本章重点是掌握拓展操作码的方法和寻址方式及其对应的名称。 指令格式 操作码 + 地址码 定长：指令系统中所有指令的二进制位数相同 变长：可以不同 地址码 单地址、双地址、三地址、零地址等。 零地址是事先约定好的地址，如栈顶、次栈顶、累加器等。 随着地址段位数增长，会导致指令过长，且会导致程序设计的灵活性变差。 操作码 规整型 操作码长度固定，指令码…

存储系统的组成 RAM 基本结构 译码器驱动电路 译码器：将地址总线的地址码转换成与之对应的译码输出线上的有效电平。 驱动器：提供驱动电流驱动相应的读写电路。 I/O和读写电路 完成被选中储存单元中各位的读出和吸入操作。 读入放大器 写入放大器 读写控制电路 读写控制线 控制器传递控制信号到主储存器。 ROM 储存单元 位（记忆单元）：二进制数基本…

这是《计算机组成原理》实验的一道题目，要求输入一个IEEE754标准的二进制浮点数，转十进制整数输出。我在Google中并没有查询到比较简洁的方案，大部分代码都是通过按照IEEE754标准的原理，先计算尾数，然后计算阶码，左移右移小数点，然后乘上符号位。可能老师更想要我们以这种方式来实现吧，因为可以考察对IEEE754的理解。 但最简单的实现方法当…

重装系统后重新配置深度学习环境，先安装了Python3.9，然后打开PyCharm，发现PyCharm显示没有Python解释器。 解决方法：文件 - 设置 - 项目 - 解释器 - 右侧小齿轮 - 添加 - 系统解释器 - 确定 注意：安装python的时候一定要勾选add to path并且在安装完成后选择修改path字符数量上限。否则需要手动…

基本算术的实现 加减乘除最后都可归结为加法运算，因此加法器是核心。 全加器 $\rm P_i$：传递进位，$\rm =A_i\oplus B_i$ $\rm G_i$：本地进位，$\rm =A_iB_i$ $\rm C_i=G_i+P_iC_{i-1}$ 串行加法器 串行加法器并不是一串加法器串联，而是只由一个加法器，各位数据先后送入。 并行加法器…

终于学到这里了，一直觉得动态规划是一个很高档的东西hhhhh 动态规划是将大问题拆分成小问题，而小问题之间是相互关联的，且较为相似，因此可以将前面的计算结果记录下来用在后面的问题中，避免重复计算。DP有线性DP和非线性DP，线性DP将状态记录在数组上，而非线性DP则是将状态记录在树上的。 基础DP 最少硬币 从最小面额开始从前往后递推。 #incl…

整数 常用的有符号整数表示方法有原码、反码、补码。 原码 最高位为符号位。 反码 最高有效位权为$-(2^{w-1}-1)$ 补码 最高位是符号位，同时也叫“负权”，权是$-2^{w-1}$ 由以上定义可知，补码能表示的负数比正数多1，因为补码所能表示的最小负数是负权值，而能表示的最大正数是负权值的绝对值-1。可见补码的范围是不对称的。C语言标准规…

下载 下载IBM的OpenJDK，下载JRE即可，链接： https://developer.ibm.com/languages/java/semeru-runtimes/downloads 下载到哪里？JDK默认安装目录\usr\java，可以直接下载到这个目录中。 Linux系统目录结构：https://www.runoob.com/linux…

链接：初识卷积神经网络 卷积神经网络 举例：一个简单的对MNIST数字进行分类的卷积神经网络。 from keras import layers from keras import models model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation=&#…

本章将会学习到完整的解决机器学习任务的工作流程，建立起可靠的解决深度学习问题的概念框架。 机器学习的四个分支 监督学习 目前最常见，最受关注的深度学习分支。给定一组样本，让机器学习输入到目标的映射。 分类 回归 序列生成 语法树检测 目标检测 图像分割 无监督学习 在没有目标的情况下，让机器寻找输入数据的有趣变换。应用于数据可视化、数据压缩、数据去…

注：若无特殊说明，代码均复制粘贴自Deep Learning with Python官网的Jupyter Notebook文件。 神经网络剖析 层 深度学习的基础组件，将一个或多个输入张量转换为一个或多个输出张量。 大部分层都是有状态的，即有权重。不同的张量格式与不同的数据处理类型要用到不同的层 (sample, features)的2D张量通常用…

概述 数据结构要素 数据的逻辑结构：线性结构（数组、栈、队列、链表）、非线性结构、集合、图等。 数据的存储结构：顺序存储（数组）、链式存储、索引存储、散列存储等。 数据的运算：初始化、判空、统计、查找、遍历、插入、删除、更新等。 常见的数据结构 数组 链表 栈 队列 树 二叉树 集合 哈希 堆 优先队列 并查集 并查集 - OI Wiki主要用于处…

基本概念 人工智能 曾经符号主义人工智能盛行，但它的能力被局限于解决明确的逻辑问题。更加复杂、模糊的问题，如图像分类、语音识别和语言翻译，由机器学习接任。 表示（Representation） 机器学习三要素 输入数据点，如图片 预期输出的示例，如图片所对应的正确标签 衡量算法效果好坏的方法。这是一种反馈信号，用于调节算法的工作方式。这个调节步骤就…

卷积 卷积方式 卷积效果 垂直线清晰可见： 水平线清晰可见： 池化 将图像中的像素分组并过滤到一个子集合中。 池化方式： 例子：2×2最大池化，选择2×2矩阵中的最大值，并构成新的矩阵。 池化效果 尺寸缩小四倍，图像特征被保留，甚至被增强。 特征提取 用于卷积和池化的过滤器也是学习得到的，这个过程被称为特征提取。 图：Dense是随机初始化的，在学…

一个线性方程的推导 训练模型，让其推理出一组输入和输出间的关系 x值 -1.0, 0.0, 1.0, 2.0, 3.0, 4.0 y值 -3.0, -1.0, 1.0, 3.0, 5.0, 7.0 以上两组数据的关系是$y=2x-1$ 代码实现 from tensorflow import keras from tensorflow.keras i…

规则 总则： https://zhuoqing.blog.csdn.net/article/details/121438560 智能视觉组补充说明： https://zhuoqing.blog.csdn.net/article/details/122262365 官方培训 第一弹： https://zhuoqing.blog.csdn.net/ar…

Anaconda下载速度慢 通过切换到清华镜像解决 参考： https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ PyCharm无法导入torch包 应该是因为在安装Anaconda的时候没有勾选将Anaconda作为默认python解释器导致的。 解决办法： 在PyCharm中选择文件-设置-项目…

《算法竞赛入门到进阶》的该章节，主要介绍BFS和DFS，以及它们的优化技术，并介绍一些经典案例如排列组合、生成子集、八皇后、八数码、图遍历等。 递归和排序 问题 打印$n$个数的全排列，共$n!$个 打印$n$个数中任意$m$个数的全排列，共$\frac{n!}{(n-m)!}$个 解决方案 方案一、调用STL 先对这些数字进行排序，获得最小序列。…

在VSCode中成功安装了PlatformIO拓展后，每次尝试打开PlatformIO Home Page 都会出现Error: Error: You are not connected to the Internet. PlatformIO needs the Internet connection to download dependent p…

容器 包括顺序式容器和关联式容器 顺序式容器 经学长提醒，stack、queue、priority_queue更准确的定义是“适配器”，参考C++（STL）容器适配器 Vector 复杂度： 访问复杂度：$O(1)$ 移动复杂度：$O(n)$ vector是STL的动态数组。以数组形式储存，内存空间连续。插入和删除操作，以及需要增长数组时，需要进行…