《操作系统》1 操作系统概述

学习目标

通过本章的学习,我们希望您能够:
1.了解操作系统的产生过程,简述操作系统的定义、特征以及操作系统在计算机系统中的地位。
2.简述操作系统的五大功能,理解各个功能的含义;简述操作系统的三种用户接口。
3.理解操作系统的三种传统类型并会辨识,了解操作系统的其他类型。
4.简述操作系统的四种结构,以及目前典型操作系统的结构。

操作系统的定义

计算机系统的组成

计算机系统是由硬件和软件两部分组成。

  • 计算机硬件的组成
    说到计算机硬件,你一定要认识计算机之父——冯•诺依曼和他的存储程序式计算机。
    冯•诺依曼冯•诺依曼计算机是体系结构
  • 计算机软件的组成
    相对硬件而言,软件是与计算机操作系统中的所有数据、程序、过程及一些规则相关的文档资料和一些各种各样的程序的总称。

操作系统的形成

操作系统的形成经历了四个阶段:手工操作阶段、早期批处理阶段、多道批处理阶段、操作系统的发展。
在这里插入图片描述
手工操作阶段:此时没有操作系统,采用手工方式将纸带(卡片)装入输入机,要人工干预计算机的执行过程。在这里插入图片描述
早期批处理阶段:有了成批输入作业的监督程序,不再有人工干预,内存中只有一道作业。在这里插入图片描述
多道批处理阶段:内存中存放多道程序,在管理程序的控制下交替执行。在这里插入图片描述
操作系统的发展:陆续开发了分时、实时、个人机、网络、多核、嵌入式、分布式操作系统等。

操作系统的概念

操作系统是控制和管理计算机系统内各种硬件和软件资源、有效地组织多道程序运行的系统软件(或程序集合),是用户与计算机之间的接口。

目前比较典型的操作系统有 :DOS操作系统、Windows操作系统、IBM OS/2操作系统和UNIX/Linux操作系统。

计算机系统中硬件和软件以及各类软件之间是按层次结构组织的。如下图所示。
在这里插入图片描述
由图中可以看出,操作系统是裸机之上的第一层软件,与硬件关系尤为密切。它不仅对硬件资源直接实施控制、管理,而且其很多功能的完成是与硬件动作配合实现的,如中断系统。操作系统的运行需要有良好的硬件环境。这种硬件配置环境往往称作硬件平台

操作系统是整个计算机系统的控制管理中心,其他所有软件都建立在操作系统之上。操作系统对它们既具有支配权力,又为其运行建造必备环境。因此,在裸机之上每加一层软件后,用户看到的就是一台功能更强的机器,通常把经过软件扩充功能后的机器称为“虚拟机”。在裸机上安装了操作系统后,就为其他软件的运行和用户使用提供了工作环境。往往把这种工作环境称作软件平台

操作系统的特点

操作系统的特征是:并发、共享和异步性

计算机系统是由硬件和软件两部分组成。

  • 并发

并发性是指两个或多个活动在同一给定的时间间隔中进行。这是一个宏观上的概念。在单CPU环境下,系统中的多道程序交替地在CPU上执行。从一段时间看,各个程序都向前推进了,即得到执行了。这就是并发。(应该注意:真正实现并发活动的实体是进程,不是程序本身。详见第2章。)

  • 共享

共享是指计算机系统中的资源被多个任务所共用。例如,多个计算任务同时占用内存,从而对内存共享;它们并发执行时对CPU进行共享;各个程序在执行过程中会提出对文件的读写请求,从而对磁盘进行共享。此外,对系统中的设备以及数据等也要共享。

  • 异步性

在多道程序环境下,各程序的执行过程有着“走走停停”的性质。每道程序要完成自己的事情,但又要与其他程序共享系统中的资源。这样,它什么时候得以执行、在执行过程中是否被其他事情打断(如I/O中断)、向前推进的速度是快还是慢等都是不可预知的,由程序执行时的现场所决定。另外,同一程序在相同的初始数据下,无论何时运行都应获得同样的结果。这是操作系统所具有的异步性。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    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
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

打赏作者

分数不是数

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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