存储系统 - 编址方式:位编址、字节编址、字编址

1 概述

编址方式
① 位编址:二进制位 0,1。单位:bit,b
② 字节编址:1 字节 = 8 位,即:1 Byte = 8 b
③ 字编址:字 word = 32b、64 b(看计算机字长)

2 编址方式

编址方式单位说明
位编址比特位、bit、b计算机中最小的存储单位,每一个位存储一个二进制数(01
字节编址字节、Byte、B计算机中数据的基本单位,规定:1 字节 = 8 位,即: 1 B y t e = 8 b i t 1 Byte = 8 bit 1Byte=8bit
字编址字、Word与计算机字长有关

2.1 三者换算

计算机字长按位编址 bit字节编址 Byte按字编址 word
323241
646481

计算机字长(机器字长、CPU 位数):CPU 一次能并行处理的二进制位数,字长总是 8 bit 的整数倍
在 32 位计算机中:字长 = 32 位
在 64 位计算机中:字长 = 64 位

2.2 B、KB、MG、GB 换算

单位换算
B-
KB 1 K B = 2 10 B = 1024 B 1 KB = 2^{10} B = 1024 B 1KB=210B=1024B
MB 1 M B = 2 10 K B = 1024 K B 1 MB = 2^{10} KB = 1024 KB 1MB=210KB=1024KB
GB 1 G B = 2 10 M B = 1024 M B 1 GB = 2^{10} MB = 1024 MB 1GB=210MB=1024MB

3 扩展

3.1 网工软考真题

【2019下半年 - 3】内存按字节编址,地址从 AOOOOH 到 CFFFFH,共有( 1 )字节。若用存储容量为 64K×8bit 的存储器芯片构成该内存空间,至少需要( 2 )片。
(1)A.80K
   B.96K
   C.160K
   D.192K
(2)A.2
   B.3
   C.5
   D.8

参考答案:1=D,2=B
地址空间: C F F F F H + 1 − A O O O O H = 30000 H CFFFFH + 1 - AOOOOH = 30000H CFFFFH+1AOOOOH=30000H
内存按字节编制, 30000H 转二进制为:11 0000 0000 0000 0000 = 十进制 192k,按字节编制就是192kb,芯片数目=192k*8 / (64k*8)=3片。
注意: 1 K B = 2 10 B 1KB = 2^{10} B 1KB=210B

【2016上半年 - 1】内存按字节编址,从 A1000H 到 B13FFH 的区域的存储容量为() KB。
A.32
B.34
C.65
D.67

参考答案:C
地址空间:B13FFH - A1000H + 1 = 10400H,
10400H 转二进制:0001 0000 0100 0000 0000 B = 65KB
注意换算: 1 K B = 2 10 B 1KB =2^{10} B 1KB=210B,红色字体部分

【例题】若某计算机字长为 32 位,内存容量为 2 GB,按字编址,则可寻址范围为()
A.1024 M
B.1 GB
C.512 M
D.2 GB

参考答案:C
根据题干:计算机字长 32 位,按字编址,可知 1 字 = 32 位
内存容量: 2 G B = 2 10 M B = 2 10 M ∗ 8 位 2 GB = 2^{10} MB = 2^{10} M * 8 位 2GB=210MB=210M8
寻址范围 = 内存容量 / 1字 = 2 10 M ∗ 8 位 / 32 位 = 512 M 2^{10} M * 8 位 / 32 位 = 512 M 210M8/32=512M

  • 4
    点赞
  • 48
    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,即定出图像中目标的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。 定问题:确定目标在图像中的具体置。 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

鱼丸丶粗面

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