或许很多人跟我一样，没有显卡，但又很想玩AI绘图，但本地绘图怕是无缘了，只能借助云GPU的方式了。

今天跟大家分享一下一个简单目前可白嫖无门槛的方法实现无显卡也能玩AI绘图。

方案就是ComfyUI+BizyAir云节点。

ComfyUI介绍

来看看仓库介绍：

最强大和模块化的 stable diffusion 用户界面和后端。

仓库地址：
https://github.com/comfyanonymous/ComfyUI

直接下载：

没有GPU就使用CPU的bat文件：

启动成功就会自动跳转到这个页面：

现在到下一位主角登场了。

BizyAir介绍

仓库介绍：

BizyAir: Comfy Nodes that can run in any environment.
BizyAir：可以在任何环境中运行的Comfy节点。

仓库地址：
https://github.com/siliconflow/BizyAir

开始使用

官方文档有不同的使用方法，具体见：
https://siliconflow.github.io/BizyAir/getting-started/installation.html

打开custom_nodes文件夹：

直接git clone进去：

完成后如下所示：

重新启动ComfyUI，为了方便用户使用，BizyAir自带了几个工具流，以使用可灵的工作流为例：

填入硅基流动的API KEY，注册一个硅基流动账号，在这个位置就有：

填入，如下所示：

这个入门例子就跑起来了：

现在就可以开始自己玩了。

还可以使用免费的LLM完善提示词，比如画一个高达机器人：

可灵的绘图效果：

还是非常nice的。

还可以这么玩，先画一个写实的图片，在根据这个写实的图片来绘图，比如我想玩一只水彩画风格的小猫在敲代码，可以这样玩：

换成赛博朋克风格玩玩：

还是很有意思的，但是这么好用门槛又这么低，后面大概率是不能白嫖的，如果真的需要，也比自己买GPU成本低很多，只是想玩一玩的，趁现在还能白嫖，可以玩一玩。

一人 我饮酒醉
醉把佳人成双对
两眼 是独相随
只求他日能双归
娇女 我轻扶琴
燕嬉 我紫竹林
痴情红颜 心甘情愿
千里把你寻
说红颜 我痴情笑
曲动 我琴声妙
轻狂高傲 懵懂无知
只怪太年少

弃江山 我忘天下
斩断情丝无牵挂
千古留名传佳话
我两年征战已白发
一生征战何人陪
谁是谁非谁相随
戎马一生为了谁
我能爱几回恨几回
败帝王 斗苍天
夺得皇位以成仙
豪情万丈天地间
我续写另类帝王篇
红尘事我已斩断
久征战场人心乱
当年扬名又立万
我为这一战无遗憾
相思 我愁断肠
眼中 我泪两行
多年为你一统天下
我誓要把名扬

烟雨 我平凡事
此生我怀大志
为了佳人回眸一笑
我立下这毒誓

百花绽放出芬芳
回首在此曲流殇
回眸沧海一曲忧歌
感触莉花香

将军出征人在外
归来之日谁还在
兄弟把酒论豪迈
驰骋疆场求一败
这次走我何时归
寒风起 心似灰
冷风吹起樱花飞
触景生情心伤悲

琴声悠悠在回荡
一首忧歌为你唱
沧海桑田难遗忘
酒醒燕归来无恙
百花绽放出芬芳
再次回首曲流伤
回眸感触昙花香
一首忧歌笑沧桑
仰望窗外烟雨朦胧
想你当初那笑容
佳人一别月下逢
牡丹花开百花丛

情以过 义难断
提笔写下江山乱
孤枕难眠梦相伴
花飞花舞花飘散

金紫楼 风起玄
挥舞霸刀几万年
悠悠岁月心缠绵
如何忘记你容颜
恍然如梦烟雨间
雨碎落叶舞翩翩
烟雨飘渺断崖边
待我转世化成仙
为何你要说离别
留我一人寻彩蝶
浮生若梦三字诀
我留下三字这心结

这情花我为你摘
一颗心门为你开
平凡事我了尘埃
寂寒之心谁能猜
一别红颜多年后
多年情 在守候
断情之曲谁人奏
思念红颜人消瘦
海誓山盟烟雨楼
我苦苦相思两处愁
三生三世的缘由
只因一生无所求
梦里梦外千百年
可曾记得那誓言

今生情 来世缘
我难忘二字为红颜
千 百里 相思雨
相思雨 落谷底
红尘往事梦一曲
我期盼三字风云起
脑中浮现一幕幕
一幕幕 江湖路
谁懂我心痛苦处
三生誓言以颠覆

梦里 谁独相思
为何要寻一相知
梦外 我望明月
只为一人情难却

论文揭示了
star operation
（元素乘法）在无需加宽网络下，将输入映射到高维非线性特征空间的能力。基于此提出了
StarNet
，在紧凑的网络结构和较低的能耗下展示了令人印象深刻的性能和低延迟
来源：晓飞的算法工程笔记 公众号

论文: Rewrite the Stars

• 论文地址：
  https://arxiv.org/abs/2403.19967
• 论文代码：
  https://github.com/ma-xu/Rewrite-the-Stars
• 作者的介绍：
  神经网络中，element-wise mutiplication为什么效果好？CVPR’24
  

Introduction

最近，通过元素乘法融合不同的子空间特征的学习范式越来越受到关注，论文将这种范例称为
star operation
（由于元素乘法符号类似于星形）。

为了便于说明，论文构建了一个用于图像分类的
demo block
，如图 1 左侧所示。通过在
stem
层后堆叠多个
demo block
，论文构建了一个名为
DemoNet
的简单模型。保持所有其他因素不变，论文观察到逐元素乘法（
star operation
）在性能上始终优于求和，如图 1 右侧所示。

在这项工作中，论文证明
star operation
具有将输入映射到极高维的非线性特征空间的能力，从而解释
star operation
的强表达能力。论文不依赖直观或假设的高级解释，而是深入研究
star operation
的细节。通过重写和重新表述
star operation
计算过程，论文发现这个看似简单的运算实际可以生成一个新的特征空间，含大约
\((\frac{d}{\sqrt{2}})^2\)
线性独立维度。

与增加网络宽度（又称通道数）的传统神经网络不同，
star operation
类似于在不同通道上进行成对特征乘法的核函数，特别是多项式核函数。当应用到神经网络中并通过多层堆叠时，每一层都会带来隐式维度复杂性的指数增长。只需几层，
star operation
就可以在紧凑的特征空间内实现几乎无限的维度。在紧凑的特征空间内计算，同时受益于隐含的高维度，这就是
star operation
的独特魅力所在。

根据上述见解，论文推断
star operation
本质上更适合高效、紧凑的网络，而不是常规使用的大型模型。为了验证这一点，论文提出了一种概念验证的高效网络
StarNet
，其特点是简洁和高效。
StarNet
非常简单，缺乏复杂的设计和微调的超参数。在设计理念上，
StarNet
与现有网络明显不同，如表 1 所示。利用
star operation
，
StarNet
甚至可以超越各种精心设计的高效模型，如
MobileNetv3
、
EdgeViT
、
FasterNet
等。这些结果不仅从经验上验证了论文对恒星运行的见解，而且强调了其在实际应用中的实用价值。

论文简要总结并强调这项工作的主要贡献如下：

• 证明了
  star operation
  的有效性，如图 1 所示，揭示了
  star operation
  具有将特征投影到极高维隐式特征空间的能力，类似于多项式核函数。
• 从分析中汲取灵感，确定了
  star operation
  在高效网络领域的实用性，并提出了概念验证模型
  StarNet
  。无需复杂的设计或精心选择的超参数即可实现高性能，超越了许多高效的设计。
• 基于
  star operation
  存在大量未探索的可能性，论文的分析可以作为指导框架，引导研究人员远离随意的网络设计尝试。

Rewrite the Stars

Star Operation in One layer

在单层神经网络中，
star operation
通常写为
\((\mathrm{W}_{1}^{\mathrm{T}}\mathrm{X}+\mathrm{B}_{1})\ast(\mathrm{W}_{2}^{\mathrm{T}}\mathrm{X}+\mathrm{B}_{2})\)
，通过逐元素乘法融合两个线性变换的特征。为了方便起见，将权重矩阵和偏置合并为一个实体
\(\mathrm{W} = \Bigg\begin{array}{c}{\mathrm{W}}\{\mathrm{B}}\end{array}\Bigg\)
，同样地，通过
\(\mathrm{X} = \Bigg\begin{array}{c}{\mathrm{X}}\{\mathrm{1}}\end{array}\Bigg\)
，得到
star operation
\((\mathrm{W}_{1}^{\mathrm{T}}\mathrm{X})\ast(\mathrm{W}_{2}^{\mathrm{T}}\mathrm{X})\)
。

为了简化分析，论文重点关注涉及单输出通道转换和单元素输入的场景。具体来说，定义
\(w\_1, w\_2, x \in \mathbb{R}^{(d+1)\times 1}\)
，其中
\(d\)
为输入通道数。这可以随时进行
\(\mathrm{W}\_1, \mathrm{W}\_2 \in \mathbb{R}^{(d+1)\times(d^{\prime}+1)}\)
扩展以适应多个输出通道，以及处理多元素输入
\(\mathrm{X} \in \mathbb{R}^{(d+1)\times n}\)
。

一般来说，可以通过以下方式重写
star operation
：

其中
\(i,j\)
作为通道下标，
\(\alpha\)
为个子项的系数：

重写
star operation
后，可以将其展开为
\(\frac{(d+2)(d+1)}{2}\)
个不同子项的组合，如等式 4 所示。值得注意的是，除了
\(\alpha\_{(d+1,:)}x^{d+1}x\)
的每个子项（这里是
\(x^{d+1}\)
偏置项）都与
\(x\)
呈非线性关联，表明它们是单独的隐式维度。

因此，在
\(d\)
维度空间中使用计算效率高的
star operation
，可以得到
\({\frac{(d+2)(d+1)}{2}}\approx(\frac{d}{\sqrt{2}})^2\)
（
\(d\gg 2\)
）的隐式维度特征空间。从而在显著放大特征维度的同时，不会在单层内产生任何额外的计算开销，这个突出的属性与内核函数有着相似的理念。

Generalized to multiple layers

通过堆叠多个层，可以递归地将隐式维度以指数方式增加到几乎无限。

对于宽度为
\(d\)
的初始网络层，应用一次
star operation
（
\(\sum_{i=1}^{d+1}\sum_{j=1}^{d+1}w_{1}^{i}w_{2}^{j}x^{i}x^{j}\)
），可得到
\(\mathbb{R}^{(\frac{d}{\sqrt{2}})^{2^{1}}}\)
的隐式特征空间内。

让
\({O}\_{l}\)
表示第
\(l\)
个
star operation
的输出，可得：

也就是说，通过堆叠
\(l\)
层可以隐式获得
\(\mathbb{R}^{({\frac{d}{\sqrt{2}}})^{2^{l}}}\)
维特征空间。例如，给定一个宽度为 128 的 10 层网络，通过
star operation
获得的隐式特征维数近似为
\(90^{1024}\)
，相当于无限维度。因此，通过堆叠多个层，即使只有几个层，
star operation
也可以以指数方式大幅放大隐式维度。

Special Cases

实际上，并非所有
star operation
都遵循公式 1 那样，两个分支都进行变换。例如，
VAN
和
SENet
包含一个
identity
分支，而
GENet-
\(\theta^{-}\)
无需任何需学习的变换（池化、最近邻插值后乘回原特征）即可运行。

• Case I: Non-Linear Nature of
  \(\mathrm{W}_{1}\)
  and/or
  \(\mathrm{W}_{2}\)

在实际场景中，大量研究（例如
Conv2Former
、
FocalNet
等）通过合并激活函数将变换函数
\({\mathrm{W}}_{1}\)
和/或
\({\mathrm{W}}_{2}\)
变为非线性。尽管如此，最重要的其实是看通道间的处理是否像公式 2 那样实现，是则其隐式维度仍然保持不变（大约为
\(\frac{d}{\sqrt{2}})^2\)
）。

• Case II:
  \(\mathrm{W}\_{1}^{\mathrm{T}}\mathrm{X}\ast \mathrm{X}\)

当移除
\(\mathrm{W}\_{2}\)
变换时，隐式维度从大约
\(\frac{d^{2}}{2}\)
减少到
\(2d\)
。

• Case III:
  \(\mathrm{X}\ast \mathrm{X}\)

在这种情况下，
star operation
将特征从特征空间
\({{x}^{1},{x}^{2},\cdots,\;{x}^{d}} \in\mathbb{R}^{d}\)
转换为
\({{x}^{1}{x}^{1},{x}^{2}{x}^{2},\cdots,\;{x}^{d}{x}^{d}} \in\mathbb{R}^{d}\)
的新特征空间。

有几个值得注意的方面需要考虑：

• star operation
  及其特殊情况通常会（尽管不一定）与空间交互集成，比如通过池化或卷积实现线性变换。但许多这些方法只强调扩大感受野带来的好处，往往忽视隐式高维空间赋予的优势。
• 组合这些特殊情况是可行的，如
  Conv2Former
  合并了
  Case I
  和
  Case II
  ，以及
  GENet-
  \(\theta^{-}\)
  混合了
  Case I
  和
  Case III
  。
• 虽然
  Case II
  和
  Case III
  可能不会显著增加单层的隐式维度，但使用线性层（主要用于通道通信）和
  skip
  连接依然可以通过堆叠多个层来实现高隐式维度。

Proof-of-Concept: StarNet

鉴于
star operation
的独特优势—在低维空间中计算的同时产生高维特征，论文确定了其在高效网络架构领域的实用性。因此，论文提出
StarNet
作为概念验证模型，特点是极其简约的设计和显著减少的人为干预。尽管
StarNet
很简单，但它展示了卓越的性能，强调了
star operation
的功效。

StarNet Architecture

StarNet
采用 4 级分层架构，利用卷积层进行下采样，并使用修改后的
demo block
进行特征提取。为了满足效率的要求，将
Layer Normalization
替换为
Batch Normalization
，并将其放置在深度卷积之后（可以在推理时融合）。受到
MobileNeXt
的启发，论文在每个块的末尾加入了一个深度卷积。通道扩展因子始终设置为 4，网络宽度在每个阶段加倍。遵循
MobileNetv2
设计，
demo block
中的
GELU
激活被替换为
ReLU6
。

Experimental

Star Operation

StarNet

如果本文对你有帮助，麻烦点个赞或在看呗～undefined更多内容请关注 微信公众号【晓飞的算法工程笔记】

1.简介

按照以前的讲解和分享路数，宏哥今天就应该从外观上来讲解WireShark的界面功能了。

2.软件界面

由上到下依次是标题栏、主菜单栏、主菜单工具栏、显示过滤文本框、打开区、最近捕获并保存的文件、捕获区、捕获过滤文本框、本机所有网络接口、学习区及用户指南等。

2.1启动界面

首次打开
启动 Wireshark 时，会出现以下启动界面，如下图所示：

宏哥将整个界面分为四个部分：

• 主菜单
• 主菜单工具栏
• 过滤工具
• 接口列表
• 状态工具栏

2.2主菜单

主菜单：它位于主窗口的顶部，有 11 个项目，宏哥这里不打算详细描述每个项目，而是挑几个重要方面进行介绍。如下图所示：

2.2.1文件菜单

“文件”栏的英文名为“File”，该菜单中包含了打开和合并捕获数据文件项、部分或全部保存/打印/导出捕获数据文件项以及退出应用程序选项等。文件菜单包含基本的 IO 操作集，您可以打开和关闭文件、导入和导出操作，当然也可以从这里退出 Wireshark。

主要是对抓包文件的操作：

①文件打开，保存。

②导出特定分组：可以选择导出全部包，主界面显示的包，主界面选择的包，marked的包，第一个到最后一个marked的包之间的包，设置包序号段的包，保存时不保存忽略的包。

③导出特定格式（pcap，csv，文本txt，XML，json等）导出CSV格式可以excel打开做进一步统计分析。如下图所示：

文件菜单项说明：

2.2.2编辑菜单

“编辑”栏的英文名为“Edit”，该菜单中包含了查找数据包、设置时间参考、标记数据包、设置配置文件、设置首选项等。需要注意的是，在“编辑”栏中，没有剪切、复制和粘贴等选项。编辑里最常用的就是首选项了，其他基本都是快捷方式，一看即明白，不再多介绍。如下图所示：

编辑菜单项说明：

• 标记/取消标记
  ：使用此选项或“Ctrl + M”标记/取消标记数据包，当您以后想要检查数据包时，它实际上会有所帮助。
• 数据包注释
  ：您可以使用此选项向选定的数据包添加注释，或者使用快捷键“Ctrl + Alt+C”来执行相同操作。注释有助于与其他人合作，或者在我们以后处理工作时自己记住事情。
• 配置文件
  ：它实际上是根据我们的要求自定义 Wireshark 的好工具，例如，我们可以通过添加新列或重新排列列来组织列。可以添加配置文件，也可以下载配置文件，然后将其导入 Wireshark。配置文件也可以从右下面板更改。
• 首选项
  ：单击它时，将打开一个提示窗口，您可以在其中控制 GUI 的外观、设置捕获选项和其他高级功能，如添加 RSA 密钥、修改协议设置等。此子菜单也可用于自定义我们的配置文件。

• 协议配置，非常重要，wireshark实际就是分析协议的工具，协议的呈现分析有时需要做选项配置，这块是一个重点
• 外观，可以配置字体，颜色，布局等信息
• 过滤器，添加过滤器，过滤时直接点按钮即可

2.2.3视图菜单

“视图”栏的英文是“View”，该菜单主要用来控制捕获数据的显示方式。“视图”栏包括了数据包着色选项、缩放字体选项、在新窗口显示数据包选项、展开/折叠数据包细节选项等。此菜单处理主屏幕上工具的显示、要使用的时间格式、数据包着色选项、缩放选项等。主要是对显示的设置，用的最多的是时间格式设置，其他好多有快捷方式。

例如，您可以用 UTC 来显示时间，而不是以秒为单位显示时间。我们可以对数据包进行着色和脱色，甚至可以更改着色规则。如下图所示：

视图菜单项说明：

2.2.4跳转菜单

“跳转”栏的英文是“Go”，该菜单主要用来跳转到指定数据包。很少用到，一般都是快捷方式。这实际上是一个数据包管理菜单。您可以使用它来遍历捕获数据包。“下一个数据包”和“上一个数据包”按钮可用于导航屏幕上的显示数据，当然，您可以简单地使用“Ctrl + 上/下”按钮或鼠标滚动来更轻松地进行遍历。如下图所示：

跳转菜单项说明：

2.2.5 捕获菜单

“捕获”栏的英文是“Capture”，该菜单中包含了开始/停止捕获选项以及编辑包过滤条件选项等。使用它来控制 Capture 的开始和停止位置以及编辑和添加捕获过滤器。主要是对抓包的控制。如下图所示：

捕获菜单项说明：

捕获选项

配置抓包接口，抓包过滤器，抓包输出分割文件条件，自动停止抓包条件等。

2.2.6分析菜单

“分析”栏的英文是“Analyze”，该菜单中包含了显示包过滤宏、启用协议、配置用户指定的解码方式以及追踪TCP流等选项。这是一个重要工具集，主要是包分析的工具,能大大提个wireshark的分析效率，需重点学习内容。在这里可以添加和编辑显示过滤器以及显示过滤器宏，将数据包解码为特定协议，遵循 TCP 或 UDP 流等，可以选择一个数据包，然后从数据包详细信息窗格中使用“分析”->“应用为”应用过滤器筛选'。如下图所示：

分析菜单项说明：

作为过滤条件，将包里字段内容作为直接过滤条件，点击可以选择和已有过滤条件关系（布尔运算关系），然后立即会进行过滤。

准备作为过滤条件，功能与上面基本相同，只是不会立即进行过滤，只是准备过滤语法，后面点击执行过滤才会执行
解码为，将包配置用什么协议进行解析
追踪流，鼠标放到的包上，可以进行对应流追踪过滤
专家信息，分析整个包的信息，可以看里面有没异常信息

2.2.7统计菜单

“统计”栏的英文是“Statistics”，可以显示各种统计窗口，这些统计窗口包括捕获文件的属性选项、协议分级选项以及显示流量图选项等。对信令可以做各种统计，属于重点要学习的工具集，里面工具都非常实用，后续再展开分享。它就像一个报告工具。我们可以统计地分解整个数据包捕获，例如，我们可以查看捕获的哪一部分是 IPv6 或 UDP。因此，这将显示各种统计信息，例如捕获文件的属性、流程图、协议层次结构、IPv4 和 IPv6 统计信息等。如下图所示：

统计菜单项说明：

2.2.8电话菜单

“电话”栏的英文是“Telephony”，可以显示与电话相关的统计窗口，这些统计窗口包括媒介分析、VoIP通话统计选项以及SIP流统计选项等。在这里，您将找到显示几个与电话相关的统计窗口的选项，如流程图、显示协议层次统计等。如下图所示：

2.2.9无线菜单

“无线”栏的英文是“Wireless”，该栏用来显示蓝牙和无线网络的统计数据。这处理与蓝牙和 IEEE 802.11 标准相关的统计数据的显示。如下图所示：

2.2.10工具菜单

“工具”栏的英文是“Tools”，该栏中包含了Wireshark中能够使用的工具。它包含几个 Wireshark 的工具，例如创建防火墙 ACL 规则。如下图所示：

工具菜单项说明：

2.2.11帮助菜单

“帮助”栏的英文是“Help”，该栏用于为用户提供一些基本的帮助，包括了说明文档选项、网页在线帮助选项以及常见问题选项等。它基本上提供了与帮助相关的方面，如帮助内容的链接、手册页、常见问题解答、Wireshark 的 Wiki 以及指向示例捕获的链接等。这里可以查看wireshark版本和帮助文档信息，也可以在这里最wireshark版本进行升级。如下图所示：

帮助菜单项说明：

2.3主菜单工具栏

主菜单工具栏提供从菜单快速访问常用项目的功能。该工具栏不能由用户自定义，但是如果需要屏幕上的空间来显示更多数据包数据，则可以使用 “查看” 菜单将其隐藏。

主菜单工具栏：简单来说，Toolbar 实际上是一组最常用的主菜单项的快捷方式。熟悉 Wireshark 后，您会很快记住哪个图标用于什么用途。工具栏中的项目被启用前或禁用显示为灰色，类似于其相应的菜单项。例如，下图中显示了打开文件后的主窗口工具栏，启用了各种与文件相关的按钮，但是由于未进行捕获，因此禁用了 “停止捕获” 按钮。如下图所示：

2.4过滤工具

过滤工具： 有两个过滤器工具栏：显示过滤器和捕获过滤器。两者之间有区别，但是两者都用于简化您的数据包搜索。如下图所示：

1.显示过滤，在这里输入过滤表达式，对已经抓到的包进行过滤，如果不输入表达式，所有抓取的包都会显示在这里。

2.捕获过滤，这里输入过滤表达式，可以只抓取特定的包，如果没有表达式，所有监听到的包都抓到下来。

2.5接口列表

接口列表：Wireshark 的起始页列出了设备上所有可用的接口以供捕获，如果您在此处没有看到您的界面，请转到“捕获 > 刷新界面”或按“F5”键刷新界面列表。您还可以管理起始页上的界面列表。为此，请选择捕获过滤器搜索框右侧的下拉菜单。如下图所示：

当前电脑上的网卡及其流量状态。

我们可以通过选中要捕获数据的网卡，填写过滤规则，按快捷键“Ctrl + E”，开始捕获。如果不需要填写捕获过滤规则，直接双击要捕获数据的网卡就可以了。

2.6状态工具栏

状态工具栏则显示软件当前状态与已捕获&显示的分组数量。状态栏显示参考消息。如下图所示：

通常，左侧将显示与上下文相关的信息，中间部分将显示有关当前捕获文件的信息，而右侧将显示所选的配置文件。在文本区域之间拖动手柄以更改大小。

初始状态栏，如下图所示：

未加载捕获文件时（例如，启动 Wireshark 时），将显示此状态栏。

状态栏带有已加载的捕获文件，如下图所示：

The colorized bullet…

左侧显示在当前加载的捕获文件中找到的最高专家信息级别。将鼠标悬停在此图标上将显示专家信息级别的描述，单击该图标将弹出专家信息对话框。有关此对话框和每个专家级别的详细说明，请参见 6.1.3 专家资讯。

The edit icon…

使用左侧的 “ 捕获文件属性” 对话框，可以向捕获文件添加注释。

The left side…

默认情况下显示捕获文件名。当将鼠标悬停并在数据包详细信息和数据包字节窗格中选择项目时，它还会显示字段信息，以及常规通知。

The middle…

显示捕获文件中的当前数据包数量。显示以下值：

Packets

捕获的数据包数。

Displayed

当前显示的包数。

Marked

标记的数据包数。仅当您标记了任何数据包时才显示。

Dropped

丢弃的数据包数量仅在 Wireshark 无法捕获所有数据包时显示。

Ignored

忽略的数据包数仅在您忽略任何数据包时才显示。

The right side…

显示所选的配置文件。单击状态栏的此部分将弹出一个菜单，其中包含所有可用的配置文件，从该列表中进行选择将更改配置文件。

带配置配置文件菜单的状态栏

有关配置文件的详细说明。

具有选定协议字段的状态栏

如果您在 “数据包详细信息” 窗格中选择了协议字段，则会显示此信息。

TIP
括号之间的值（在此示例中为 “ipv6.src”）是所选项目的显示过滤器字段。通过选择不同的数据包详细信息项，您可以更加熟悉显示过滤器字段。
带显示过滤器消息的状态栏

如果您尝试使用可能会导致意外结果的显示过滤器，则会显示该信息。

3.小结

好了，到此宏哥就将WireShark常用界面功能的基本上全都讲解和分享完了，今天时间也不早了，就到这里！感谢您耐心的阅读~~

Java虚拟机栈是线程私有的，它的生命周期和线程同步

一个线程每执行到一个方法，JVM就会创建一个栈帧（用于存储基本数据类型、对象指针和返回值等），并将栈帧压入栈中。

代码示例：

public class Example {
    public static void main(String[] args) {
        Example example = new Example();
        example.m1();
    }

    public void m1() {
        int x = 0;
        m2();
    }
    public void m2() {
        Apple y = new Apple();
        m3();
    }
    public void m3() {
        float z = 1.0f;
    }
}

执行流程：

• 首先，程序启动，main() 方法入栈。
• 然后，m1() 方法入栈，声明 int 类型变量 x = 0。注意，无论是 x 还是 0 都存储在栈帧中。
• 接着，m2() 方法入栈，创建了一个 Apple 对象，并被赋给变量 y。请注意，实际的 Apple 对象是在 Java 堆内存中创建的，而不是线程栈中，只有 Apple 对象的引用以及变量 y 被包含在栈帧里。
• 最后，m3() 方法入栈，声明 float 类型变量 z = 1.0f。同理，z 和 1.0f 都被存储在栈帧里。

当方法执行完成后，所有的线程栈帧将按照后进先出的顺序逐一出栈，直至栈空为止

Java线程栈默认大小是由操作系统决定的，一般为1MB或2MB。如果需要调整线程栈的大小，可以使用
-Xss
参数来设置。在实际开发中，默认的线程栈大小通常已经足够满足需求，只有在遇到线程栈溢出错误时才需要考虑调整大小。

一旦递归过深，线程栈的容量增长超过了允许的栈容量，就会抛出StackOverflowError（栈溢出） 错误。

那么什么是内存泄漏和内存溢出呢？

• 内存溢出(out of memory)：指程序在申请内存时，没有足够的内存空间供其使用。
• 内存泄露(memory leak)：指程序在申请内存后，无法释放已申请的内存空间，进而导致内存逐渐被占光。
• memory leak 最终会导致 out of memory。

内存溢出异常抛出的原因（包括但不限于）：

• 如果新线程在申请栈时失败了，就会抛出 OutOfMemoryError（内存溢出） 错误。
• 或者当JVM不能分配给对象的创建空间，也会抛出 OutOfMemoryError 错误。

小结：

• StackOverflowError：递归过深，递归没有出口。
• MemoryLeak：申请内存后，无法释放已申请的内存空间。
• OutOfMemoryError：JVM空间溢出，创建对象速度高于GC回收速度。