计算机基础知识预备知识,[工学]预备知识-计算机基础2011.pdf

本文介绍了计算机的基础知识,包括其定义——一种在预存程序控制下处理数据的电子设备,特点——使用二进制和存储程序控制方式,以及主要技术指标——字长、时钟频率和内存容量。字长影响处理能力,时钟频率关乎运算速度,内存容量则决定了计算机的运算速度和数据处理能力。
摘要由CSDN通过智能技术生成

[工学]预备知识-计算机基础2011

计算机基础知识

计算机基础知识

计算机的定义、特点

计算机的定义、特点

计算机的主要技术指标

计算机的主要技术指标

计算机的基本结构

计算机的基本结构

内存的组织形式

内存的组织形式

计算机编程语言

计算机编程语言

计算机中数的表示

计算机中数的表示

计算机定义:计算机是一种

①在事先存入程序的控制下,

②能够接收数据、

③存储数据、

④处理数据并提供处理结果

的数字化电子设备。

输入数据

输出结果

计算机的特点

计算机的特点

1. 采用“二进制”数据

1. 采用“二进制”数据

二进制数据就是全部由 “0” 和 “1” 组成

二进制数据就是全部由 “0” 和 “1” 组成

的数据。

的数据。

计算机中所有的信息都是以二进制形式的

计算机中所有的信息都是以二进制形式的

数据来表示、存储、传递和运算的。

数据来表示、存储、传递和运算的。

计算机的特点

计算机的特点

2. 采用“存储程序控制”方式

2. 采用“存储程序控制”方式

计算机本身只是一个进行计算的工具。对

计算机本身只是一个进行计算的工具。对

于一个问题,应先由“人”编制好程序(由一

于一个问题,应先由“人”编制好程序(由一

系列指令组成),然后将编制好的程序和数

系列指令组成),然后将编制好的程序和数

据存入内存储器,当计算机工作时,自动地

据存入内存储器,当计算机工作时,自动地

逐条取出指令并执行指令。

逐条取出指令并执行指令。

评价计算机性能的主要技术指标

评价计算机性能的主要技术指标

(1) 字长

(1) 字长

字长:CPU一次能够同时处理的二进制数据的位数。

字长:CPU一次能够同时处理的二进制数据的位数。

字长越长,计算机处理的能力越强。

字长越长,计算机处理的能力越强。

(2 )时钟频率(主频)

(2 )时钟频率(主频)

时钟频率(又称主频):指CPU在单位时间(秒)

时钟频率(又称主频):指CPU在单位时间(秒)

内平均要动作的次数,单位为GHz,MHz。

内平均要动作的次数,单位为GHz,MHz。

时钟频率越高,计算机的运算速度越快。

时钟频率越高,计算机的运算速度越快。

评价计算机性能的主要技术指标

评价计算机性能的主要技术指标

( 3) 内存容量

( 3) 内存容量

• 内存容量指内存储器中RAM (随机存储器)与ROM

• 内存容量指内存储器中RAM (随机存储器)与ROM

(只读存储器)的容量总和。

(只读存储器)的容量总和。

内存容量反映了计算机的内存储器存储信息的能

内存容量反映了计算机的内存储器存储信息的能

力,是影响整机性能和软件功能发挥的重要因素。

力,是影响整机性能和软件功能发挥的重要因素。

内存的容量越大,运算速度越快,处理数据的能

内存的容量越大,运算速度越快,处理数据的能

力越强。

力越强。

计算机中常用的名词

计算机中常用的名词

(1)位

(1)位

一个二进制代码称为一位,记为bit。位是计算

一个二进制代码称为一位,记为bit。位是计算

机中最小的信息单位。

机中最小的信息单位。

(2)字节

(2)字节

8位二进制码构成一个字节。字节(Byte)构

8位二进制码构成一个字节。字节(Byte)构

成存储容量的基本单位,计算机存储容量大小是用字

成存储容量的基本单位,计算机存储容量大小是用字

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