共2個實驗：
實驗l1a：規劃和配置ipv4
（附加）實驗l1b：使用networkmonitor
實驗l1a：規劃和配置ipv4
共2個練習
場景：乙個新的網路，共有4個位置。需要將網路172.30.0.0分成多個子網，分別分配給4個位置，而且每個位置中最多3000臺主機。
任務1：確定子網位的數量
子網位的數量為（2^m）。4個位置需要4個子網。m=2時，可得到4個子網。
任務2：確定主機位的數量
主機位的數量為（2^n）-2。因為第乙個ip為網路id，最後乙個ip為廣播id。
每個子網中需要3000臺主機。，n=11時，可容納1022臺主機，不夠。因此n=12，可容納4094臺主機。
172.30.0.0是乙個b類位址，預設子網掩碼分配16位用於主機id，這些位可用於劃分子網。根據前面計算得到m=2，因此子網的bit為16+2=18位，即255.255.192.0。留給主機的bit為32-18=14，每個子網最多可容納（2^14）-2=16382 。
第1個子網id為172.30.0.0，主機為172.30.0.1～172.30.63.254
第2個子網id為172.30.64.0，主機為172.30.64.1～172.30.127.254
第3個子網id為172.30.128.0，主機為172.30.128.1～172.30.191.254
第4個子網id為172.30.192.0，主機為172.30.192.1～172.30.255.254
說明：本例的重點是使用b類位址，因此優先考慮拆分子網。如果不考慮b類位址的因素，例如偏重於限制子網中容納的主機數量，即將3000*4=12000臺主機平均分布到4個子網，則計算方法應為：
根據n=12，計算子網的bit為32-12=20，即255.255.240.0，每個子網最多容納4094臺主機。子網的增量為（2^4）=16（在第3個8位掩碼處跳躍）。
第1個子網為172.30.0.0，主機為172.30.0.1～172.30.15.254
第2個子網為172.30.16.0，主機為172.30.16.1～172.30.31.254
第3個子網為172.30.32.0，主機為172.30.32.1～172.30.47.254
第4個子網為172.30.48.0，主機為172.30.48.1～172.30.63.254
任務1：計算主機192.168.17.17/28的子網id
32-28=4，表示只有4個bit用於主機位，因此子網掩碼為255.255.255.240 。4個bit表示子網的增量（跳躍）值為16，或者直接計算為256-240=16，因此第1個子網id為0，後續依次為16、32、48、64...
17前面的子網為16，因此192.168.17.17/28的子網id為192.168.17.16。該子網的最後乙個位址為192.168.17.30（192.168.17.31為廣播id），下乙個子網的id為192.168.17.32。
（附加）實驗l1b：使用networkmonitor
共有2個練習
練習1：安裝nm。
練習2：使用nm進行捕獲與分析。
練習1：安裝microsoft network monitor 3.4
任務1：準備nm安裝程式
參考資源
任務2：安裝nm
練習2：使用nm進行捕獲與分析
任務1：捕獲通訊
開啟nm，在「microsoft update opt-in」對話視窗選擇「no」。
在「file」選單選擇「new」，再選擇「capture」；或者單擊下圖的按鈕或鏈結。
轉到cl1，以域使用者contoso\zhangs登入，然後在命令提示符下面輸入：
ping hqdc1
任務2：分析捕獲的網路通訊
再轉回到hqdc1。
在frame summary窗格，找到arp幀。展開下方的frame details窗格，檢查詳細資訊，例如：destinationaddress和sourceaddress欄位。
任務3：過濾通訊
如果不需要過濾器
任務4：儲存捕獲
動態規劃小結（1）最大子段和
print?1.對於一維問題，求解乙個序列中的連續子段的最大和。狀態 一維陣列dp i 以i結尾的最大子段和，並非前i項的最大子段和，二者有區別。轉移 if dp i 0 dp i 1 dp i a i else dp i 1 dp i ans max dp k k 1,2,n 空間上可以用滾動陣列...
動態規劃 入門 1 最大子矩陣和
分析我們已經解決了一維的問題 基礎篇中的最大子段和問題 現在變成二維了，我們看看能不能把這個問題轉化為一維的問題。最後子矩陣一定是在某兩行之間的。假設我們認為子矩陣在第i行和第j列之間，我們如何得到i和j呢，對，列舉。列舉所有1 i j m,表示最終子矩陣選取的行範圍。我們把每一列第i行到第j行之間...
推薦系統筆記二 匹配演算法和實踐（part1）
如youtube2016年發表的 deep neural networks for youtube recommendations所示，match和rank兩部分 cf就是收集許多其他使用者的偏愛資訊來對該使用者的興趣進行 從數學角度來看，就是乙個矩陣補全問題，如下圖所示 如何補全上圖中的問號處的值...