMware更新一下配置)

2.3 虚拟机网络配置

       接下来,我们来配置一下虚拟机,目前我装的是CentOS 7.3 1611,首先打开虚拟机的配置选项(快捷键是Command

+E):

这里写图片描述

       打开网络,显示下图所示的选项:

这里写图片描述

       然后选中我们配置的网络:vmnet2

2.4 虚拟机网络配置

​ 然后我们打开虚拟机,进入下面的目录,找到网卡的配置文件:

这里写图片描述

       打开网卡的配置文件:

vi ifcfg-ens33
 
 
  • 1

这里写图片描述

       如上图,其中子网掩码要与之前保持一致,然后ip只要在同一网段就可以,网关和DNS配置到我们之前配置的网关上去。

       重启网络生效:

systemctl restart network
 
 
  • 1

       查看ip:

ip a
 
 
  • 1

这里写图片描述

       至此就大功告成了!

### RT-DETRv3 网络结构分析 RT-DETRv3 是一种基于 Transformer 的实时端到端目标检测算法,其核心在于通过引入分层密集正监督方法以及一系列创新性的训练策略,解决了传统 DETR 模型收敛慢和解码器训练不足的问题。以下是 RT-DETRv3 的主要网络结构特点: #### 1. **基于 CNN 的辅助分支** 为了增强编码器的特征表示能力,RT-DETRv3 引入了一个基于卷积神经网络 (CNN) 的辅助分支[^3]。这一分支提供了密集的监督信号,能够与原始解码器协同工作,从而提升整体性能。 ```python class AuxiliaryBranch(nn.Module): def __init__(self, in_channels, out_channels): super(AuxiliaryBranch, self).__init__() self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1) self.bn = nn.BatchNorm2d(out_channels) def forward(self, x): return F.relu(self.bn(self.conv(x))) ``` 此部分的设计灵感来源于传统的 CNN 架构,例如 YOLO 系列中的 CSPNet 和 PAN 结构[^2],这些技术被用来优化特征提取效率并减少计算开销。 --- #### 2. **自注意力扰动学习策略** 为解决解码器训练不足的问题,RT-DETRv3 提出了一种名为 *self-att 扰动* 的新学习策略。这种策略通过对多个查询组中阳性样本的标签分配进行多样化处理,有效增加了阳例的数量,进而提高了模型的学习能力和泛化性能。 具体实现方式是在训练过程中动态调整注意力权重分布,确保更多的高质量查询可以与真实标注 (Ground Truth) 进行匹配。 --- #### 3. **共享权重解编码器分支** 除了上述改进外,RT-DETRv3 还引入了一个共享权重的解编码器分支,专门用于提供密集的正向监督信号。这一设计不仅简化了模型架构,还显著降低了参数量和推理时间,使其更适合实时应用需求。 ```python class SharedDecoderEncoder(nn.Module): def __init__(self, d_model, nhead, num_layers): super(SharedDecoderEncoder, self).__init__() decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead) self.decoder = nn.TransformerDecoder(decoder_layer, num_layers=num_layers) def forward(self, tgt, memory): return self.decoder(tgt=tgt, memory=memory) ``` 通过这种方式,RT-DETRv3 实现了高效的目标检测流程,在保持高精度的同时大幅缩短了推理延迟。 --- #### 4. **与其他模型的关系** 值得一提的是,RT-DETRv3 并未完全抛弃经典的 CNN 技术,而是将其与 Transformer 结合起来形成混合架构[^4]。例如,它采用了 YOLO 系列中的 RepNCSP 模块替代冗余的多尺度自注意力层,从而减少了不必要的计算负担。 此外,RT-DETRv3 还借鉴了 DETR 的一对一匹配策略,并在此基础上进行了优化,进一步提升了小目标检测的能力。 --- ### 总结 综上所述,RT-DETRv3 的网络结构主要包括以下几个关键组件:基于 CNN 的辅助分支、自注意力扰动学习策略、共享权重解编码器分支以及混合编码器设计。这些技术创新共同推动了实时目标检测领域的发展,使其在复杂场景下的表现更加出色。 ---
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