如何自己编程得到本机的公网IP(在线等...)

yw1621 2004-12-26 09:15:18
如题
...全文
330 14 打赏 收藏 转发到动态 举报
写回复
用AI写文章
14 条回复
切换为时间正序
请发表友善的回复…
发表回复
yw1621 2004-12-28
  • 打赏
  • 举报
回复
to: xiaochensu(拒绝水的鱼)
idHttp怎么用啊,没用过
yw1621 2004-12-28
  • 打赏
  • 举报
回复
局域网没办法吗??
wooxer 2004-12-27
  • 打赏
  • 举报
回复
这不不简单,你找一个ASP的空间,上面写一个ASP程序,再用INDY的http组件访问这个ASP程序不就有本机的外网IP了!
这个ASP程序如下:
<html>
<%
sip=Request.ServerVariables("LOCAL_ADDR")
cip=Request.ServerVariables("REMOTE_ADDR")
%>
<body>
IP=<%=cip%>
</body>
</html>
getit911 2004-12-26
  • 打赏
  • 举报
回复
uses IdStack;

procedure getcomputerip(outdata:Tstrings);
var
AIdStack:TIdStack;
begin
AIdStack:=TIdStack.CreateStack;
try
outdata.Text:=AIdStack.LocalAddresses.Text;//获取本地IP地址列表
finally
AIdStack.free;
end;
end;
headbutcher 2004-12-26
  • 打赏
  • 举报
回复
就用普通的得到静态IP的方法应该可以.
取出来的其实是个IP地址列表.
其中就包含了公网的IP(如果有的话)
yw1621 2004-12-26
  • 打赏
  • 举报
回复
同志们都在睡吗???
ehom 2004-12-26
  • 打赏
  • 举报
回复
用ADSL路由上网,本机没有公网IP,其IP只是由ADSL中的DHCP服务动态分配的局域网IP
ehom 2004-12-26
  • 打赏
  • 举报
回复
将IP列表中的保留地址192.168.x.x/172.16.x.x/10.x.x.x全排除了,剩下的即是...
getit911 2004-12-26
  • 打赏
  • 举报
回复
如果你是在局域网内,抱歉。。。。。。。。。。。没有办法!!!!!!!
除非连接一个internet上的服务器,由它返回你的ip
yw1621 2004-12-26
  • 打赏
  • 举报
回复
To: cdkogh(xp++)
可是还是得不到啊!!
我是局域网,ADSL,路由
yw1621 2004-12-26
  • 打赏
  • 举报
回复
try
cdkogh 2004-12-26
  • 打赏
  • 举报
回复
uses winsock;

function GetLocalIP:string;
type
TaPInAddr = array [0..10] of PInAddr;
PaPInAddr = ^TaPInAddr;
var
phe : PHostEnt;
pptr : PaPInAddr;
Buffer : array [0..63] of char;
I : Integer;
GInitData : TWSADATA;
begin
WSAStartup($101, GInitData);
Result := '';
GetHostName(Buffer, SizeOf(Buffer));
phe :=GetHostByName(buffer);
if phe = nil then Exit;
pptr := PaPInAddr(Phe^.h_addr_list);
I := 0;
while (pptr^[I] <> nil)and(pptr^[I] = A类地址) do begin
result:=StrPas(inet_ntoa(pptr^[I]^));
Inc(I);
end;
WSACleanup;
end;
flyinwuhan 2004-12-26
  • 打赏
  • 举报
回复
如果你是在局域网内,抱歉。。。。。。。。。。。没有办法!!!!!!!
除非连接一个internet上的服务器,由它返回你的ip
tfxg 2004-12-26
  • 打赏
  • 举报
回复
getit911(Windows转Linux中)
得不到公网IP
训练数据保存为deep_convnet_params.pkl,UI使用wxPython编写。卷积神经网络(CNN)是一种专门针对图像、视频等结构化数据设计的深度学习模型,在计算机视觉、语音识别、自然语言处理等多个领域有广泛应用。其核心设计理念源于对生物视觉系统的模拟,主要特点包括局部感知、权重共享、多层级抽象以及空间不变性。 **1. 局部感知与卷积操作** 卷积层是CNN的基本构建块,使用一组可学习的滤波器对输入图像进行扫描。每个滤波器在图像上滑动,以局部区域内的像素值与滤波器权重进行逐元素乘法后求和,生成输出值。这一过程能够捕获图像中的边缘、纹理等局部特征。 **2. 权重共享** 同一滤波器在整个输入图像上保持相同的权重。这显著减少了模型参数数量,增强了泛化能力,并体现了对图像平移不变性的内在假设。 **3. 池化操作** 池化层通常紧随卷积层之后,用于降低数据维度并引入空间不变性。常见方法有最大池化和平均池化,它们可以减少模型对微小位置变化的敏感度,同时保留重要特征。 **4. 多层级抽象** CNN通常包含多个卷积和池化层堆叠在一起。随着网络深度增加,每一层逐渐提取更复杂、更抽象的特征,从底层识别边缘、角点,到高层识别整个对象或场景,使得CNN能够从原始像素数据中自动学习到丰富的表示。 **5. 激活函数与正则化** CNN中使用非线性激活函数来引入非线性表达能力。为防止过拟合,常采用正则化技术,如L2正则化和Dropout,以增强模型的泛化性能。 **6. 应用场景** CNN在诸多领域展现出强大应用价值,包括图像分类、目标检测、语义分割、人脸识别、图像生成、医学影像分析以及自然语言处理等任务。 **7. 发展与演变** CNN的概念起源于20世纪80年代,其影响力在硬件加速和大规模数据集出现后真正显现。经典模型如LeNet-5用于手写数字识别,而AlexNet、VGG、GoogLeNet、ResNet等现代架构推动了CNN技术的快速发展。如今,CNN已成为深度学习图像处理领域的基石,并持续创新。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!

1,594

社区成员

发帖
与我相关
我的任务
社区描述
Delphi 网络通信/分布式开发
社区管理员
  • 网络通信/分布式开发社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧