1.关于vpp中dpdk接口注册流程解析
2.腾讯T2I-adapter源码分析（1）-运行源码跑训练
3.有没有免费的旁路旁路上网行为管理系统和软路由系统推荐。
关于vpp中dpdk接口注册流程解析
vpp 是分析一个高效的包处理转发框架，支持多种接口类型，源码其中应用最广泛的系统便是 dpdk。dpdk 通过接管网卡驱动实现内核旁路，基本提供报文收发加速机制。类型http引导页源码在 vpp 中，旁路旁路dpdk 作为插件实现，分析通过 make install-ext-deps 构建过程中自动集成 dpdk。源码
dpdk 初始化在 /src/plugins/dpdk/device/init.c 文件中，系统dpdk 的基本 eal 环境通过调用 rte_eal_init 函数实现。dpdk_config 函数负责参数解析，类型dpdk_config 函数通过宏 VLIB_CONFIG_FUNCTION 注入，旁路旁路vpp 启动时自动调用，分析将参数传递给 rte_eal_init 进行初始化。源码
vpp 的接口层分为硬件层和软件层，硬件层通过 device class 描述硬件驱动，软件层通过 interface class 描述链路层。硬件设备用 vnet_hw_interface_t 结构体描述，软件层接口用 vnet_sw_interface_t 描述。接口统一管理在 vnet_interface_main_t 结构体中，该结构体定义了硬件接口和软件接口的数组。
接口初始化在 vnet_interface_init 函数中进行，此函数除了初始化接口参数，还会将 dpdk 设备的 tx_function 赋值给 device class，决定后续的发包执行函数。
dpdk 接口初始化在 dpdk_lib_init 函数中完成，主要步骤包括初始化 dpdk_device_t 结构体，调用 ethernet_register_interface 注册接口，配置网卡参数，并为接口分配收包线程。
dpdk 收包通过 input node dpdk_input_node 实现，dpdk_device_input 函数完成实际的收包操作，通常将报文传递给下一个 node，如 ethernet_input node。
dpdk 发包逻辑相对复杂，dpdk 的发包并未直接在插件中实现专门的 output node，而是通过接口 tx_function 赋值，最终在 vpp 的发送流程中实现。在发送报文时，aspx小偷源码接口的 output node 和 tx node 会在 vnet_register_interface 注册接口时一同注册，其中 output node 的执行函数是 vnet_interface_output_node，tx node 的函数则由 vnet_device_class_t 定义。
发送流程以 ip4 报文为例，处理完 ip4 报文后，通常下一个节点为 ip4-lookup 进行路由查找。在 interface-output node 中，通过 buffer->sw_if_index[VNET_TX] 的值确定发送接口，并执行对应的 output node。
在 interface output node 的执行函数中，接口的 output node index 通过调用 vnet_per_buffer_interface_output_hw_interface_add_del 函数获得，该函数在 vpp 初始化过程中将接口的 output node 放置在 interface output node 后面，从而在执行函数中获取到接口 output node 的索引。
vpp 的设计遵循分层架构，逻辑清晰，但宏定义的大量使用增加了阅读难度。 版本源码调整了 node 注册方式，通过 VLIB_NODE_FN 宏实现不同优先级的 function 设置，但这一改动也给源码阅读带来不便。接口发送节点通过 vlib_register_node 函数定义，允许不同驱动共享一个函数，方便了接口的动态添加。
vpp 启动过程中的宏定义执行顺序影响代码结构，后续深入阅读源码时会进一步分析。如有需要，可参考相关学习资料、教学视频和交流群资源进行深入学习和交流。
腾讯T2I-adapter源码分析（1）-运行源码跑训练
稳定扩散、midjourney等AI绘图技术，为人们带来了令人惊叹的效果，不禁让人感叹技术发展的日新月异。然而，AI绘图的可控性一直不是很好，通过prompt描述词来操控图像很难做到随心所欲。为了使AI绘制的图像更具可控性，Controlnet、T2I-adapter等技术应运而生。本系列文章将从T2I-adapter的源码出发，分析其实现方法。源码建站电影
本篇是第一篇，主要介绍源码的运行方法，后续两篇将以深度图为例，分别分析推理部分和训练部分的代码。分析T2I-Adapter，也是为了继续研究我一直在研究的课题：“AI生成同一人物不同动作”，例如：罗培羽：stable-diffusion生成同一人物不同动作的尝试（多姿势图），Controlnet、T2I-adapter给了我一些灵感，后续将进行尝试。
T2I-Adapter论文地址如下，它与controlnet类似，都是在原模型增加一个旁路，然后对推理结果求和。
T2I-Adapter和controlnet有两个主要的不同点，从图中可见，其一是在unet的编码阶段增加参数，而controlnet主要是解码阶段；其二是controlnet复制unit的上半部结构，而T2I-Adapter使用不同的模型结构。由于采用较小的模型，因此T2I-Adapter的模型较小，默认下占用M左右，而controlnet模型一般要5G空间。
首先确保机器上装有3.6版本以上python，然后把代码clone下来。随后安装依赖项，打开requirements.txt，可以看到依赖项的内容。然后下载示例，下载的会放到examples目录下。接着下载sd模型到model目录下，再下载T2I-Adapter的模型到目录下，模型可以按需到huggingface.co/TencentA...下载。这里我下载了depth和openpose。sd模型除了上述的v1-5，也还下载了sd-v1-4.ckpt。
根据文档，尝试运行一个由深度图生成的例子，下图的互娱源码左侧是深度图，提示语是"desk, best quality, extremely detailed"，右侧是生成出来的。运行过程比较艰辛，一开始在一台8G显存的服务器上跑，显存不够；重新搭环境在一台G显存的服务器上跑，还是不够；最后用一台G显存的服务器，终于运行起来了。
接下来尝试跑openpose的例子，下图左侧是骨架图，提示词为"Iron man, high-quality, high-res"，右侧是生成的图像。
既然能跑推理，那么尝试跑训练。为了后续修改代码运行，目标是准备一点点数据把训练代码跑起来，至于训练的效果不是当前关注的。程序中也有训练的脚步，我们以训练深度图条件为例，来运行train_depth.py。
显然，习惯了，会有一些问题没法直接运行，需要先做两步工作。准备训练数据，分析代码，定位到ldm/data/dataset_depth.py，反推它的数据集结构，然后准备对应数据。先创建文件datasets/laion_depth_meta_v1.txt，用于存放数据文件的地址，由于只是测试，我就只添加两行。然后准备，图中的.png和.png是结果图，.depth.png和.depth.png是深度图，.txt和.txt是对应的文本描述。
文本描述如下，都只是为了把代码跑起来而做的简单设置。设置环境变量，jenkins源码设置由于T2I-Adapter使用多卡训练，显然我也没这个环境，因此要让它在单机上跑。而代码中也会获取一些环境变量，因此做简单的设置。
做好准备工作，可以运行程序了，出于硬件条件限制，只能把batch size设置为1。在A显卡跑了约8小时，完成，按默认的配置，模型保存experiments/train_depth/models/model_ad_.pth。那么，使用训练出来的模型试试效果，能生成如下（此处只是为了跑起来代码，用训练集来测试），验证了可以跑起来。
运行起来，但这还不够，我们还得看看代码是怎么写法，下一篇见。
PS：《直观理解AI博弈原理》是笔者写的一篇长文，从五子棋、象棋、围棋的AI演进讲起，从深度遍历、MAX-MIN剪枝再到蒙特卡罗树搜索，一步步介绍AI博弈的原理，而后引出强化学习方法，通俗易懂地介绍AlphaGo围棋、星际争霸强化学习AI、王者荣耀AI的一些强化学习要点，值得推荐。
AUTOMATIC的webui是近期很流行的stable-diffusion应用，它集合stable-diffusion各项常用功能，还通过扩展的形式支持controlnet、lora等技术，我们也分析了它的源码实现，写了一系列文章。
有没有免费的上网行为管理系统和软路由系统推荐。
路由系统、又称RouterOS，已经是一个非常开源的技术了。不管是在LINUX系统上的，还是在windows系统上的，都很很多这样的开源项目，技术简单，结构也非常单一。而随着时代发展，后期又加上了***和基础的包过滤防火墙，也都是开源成熟的项目。大部分厂家也是在这些项目上修修改改，包装包装打造成一个商业产品销售给用户。（当然产品的商业价值和技术价值也没有啥可比性）。但是近十年来，随着上网行为管理需求的迅猛发展，从网页过滤到协议过滤，以及内网安全的需要。单纯的路由系统已经不能满足用户的需要，很多的路由器网关都开始带有上网行为管理和防火墙模块，第二代防火墙（Next
Generation
Firewall）的概念也应运而生。但是真正做到第二代防火墙的厂家不多，很多路由厂商也乱入，但是效果怎么样，各家都有一说。
今天介绍的是国内外几款免费的上网行为管理系统、防火墙和路由系统。以免费的为主，因为是免费的，所以多少有缺憾，要么是功能，要么是授权数。待我慢慢道来。
1. PFsense
一个老牌的opensource的防火墙系统，官网地址大家自己找，软件免费，硬件收费。
系统的特点是路由和防火墙功能比较强大，而且集成了入侵检测、漏洞扫描等模块，当然路由和限速这些基础功能都是妥妥的。缺点是上网行为管理功能比较薄弱，不能进行应用过滤和网址库过滤。众所周知，国外的软件，界面很复杂。照老外的说法，没个degree，都不好意思去配置。
另外，PFsense还有收费培训和服务，也可以直接买他们的硬件，价格还算适中。产品也是开源的，源码都公开了。（语言好像已经有了中文版，但是不确定，我的信息来自他们官网）良心产品，靠服务和硬件生存，没有License限制，也没有功能限制。
2. Routeros
路由系统的先锋了，号称路由系统占有率第一位。出自东欧的小国家，所以价格很低廉，市场上充斥了很多破解版，其实正版价格已经很低廉了（可以低到忽略价格）。
只是不是我们国家本土产品，可能服务跟不上。ROS系统几乎没有什么升级维护的工作，系统很稳定，只要上网方式没有什么革命性的更改，那就一直能用。
ROS的路由功能大概是全世界研究的最彻底的了，缺点就是界面狂复杂，它的配置完全可以在大学开一门功课。在西方和东南亚非常受欢迎，各种技术讨论论坛也异常火爆。就是配置复杂的有点扯蛋了。
总体来说，是个好产品，对于网吧、小区宽带这种宽带运营的网络用着蛮好。缺点是没有网页过滤、应用过滤这些上网行为管理的功能，只有基础防火墙模块。也可以限速，路由功能和***做的很稳定。网管一旦掌握，也是把利器。
3. Sophos
这个是个全球化的产品，大厂家，大品牌。家庭版本是免费的，支持用户。路由、***、防火墙模块，尤其是防御功能、网关杀毒这块做的很好，也有协议过滤模块和网址库过滤。软件和硬件都可以提供。优势还是在杀毒和防火墙。欧洲的安全老厂家，价格不用想，不在天上也在云端。
4. Untangle
十年以上的老产品了。重点是上网行为管理和防火墙、杀毒功能。家庭版本$一年，用户。（别指望家庭版本可以用在企业里，他们号称可以检测到是什么环境在用，一旦违规会停掉了，估计软件里面有什么检测工具啥的）。软件和硬件都可以提供。
不过价格就算对于美国本土用户，也是非常昂贵的。硬件销售是硬件的价格加上软件价格，软件价格那是天上的价格，服务也一般。
产品扎实，各种协议管理，网络安全，路由模式，防火墙模块，杀毒都有。除了价格以外（用户的软件License，一年近刀），对于企业选择全方位专业的上网行为管理网关和下一代防火墙，真的是个好选择。
5. WFilter-NGF
也是十年以上的老产品了，本土研发，走国际路线，国内市场推广能力不强，用户大部分在国外。专门研究网络监控和协议分析。专注上网行为管理功能，在Web过滤和协议过滤等上网行为管理的方面做的很扎实。产品的界面有点类似上面的untangle。缺点是没有网关杀毒和主动防御功能。服务不错，有问必答，还可以远程协助配置。软件和硬件方案都可以提供。他们的公司名字非常有趣，值得一提的是，WFilter还有windows的旁路上网行为管理软件。不想添加硬件的话，是上网行为管理的一个可选方案。价格中等吧，性价比高。用户全功能免费，对于人以内的小企业来说，个人觉得是不二之选。
5. 爱快路由系统
本土产品，软件全免费，靠卖硬件挣钱。免费版本各种坊间传闻都有，就不一一表了。基本的路由功能都有，不过上网行为管理做的比较鸡肋。爱快的系统个人认为比较偏向做局域网无线部署方案。企业管理这块不怎么来事。但是好在系统是免费的，这个比较受欢迎。
6. 国内还有维盟，海蜘蛛，和爱快也都是大同小异，还有一家pandbit，侧重流控的路由系统，就不一一介绍了，仁者见仁。
总结一下，分为“路由系统”和“上网行为管理/防火墙系统”两大系列。如果只是要做路由，那么ROS从性能，稳定性上真的很不错的选择。如果是企业用上网行为管理和下一代防火墙；语言没有问题的话，可以看看untangle和sophos以及WFilter-NGF；追求中文版的话，那么WFilter-NGF一定是个最好的选择。
还有一点要说一下：路由系统，比如ROS差不多是一个一次性软件了，买了就直接用了，几乎不需要升级和更新。但是上网行为管理的“协议过滤”和“网址库过滤”，都是需要升级服务的，这就是为什么很多上网行为管理软件按年收费，国内大品牌的上网行为管理设备后续还要每年收服务费的原因。如果选择上网行为管理产品，一定要考虑后续服务的质量和费用。
