网络编码

1、IP地址有3位标识符，由ICANN进行分配。 2、两级的IP地址分为 ：：={<网络号>，<主机号>}。 3、在同一个局域网上的主机或路由器的IP地址中的网络号必须是一样的。 4、路由器总是具有两个或两个以上的IP地址。路由器的每一个接口都有一个不同网络号的IP地。端与端之间是通过唯一的IP地址通信。 5、直接广播地址：ABC类IP地址中的主机号全为1，只能作为分组的目的地址。受限广播地址：网络号和主机号都为1。 6、网络地址是主机号0，网络号为1，在进行与运算；主机地址是主机号1，网络号为0，在进行与运算；广播地址是主机号全为1。 7、网络掩码是将IP地址划分为网络地址和主机地址两部分；子网掩码是用来标识网络位的数，凡是网络位都标识为1。 8、三级的IP地址分为：：={<网路号>,<子网号>,<主机号>} 目的：扩展网络，减少竞争，减少CPU使用负荷，隔离网络问题，提高网络的安全性。 9、从一个IP数据报是无法判断源主机或目的主机所连接的网络是否进行了子网的划分，必须加上子网掩码。 10、网络地址是二进制的IP地址与掩码按位进行与运算。 11、创建子网的规则：先决定需要的子网数，再决定子网掩码和子网地址。有效子网数和主机数要减二（不要全0和1）。 12、可以看网络号和子网地址是否相同判断主机的IP地址是否属于同一个子网。 来源： https://www.cnblogs.com

流媒体协议是网络对视频的传输协议。 基本概念 视频技术的名词 名词系列一：AVI、MPEG、RMVB、MP4、MOV 名词系列二：H.261、H.262、H.263、H.264、H.265。重点是H.264 名词系列三：MPEG-1、MPEG-2、MPEG-4、MPEG-7。 视频：一连串的图片。 帧：一张图片就是一帧。 帧率：就是每秒由多少张图片 像素：一个像素一个RGB，每个8位。一张图片由好多个像素组成。 每秒种的视频有多大？ 30 帧 × 1024 × 768 × 24 = 566,231,040Bits = 70,778,880Bytes 每分钟的视频有多大？4,246,732,800Bytes，已经是 4 个 G 了。 编码：用尽量少的Bit 保存视频，是一个压缩的过程。 利用视频和图片的一些特点进行压缩：空间冗余、时间冗余、视觉冗余、编码冗余。 本质上就是用更少的能量传递更多的信息。这和香农的信息论有些相似。 视频编码的两大流派 ITU 的VCEG ISO 的MPEG ITU-T 与 MPEG 联合制定的 H.264/MPEG-4 AVC 经过编码之后，原来的一帧帧图片转为二进制数据，将这些二进制数据放到文件里，按照一定的格式保存起来，就是名词系列一。 接流：服务器从主播客户端的那里接收视频流 转码：从一个编码格式转为另一个编码格式。 拉流

概述：什么是AutoML？ 目前机器学习（machine leraning）成功的关键在于人类工程师完成如下的工作： 预处理数据 选择适当的功能 选择一个适当的模型选择系列 优化模型超参数 后处理机器学习模型 严格分析所得结果 AutoML自动机器学习致力于研究机器学习自动化实现，面向没有专业机器学习知识的用户。同时也向专业机器学习人士提供了新的工具，如：执行深层表示的框架搜索；分析超参数的重要性。AutoML主张开发可以用数据驱动的方式自动实例化的灵活软件包。 Automl的发展历史 1、首先是人工网络结构搜索，从Inception v1,v2,v3,v4,ResNet到Xception. Inception-ResNet 的网络结构请参考论文： https://arxiv.org/pdf/1602.07261.pdf a 、Inception v1的网络，主要提出了Inceptionmodule结构（1*1，3*3，5*5的conv和3*3的pooling组合在一起），最大的亮点就是从NIN（Network in Network）中引入了1*1 conv。 b 、Inception v2的网络，加入了BN（Batch Normalization）层，减少了InternalCovariate Shift，并且使用2个3*3替代1个5*5卷。 c 、Inception v3网络

【中文】【吴恩达课后编程作业】Course 4 - 卷积神经网络 - 第四周作业 - 人脸识别与神经风格转换 上一篇： 【课程4 - 第四周测验】 ※※※※※ 【回到目录】 ※※※※※下一篇： 【待撰写-课程5 - 第一周测验】 资料下载 本文所使用的资料已上传到百度网盘 【点击下载(555.65MB)】 ，提取码：zcjp ，请在开始之前下载好所需资料，底部不提供代码。 【博主使用的python版本：3.6.2】 第一部分 - 人脸识别 给之前的“ 欢乐家 ”添加人脸识别系统 这是第4周的编程作业，在这里你将构建一个人脸识别系统。这里的许多想法来自 FaceNet 。在课堂中，吴恩达老师也讨论了 DeepFace 。 人脸识别系统通常被分为两大类： 人脸验证 ：“这是不是本人呢？”，比如说，在某些机场你能够让系统扫描您的面部并验证您是否为本人从而使得您免人工检票通过海关，又或者某些手机能够使用人脸解锁功能。这些都是 1：1 匹配问题。 人脸识别 ：“这个人是谁？”，比如说，在视频中的百度员工进入办公室时的脸部识别视频的介绍，无需使用另外的ID卡。这个是 1：K 的匹配问题。  FaceNet可以将人脸图像编码为一个128位数字的向量从而进行学习，通过比较两个这样的向量，那么我们就可以确定这两张图片是否是属于同一个人。 在本节中，你将学到： 实现三元组损失函数。

本小节算是GAN的预备篇，主要介绍目前几个主流的生成模型，以及他们各自的优势。现有的使用较多的生成模型主要有以下5个，他们的源代码如下： https://github.com/wiseodd/generative-models 这里给出的代码主要是CPU实现。不太适合我们现在要处理的任务，基于他们的代码，我改编出了GPU版，目前只实现了AE、VAE和部分GAN，代码会持续更新中… https://github.com/Cuiyirui/Generative-Model-with-pytorch-GPU 2.1 Auto-encoder 先来看Auto-Encoder也就是我们说的AE，它的主要思路是把输入的vector编码成code，再把code解码成vector. 其中的编码器和解码器部分一般是Neural Network，可以是简单的线型神经元，也可以是CNN。为了训练函数用p-范数做损失函数： L = ‖ x G ( z ) ‖ p L =‖ x G ( z ) ‖ p p取1就是我们熟悉的L1 loss，p取2就是L2 loss. 把NN换成简单的3层神经网络： 这里的图像编码是3位。用到的数据集主要是MNIST和我们自己的服装数据集。 我们先看MNIST上的例子 从上边的结果发现，随着训练次数的增加，生成的图像在逐渐变清晰。但我们随机给一个长度为3的变量作为编码时

系统学习机器学习之神经网络（三）--GA神经网络与小波神经网络WNN 2017年01月09日 09:45:26 Eason.wxd 阅读数 14135 更多 分类专栏： 机器学习 1 遗传算法 1.1 遗传算法简介： 遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随 机化搜索方法。它是由美国的 J.Holland 教授 1975 年首先提出，其主要特点是直接对结构对 象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力； 采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需 要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处 理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术之一。 在遗传算法里，优化问题的解被称为个体，它表示为一个变量序列，叫做染色体或者基 因串。染色体一般被表达为简单的字符串或数字串，不过也有其他的依赖于特殊问题的表示 方法适用，这一过程称为编码。首先，算法随机生成一定数量的个体，有时候操作者也可以 对这个随机产生过程进行干预，以提高初始种群的质量。在每一代中，每一个个体都被评价， 并通过计算适应度函数得到一个适应度数值。种群中的个体被按照适应度排序，适应度高的 在前面。这里的“高”是相对于初始的种群的低适应度来说的。

功能 数据链路层 主要作用是加强物理层传输原始比特流的功能，将物理层提供的 可能出错的物理连接 改造为 逻辑上无差错的数据链路 ，使之对网络层表现为一条无差错的链路。（物理上肯定有一些差错，但是可以通过修改，改为逻辑上无差错） 任务：负责将数据报通过链路从一个节点传输到相邻的节点 三个基本功能： 封装成帧 透明传输 差错检测 封装成帧 基本概念： 将一段数据的前后分别添加首部和尾部，就构成了帧。 注意： 首部和尾部中含有很多 控制信息 （如 检验序列等），它们的一个重要作用是确定帧的界限，即 帧定界 。 透明传输 如果在数据中心恰好出现与帧定界符相同的比特组合，会导致帧提前结束而丢弃后面的数据。所以引入了 “透明传输” 。 基本概念： 透明传输就是不管所传的数据是什么样的比特组合（ 透明的，看不见里面的数据 ），都应当能在链路上传送。 基本方法： 字符计数法： 在帧头部使用一个计数字段来标明帧内字符数。 字符填充的首尾定界符法： 在特殊字符前面填充一个转义字符(DLE)来加以区分，以实现数据的透明传输。接收方收到转义字符后，就知道其后面紧跟的是 数据信息 ，而不是控制信息。 数据中有可能出现转义字符，所以要 在转义字符前再插入一个转义字符 。 比特填充的首尾标志法： 由于使用01111110（6个1）来标志一帧的开始和结束，故发送方只要在数据中遇到5个连续的“1”时

　　本部分内容从计算机网络体系结构、物理层、数据链路层、网络层、传输层和应用层分别来讲述。 第一章： 计算机网络体系结构 　　本章内容为基本概念，这是计算机网络的基础。 重点掌握网络的分层结构，尤其是ISO/OSI参考模型各层的功能和协议、接口、服务的概念。 1. 计算机网络的概念 计算机网络是一个将分散的、具有独立功能的计算机系统，通过通信设备与线路连接起来，由功能完善的软件实现资源共享和信息传递的系统。 2. 计算机网络的组成 从物理构成上看，一个完整的计算机网络由软件、硬件和协议三大部分组成。 从工作方式上看，计算机网络可以分为边缘部分和核心部分。 边缘部分是指用户直接使用的、连接在因特网上的主机， 而核心部分是指大量的网络和连接这些网络的路由器，它为边缘部分提供了连通性和交换服务。 从功能上看，计算机网络由通信子网和资源子网组成。 3. 计算机网络的功能 数据通信。 比如文件传输、电子邮件等应用。 资源共享。指用户能够部分或全部的使用计算机网络资源。 分布式处理。当计算机网络中的某个计算机系统负荷过重时，就可以将其处理的任务传送到网络的其他计算机系统中，利用空闲计算机资源以提高整个系统的运行效率。 4. 计算机网络的分类 按照分布范围分类 广域网(WAN - Wide Area Network) 作用范围往往是在数十千米以上的区域。其任务是提供长距离的通信