


Detailliertes Beispiel für die Verwendung von Python zum stapelweisen Generieren lokaler IPs
Das Beispiel in diesem Artikel beschreibt die Methode zur Stapelgenerierung lokaler IP-Adressen in Python. Teilen Sie es als Referenz mit allen. Die spezifische Analyse lautet wie folgt:
Dieser Code wird verwendet, um eine lokale IP-Adresse auf dem lokalen Computer zu generieren und diese an die Netzwerkkarte zu binden. Es wird eine Bat-Batch-Datei generiert. Führen Sie diese Batchdatei aus. Sie können sie über ipconfig anzeigen
#!/usr/bin/python2.7 # -*- coding: utf-8 -*- # Filename: AddIPAliases.py import re,sys,socket,struct # 1. 判断IP地址是否合法; 2. 判断用户输入的IP是否在Class A,Class B 或 Class C中 def CheckIP(IP,IPClassesInt): regexIP=re.compile('^([01]?\d\d?|2[0-4]\d|25[0-5])\.([01]?\d\d?|2[0-4]\d|25[0-5])\.([01]?\d\d?|2[0-4]\d|25[0-5])\.([01]?\d\d?|2[0-4]\d|25[0-5])$') Checking=regexIP.match(IP) if Checking==None: IP=raw_input("亲!请输入合法的IP地址哈: ") return CheckIP(IP,IPClassesInt) else: IPInt=struct.unpack('!L',socket.inet_aton(IP))[0] if IPInt not in range(IPClassesInt[0],IPClassesInt[1]+1) and IPInt not in range(IPClassesInt[2],IPClassesInt[3]+1) and IPInt not in range(IPClassesInt[4],IPClassesInt[5]+1): IP=raw_input("亲!您输入的IP地址不在Class A,Class B或Class C中,请阅读提示信息并重新输入IP地址:") return CheckIP(IP,IPClassesInt) else: return IP # 判断输入的数字是否合法 def CheckIPCount(IPCount): regexIPCount=re.compile('\d+') Checking=regexIPCount.match(IPCount) if Checking==None: IPCount=raw_input("亲!请输入合法的数量:") return CheckIPCount(IPCount) else: return IPCount # 为用户生成指定数量的IP def MakeIps(IPInt,IPCount,IPIntBool): targetBat=open('AddIPAliases.bat','w+') targetCSV=open('AddIPAliases.csv','w+') # 判断IP地址的数量是否在Class A,Class B或Class C的范畴中 if int(IPCount)>(IPClassesInt[IPIntBoolTrue[1][2]]-IPInt+1): IPCount=raw_input("亲!您输入的IP数量超过了"+IPIntBoolTrue[0]+"的范畴,请重新输入:") return MakeIps(IPInt,IPCount,IPIntBool) else: for i in range(int(IPCount)): IPIntTrans=socket.inet_ntoa(struct.pack("!L", IPInt)) IPInt+=1 targetBat.write('netsh interface ip add address "本地连接" '+IPIntTrans+' '+IPIntBoolTrue[1][1]+'\n') targetCSV.write(IPIntTrans+'\n') targetBat.write('pause') # Main 函数 print ''' ************************************************** 以下信息能够帮助你更好的运行此脚本: 1. 在运行脚本前,请移步:控制面板->查看网络->本地连接->属性->IPv4,将自动获取IP改成手动 2. IP分为三类: Class A:数量16777216,范围10.0.0.0 - 10.255.255.255 Class B:数量1048576, 范围172.16.0.0 - 172.31.255.255 Class C:数量65536, 范围192.168.0.0 – 192.168.255.255 !!!所以大家在输入IP的时候,请保证您输入的IP属于这三个分类之中!!! 3. 如果你使用的是英文系统,请将自定义函数MakeIPs()中的“本地连接”改成“Local Area Connection”。 4. 脚本由于要对长整型的数据进行range(),所以计算时间有点长,请等待成功提示。 5. 在脚本存放的目录将会生成一个bat文件和csv文件,bat文件用于向系统中添加IP,生成成功后请手动运行它,csv文件用于在Jmeter中调用这些IP。 6. 如果想清除在系统中插入的IP,请移步:控制面板->查看网络->本地连接->属性->IPv4,将手动获取IP改成自动获取IP ************************************************** ''' # 将各个Class的起始和结束的IP地址转换成整数 IPClasses=['10.0.0.0','10.255.255.255','172.16.0.0','172.31.255.255','192.168.0.0','192.168.255.255'] IPClassesInt=[] for i in range(len(IPClasses)): IPClassesInt.append(struct.unpack('!L',socket.inet_aton(IPClasses[i]))[0]) # 用户输入 IP=raw_input("请输入起始IP地址:") IPCount=raw_input("请输入生成的IP数量:") # 判断输入是否合法 IPAddress=CheckIP(IP,IPClassesInt) IPCount=CheckIPCount(IPCount) IPInt=struct.unpack('!L',socket.inet_aton(IPAddress))[0] IPIntClassABool=IPInt in range(IPClassesInt[0],IPClassesInt[1]+1) IPIntClassBBool=IPInt in range(IPClassesInt[2],IPClassesInt[3]+1) IPIntClassCBool=IPInt in range(IPClassesInt[4],IPClassesInt[5]+1) IPIntBool={"ClassA":[IPIntClassABool,'255.0.0.0',1],"ClassB":[IPIntClassBBool,'255.240.0.0',3],"ClassC":[IPIntClassCBool,'255.255.0.0',5]} IPIntBoolTrue=[] for i in range (len(IPIntBool)): if True in IPIntBool.values()[i]: IPIntBoolTrue.append(IPIntBool.keys()[i]) IPIntBoolTrue.append(IPIntBool.values()[i]) break # 调用函数为用户生成IP地址 MakeIps(IPInt,IPCount,IPIntBoolTrue) print "Bat文件生成完毕,请移步至存放的脚本的文件夹找到并运行此文件。"
Java-Methode zum Abrufen lokaler IP
2. So überprüfen Sie Ihre eigene IP-Adresse im Win10-System
3.Detaillierte Einführung in die tatsächliche Verwendung von und und oder in Python
4. Teilen Sie ein Beispiel-Tutorial zur Operationslogik von und/oder in Python
Das obige ist der detaillierte Inhalt vonDetailliertes Beispiel für die Verwendung von Python zum stapelweisen Generieren lokaler IPs. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

Das Aktualisieren von PyTorch auf der neuesten Version von CentOS kann die folgenden Schritte ausführen: Methode 1: Aktualisieren von PIP mit PIP: Stellen Sie zunächst sicher, dass Ihr PIP die neueste Version ist, da ältere Versionen von PIP möglicherweise nicht in der Lage sind, die neueste Version von PyTorch ordnungsgemäß zu installieren. Pipinstall-upgradePip Die alte Version von Pytorch (falls installiert): PipuninstallTorChTorChVisionTorChaudio-Installation Neueste
