四、CPU架构介绍和分类

中央处理器(central processing unit,简称CPU)作为计算机系统的运算和控制核心,是信息处理、程序运行的最终执行单元

1、CPU架构

CPU架构是CPU厂商给属于同一系列的CPU产品定的一个制作规范,主要目的是为了作为区分不同类型CPU的重要标示。

市面上的CPU分类主要分有两大阵营,一个是Intel、AMD为首的复杂指令集CPU,另一个是以IBM、ARM为首的精简指令集CPU。

两个不同品牌的CPU,其产品的架构也不相同,例如,Intel、AMD的CPU是X86架构的,而IBM公司的CPU是PowerPC架构,ARM公司是ARM架构。

指令集(复杂指令集和精简指令集)

指令集是CPU执行的基本命令集合,CPU是负责运算的,但是它需要在什么时候运算,具体做哪些运算,得听操作系统指令。系统程序发出的各种指令,在被执行前,需要翻译成CPU能听懂的语言。这个翻译官,就是指令集(英文缩写ISA)

指令集分为复杂指令集(CISC)和精简指令集(RISC)两种主要类型。
复杂指令集(CISC):指令集中的一条指令可以完成一个复杂的动作
特点:包含大量指令,可处理复杂操作。
目的:减少程序中指令的数量,提高效率。
示例:Intel的X86架构。
精简指令集(RISC):要完成一个动作,需要很多条指令集里面的指令才能完成
特点:指令数量较少,每条指令执行时间较短。
目的:简化处理器设计,提高性能。
示例:ARM架构。

CISC架构旨在通过复杂指令直接实现高级操作,而RISC架构通过简化每条指令来提高处理速度。不同架构的选择取决于应用需求和性能优化目标。

不同架构的CPU在制作的时候元件的材质、个数、处理指令的流程、指令集等偏重点可能都会有所不同,虽然得到的结果是相同的,但是过程不同,就各有优劣,这就是所谓的CPU架构。

2、CPU有多个架构,下面我简单介绍几个:

1、X86架构

  • 生产商:Intel、AMD。
  • 特点:高功耗、高性能。
  • 应用:主要用于台式机和笔记本电脑。
  • 兼容性:与Windows操作系统兼容。

2、ARM架构

  • 生产商:多个厂商,包括苹果(A系列处理器)、高通(骁龙)、华为(麒麟)、联发科(天玑)等。
  • 特点:低功耗,广泛用于移动设备,如智能手机和部分电脑。

以前windows只支持x86架构的,现在支持x86和arm架构(从win8开始的,但是从win10才算是兼容的比较好一些)的,CPU的架构不同,那么是不能兼容相关软件的,软件是依赖于底层硬件的。手机是arm架构的,是可以安装win10、win11等系统的,这是微软在做支持,为了兼容各种软件,现在新的软件基本都可以兼容了,老的软件还有很多不兼容。

3、PowerPC架构

  • 生产商:IBM。
  • 应用:最初被苹果电脑使用,但后来由于性能和功耗的问题被淘汰。

4、MIPS架构

  • 应用:主要用于国防科技、交换机、路由器等。
  • 生产商:包括龙芯,中科院牵头研发。

5、RISC-V架构

  • 特点:一个新兴的架构,开源免费,不需要授权费。
  • 应用:近几年开始受到关注,前景巨大。

这些架构都应用于服务器、台式机、笔记本、手机、嵌入式设备等。
我们下载安装某些软件的时候,要注意看自己的平台环境(操作系统+硬件(CPU)),找对应的架构的版本下载,不然不能使用,比如promethues这个工具:

 我整理了计算机基础部分合集,大家可以免费查看内容。

一、冯诺依曼计算机
二、运算器和控制器区别说明
三、软硬件工作流程分析
四、CPU架构介绍和分类
五、CPU针脚
六、CPU性能参数介绍
七、内存(memory)
八、硬盘(disk)
九、显卡
十、主板
十一、计算机分类

  • 11
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
KDD CPU数据集是一个常用于计算机科学和数据挖掘领域的数据集,它包含了与计算机中央处理单元(CPU)性能相关的特征和目标变量。 该数据集包含了来自209个不同型号的CPU的8个不同特征,这些特征涵盖了处理器的架构(例如流水线级别和缓存大小)、时钟频率、前一代处理器的性能等方面。特征本身是定量的,因此可以直接用于建立模型和进行分析。 目标变量是基于这些特征预测的CPU性能。性能指标使用相对CPU性能的整数作为度量,可以分成15个不同的性能类别。 这个数据集的目的是为了通过特征和目标变量之间的关系,预测新型CPU的性能分类。它可以用于训练和测试各种机器学习模型,例如回归模型、分类模型和聚类模型。 使用KDD CPU数据集,可以进行多种任务,如特征选择、模型训练和模型评估。通过分析特征之间的相关性,可以确定哪些特征对于CPU性能分类最为重要,从而进行特征选择。然后,可以使用选择的特征建立模型,并使用模型进行性能分类的预测。最后,可以使用不同的性能评估指标,如准确率和F1分数,来评估模型的性能。 总而言之,KDD CPU数据集是一个用于预测CPU性能分类的数据集,通过特征选择、模型训练和模型评估等任务,可以帮助研究人员和数据科学家深入理解CPU性能与特征之间的关系,并构建准确预测CPU性能分类的模型。
评论
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