关于整数原反补的一些认识

这篇博客探讨了计算机中整数的原码、反码和补码表示方式,解释了为何正数的原反补相同并非特殊规定,而是由它们的表示方法决定。文章指出,补码被广泛采用是因为它可以简化加减运算,避免了符号位判断的复杂性,同时也简化了硬件设计。此外,虽然补码可能导致-0和+0不连续,但它解决了原码和反码的一些问题。总结了采用补码的主要优点,包括运算效率和硬件实现的简洁性。
摘要由CSDN通过智能技术生成

关于整数原反补的一些认识

计算机中存储的数据都是以补码的形式存储的,计算机中的整数有无符号数和有符号数之分。最常见的有符号数的计算机表示方式就是补码形式,其次还有原码和反码两种表示形式,之所以会有不同的表示形式,是由于各自的解释方式不同。无符号数只有唯一的解释方法。

如果你疑惑正数的原反补为什么相同,那大概你会查到“规定正数的原反补相同”这样的字眼。

但其实只要了解原反补码的表示方法就一目了然了。

在这里插入图片描述

在这里插入图片描述

因为正数按照上述的表示方法形成的二进制结果都相同,所以称正数的原反补相同,并不是特殊规定。

所以为什么计算机要采用补码呢?

主要有两个原因:

  • 补码可以省去计算机判断符号位或者说判断+/-运算的麻烦。采用补码表示后,不管是加法还是减法都是加法运算。想象一下,一个8位数的"-1+3"运算,如果用原码:10000001 + 000000011,这样你不能直接相加,否则10000100的结果不伦不类。你需要检查符号位,甚至可能要对符号位和运算符做调整。如果用反码11111110 + 00000011,这样直接相加的结果不管是00000001还是10000001都不妥,简直不知所云。还是需要适当的处理符号位和运算方式。如果是补码:11111111 + 00000011 = 00000010,结果直接就是2。这样就避免了对正负或加减的区别处理,ALU中的加法器数字电路中的组合逻辑元件,使用加法逻辑运算来代替减法降低硬件电路复杂性。
  • 虽然反码大多数时候也可以这样正确处理上点存在的问题,但是还有一个问题,就是补码出现了-0,+0不满足连续性、唯一性。所以使用采用补码可解决这些问题。
    一性。所以使用采用补码可解决这些问题。
  • 3
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值