- 综合排序
- 最热优先
- 最新优先
- 来自专栏PM吃瓜(公众号)
Vnet subnet Nic Nsg 区别
可以在创建 VM 之前创建 VNet，也可以在创建 VM 时创建 VNet。 每个 NIC 必须连接到与 NIC 位于相同 Azure 位置和订阅中的 VNet。创建 VM 之后，可以更改它连接到的子网，但无法更改 VNet。 虚拟网络和子网 子网是 VNet 中的一系列 IP 地址。可将一个 VNet 划分为多个子网，以便于组织和提高安全性。 VM 中的每个 NIC 连接到一个 VNet 中的一个子网。 要将 VM 放入某个 VNet，请创建该 VNet，然后在每个 VM 时，将其分配到该 VNet 和子网。在部署或启动期间，VM 会获取其网络设置。 如果创建了一个 VM，事后又想要将它迁移到 VNet，做出这种配置更改并不是一个简单的过程。在这种情况下，必须将 VM 重新部署到 VNet。
1.3K10编辑于 2023-03-02 - 来自专栏DPDK VPP源码分析
learning vnet:L2 vSwitch
在前面文章《learning：vpp实现dot1q终结功能配置》介绍了L2 vSwitch一些基本概念BD（Bridge Domain）、BDI （Bridge Domain interface）等等概念，本文主要学习二层的转发流程。前面文章中介绍了在腾讯云主机中搭建DPDK&VPP的学习环境，下面就在腾讯云主机搭建L2 vswitch环境。具体配置如下图所示：
48310编辑于 2024-04-28 - 来自专栏DPDK VPP源码分析
learning vnet:L2 CrossConnect （4）
在文章《learning:l3xc plugins》中，我们介绍了三层交叉连接功能，将三层接口的所有入接口流量交叉连接输出到指定的FIB路径，从而跳过了路由查找的功能，实现高性能转发加速；L2 Cross Connect 是二层交叉连接功能，用于实现第二层（数据链路层，通常指以太网层）的直接连接，允许两个接口之间的二层数据包（如以太网帧）直接转发，绕过第三层（网络层）的处理，类似于传统的以太网交换机中的端口 trunking 或者链路聚合，但其目的是为了在VPP内部或VPP与其他设备间建立一个简单的二层桥接。
44710编辑于 2024-05-14 - 来自专栏最新医学影像技术
Tensorflow入门教程（三十七）——DC-VNet
the U-Net Architecture with Dual Channel Efficient CNN for Medical Images Segmentation》，通过理解该模型思想，在VNet
1.4K30发布于 2020-06-29 - 来自专栏最新医学影像技术
Tensorflow入门教程(二十五）——深度监督VNet（DSVNet）
在之前的篇章中我分享过2D和3D版本VNet模型例子，可以说这是很基本的模型。今天我将从模型改进上给大家分享一下2D版本的深度监督VNet。 1、深度监督VNet模型 大家看过我之前的文章，肯定对VNet模型已经很熟悉了。我画了一个深度监督VNet模型结构示意图。接下来我将简单说一下要点，方便大家理解。 例如，VNet中上采样操作只是将图像上采样两倍，而深度监督VNet中上采样操作不仅有上采样两倍，还有四倍，八倍。 ? 2、数据集 ? 此外还在VNet上进行了训练并与深度监督VNet结果进行对比，在测试数据上平均精度：深度监督VNet为91.99%，VNet为91.06%。 最后给出一张肝脏分割金标准结果，VNet结果和DSVNet结果对比效果图。 ?
1.4K20发布于 2020-06-29 - 来自专栏最新医学影像技术
Tensorflow入门教程（三十九）——GER-VNet
《Beyond CNNs: Exploiting Further Inherent Symmetries in Medical Images for Segmentation》，通过理解该模型思想，在VNet
55720发布于 2020-06-29 - 来自专栏最新医学影像技术
Tensorflow入门教程（三十六）——VNet3D+++
好久没有阅读最新的分割模型文章了，今天将分享Unet的改进模型UNet+++，通过理解该模型思想，在VNet3D基础上做了同样的复现，但是有些细节稍稍不同。 1、VNet模型 大家看过我之前的文章，肯定对VNet模型已经非常熟悉了，该结构出自2016年发表的一篇论文《V-Net:Fully Convolutional Neural Networks for 3、VNet3D+++网络 论文中Unet+++网络结构如下第三个图所示。 ? 我在VNet3D的基础上复现了VNet3D+++，结构类似Unet+++，但是其中解码网络和编码网络的特征图通道数设置的不一样，复现的时候保持了解码网络和编码网络的特征图通道数个数一一对应，与论文中的比编码网络的特征通道数都是 了大家更好的学习，我把VNet3d+++网络代码分享到github上： https://github.com/junqiangchen/VNetFamily 如果大家觉得这个项目还不错，希望大家给个Star
1.5K20发布于 2020-06-29 - 来自专栏最新医学影像技术
Tensorflow入门教程(二十六）——多尺度VNet（MSVNet）
上一篇我分享了2D版本VNet模型改进的深度监督VNet，效果已经有所改善，那么今天我将再分享一个改进的模型即多尺度VNet。 1、多尺度VNet模型 从上一篇深度监督VNet模型结构图可以看到，主要改进地方就在VNet的编码网络中每一个上采样操作。 而今天所分享的多尺度VNet模型，右半边跟VNet结构是一样的，不同的地方在于左半边结构，每个下采样操作都有一个额外的分支输入操作，该分支操作是将原始图像下采样到不同尺度图像与每个下采样操作的输出图像大小一致 多尺度VNet模型结构示意图。 ? 2、数据集 ? 我们使用LiTS—LiverTumorSegmentation Challenge的CT图像做为我们的训练数据和测试数据。 在测试数据上平均精度：多尺度监督VNet为91.39%。最后给出一张肝脏分割金标准结果，MSVNet结果和VNet结果对比效果图。 ?
1.3K30发布于 2020-06-29 - 来自专栏最新医学影像技术
COVID-19-20——基于VNet3D分割网络的基础方法
二、分割网络 （1）、搭建VNet3d模型，网络输入大小是（160，160，64）。具体实现可以参考Tensorflow入门教程（十九）——基于VNet的前列腺分割案例。 四、改进的方向 1、考虑到有限的计算资源，可以首先将肺组织区域分割提取出来，然后针对肺部组织进行肺部病变分割提取，提高分割精度 2、考虑将Vnet2d和Vnet3d分割网络进行结合分割，提高分割精度。
83040编辑于 2022-08-20 - 来自专栏DPDK VPP源码分析
learning vnet:L2 vSwitch shg 水平分割组 （3）
(b0)->l2.bd_index); /*记录入接口shg数值*/ in_shg = vnet_buffer (b0)->l2.shg; sw_if_index0 = vnet_buffer *sw_if = vnet_get_sw_interface (vnet_get_main (), member->sw_if_index); switch (sw_if->flood_class ) { case VNET_FLOOD_CLASS_NO_FLOOD: bd_config->no_flood_count++; ix = vec_len (bd_config ->members); break; case VNET_FLOOD_CLASS_BVI: ix = 0; break; case VNET_FLOOD_CLASS_TUNNEL_MASTER : bd_config->tun_master_count++; /* Fall through */ case VNET_FLOOD_CLASS_NORMAL:
46610编辑于 2024-05-14 - 来自专栏最新医学影像技术
Tensorflow入门教程（十九）——基于VNet的前列腺分割案例
今天我将分享如何用Tensorflow实现VNet模型，并实现基于MR图像的前列腺分割的例子。 1、VNet模型 大家看过我之前的文章，肯定对UNet模型已经非常熟悉了，其实VNet模型可以看做是从UNet模型演变过来的，网络模型结构如下所示。 下载地址：https://promise12.grand-challenge.org/download/ 3、网络实现 我用Tensorflow实现了2D版本的VNet来进行分割实验（由于我的NVIDA 具体实现我已经分享到github上：https://github.com/junqiangchen/VNet。 4、结果 由于数据集很小只有50例病人图像，所以数据增强是必须的图像预处理步骤。
2.1K40发布于 2020-06-29 - 来自专栏最新医学影像技术
Tensorflow入门教程(二十七）——多尺度深监督VNet（MSDSVNet）
上两篇我分享了深度监督VNet和多尺度VNet，效果已经有所改善，进一步改进的话，非常简单的想法就是把两者进行结合，那么今天我将分享多尺度深度监督VNet。 1、多尺度深度监督VNet模型 多尺度深度监督VNet模型结构示意图如图所示。 在测试数据上平均精度：多尺度深度监督VNet为91.59%，VNet为91.06%。最后给出一张肝脏分割金标准结果，VNet结果和MSDSVNet结果对比效果图。 ?
1.6K10发布于 2020-06-29 - 来自专栏最新医学影像技术
Tensorflow入门教程（三十二）——Non-Local VNet3D
3、Non-local VNet3D VNet3D网络模型如下所示，论文中也提到Non-local模块是可以在现有的网络中即插即用的，但是Non-local模块中涉及到矩阵乘法计算，如果在VNet3D的浅层处添加 Non-local模块，计算量非常大，硬件无法运行，论文中也建议将Non-local模块添加在深层处，例如可以在VNet3D网络中解码网络中的128通道和256通道所在层数添加Non-local模块来替换原来的卷积层
82620发布于 2020-06-29 - 来自专栏最新医学影像技术
COVID-19-20——基于VNet3D分割网络的改进之混合损失
二、分割网络 （1）、搭建VNet3d模型，网络输入大小是（160，160，64）。具体实现可以参考Tensorflow入门教程（十九）——基于VNet的前列腺分割案例。
48530编辑于 2022-08-20 - 来自专栏DPDK VPP源码分析
learning vnet:L2 vSwitch mac地址老化及mac地址表最大规格（2）
在前面文章《learning vnet:L2 vSwitch》介绍过MAC 学习的过程，本文来学习一下mac地址老化机制及mac地址表学习最大规格。
53410编辑于 2024-04-28 - 来自专栏最新医学影像技术
Tensorflow入门教程(二十）——基于VNet3D的前列腺分割案例
在之前的篇章中我分享过用2D版本的VNet来进行MR图像的前列腺分割，但是2D版本的VNet是存在错误分割问题的，所以今天我将分享如何用Tensorflow实现3D版本的VNet来进行前列腺分割 ，以此来解决2D版本的VNet中的问题。 1、网络实现 基于Tensorflow实现了3D版本的VNet来进行分割实验（我用的是NVIDA显卡：GTX1080）。 ? 具体实现我已经分享到github上： https://github.com/junqiangchen/VNet3D。 2、数据集下载和处理 ? 2D版本的VNet容易在MR图像末尾几张中出现错误分割，我们从上面可以看到3D版本的VNet不仅整体分割效果不错，而且没有出现错误分割。
1.2K30发布于 2020-06-29 - 来自专栏DPDK VPP源码分析
VPP feature arc机制
-policer-classify", .runs_before = VNET_FEATURES ("ipsec4-input-feature"), }; VNET_FEATURE_INIT (ip4 *vnet_main; } vnet_feature_main_t; 关键结构体如下： 1、vnet_feature_config_main_t 该结构是所有feature相关的配置主结构体 2、vnet_config_main_t feature配置主结构体，其中config_pool是配置结构的内存池，不同的接口如果设置了不同的feature就会申请不同的vnet_config_t。 3、vnet_config_t feature的配置结构体，里面保存了多个feature，当接口使能一个feature时，会在对应的feature中增加多个vnet_config_feature_t。 always_inline void * vnet_get_config_data (vnet_config_main_t * cm, u32 * config_index,
2.8K22编辑于 2023-03-07 - 来自专栏DPDK VPP源码分析
vpp Buffer Metadata
: QoS data valid in vnet_buffer_opaque2 VNET_BUFFER_F_GSO: generic segmentation offload requested VNET_BUFFER_F_AVAIL1 : available bit VNET_BUFFER_F_AVAIL2: available bit VNET_BUFFER_F_AVAIL3: available bit VNET_BUFFER_F_AVAIL4 : available bit VNET_BUFFER_F_AVAIL5: available bit VNET_BUFFER_F_AVAIL6: available bit VNET_BUFFER_F_AVAIL7 ，类型名为vnet_buffer_opaque_t。 通常使用vnet_buffer(b)宏访问。详情请参阅../src/vnet/buffer.h。
98710编辑于 2023-03-07 - 来自专栏用户3288143的专栏
Mac环境下， 虚拟机（ CentOS 7）的 NAT网络配置
VERSION=1,0 answer VNET_1_DHCP yes answer VNET_1_DHCP_CFG_HASH D45C7C976C6052FCCD0AD5848F914340EFB1E4E6 answer VNET_1_HOSTONLY_NETMASK 255.255.255.0 answer VNET_1_HOSTONLY_SUBNET 192.168.133.0 answer VNET answer VNET_2_HOSTONLY_NETMASK 255.255.255.0 answer VNET_2_HOSTONLY_SUBNET 192.168.210.0 answer VNET _2_NAT yes answer VNET_2_NAT_PARAM_UDP_TIMEOUT 30 answer VNET_2_VIRTUAL_ADAPTER yes answer VNET_8_DHCP 114.114.114.114 answer VNET_8_HOSTONLY_SUBNET 192.168.210.0 answer VNET_8_NAT yes answer VNET_8_VIRTUAL_ADAPTER
2.3K10发布于 2020-12-07 - 来自专栏DPDK VPP源码分析
learning:vpp hash Infrastructure
哈希架构提供了两种类型的哈希函数:VNET_HASH_FN_TYPE_ETHERNET和VNET_HASH_FN_TYPE_IP，分别用于以太网流量和IP流量。 priority; vnet_hash_fn_t function[VNET_HASH_FN_TYPE_N]; struct vnet_hash_function_registration void vnet_crc32c_5tuple_ip_func (void **p, u32 *hash, u32 n_packets); void vnet_crc32c_5tuple_ethernet_func ] = vnet_crc32c_5tuple_ethernet_func, .function[VNET_HASH_FN_TYPE_IP] = vnet_crc32c_5tuple_ip_func, vnet_hash_function_from_name ("hash-eth-l34", VNET_HASH_FN_TYPE_ETHERNET)
66120编辑于 2023-09-05
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号