第10章 32 位 Intel 微处理器编程架构

从这一章开始开始从从实模式进入32位保护模式;什么是实模式?之前所有的汇编程序都是在实模式下运行的,其特点是编程者可以读写任意一块内存,而不管这样做合不合适;保护模式则为了保护内存资源进行了限制,为每一个程序都规定了它应该访问的内存,超过规定就会异常、报错。这就像是开公司做生意,在实模式下,开公司不需要登记,卖什么都没有人管,随时都可以开张。但在保护模式下就不行了,开公司之前必须先登记,登记的信息包括住址(段的起始地址)、经营项目(段的界限等各种访问属性)。这样,每当你做的买卖和项目不符时,就会被阻止。对段的访问也是一样,当你访问的偏移地址超出段的界限时,处理器就会阻止这种访问,并产生一个叫做内部异常的中断。


这一章就是纯粹的介绍实模式到保护模式的过渡,初读这一章会迷糊,找不到哪里是重点,先多读几遍,尽量在脑海中印象深刻,以后还会回过头查阅这一章的。


还有本书中一些关于磁盘、显卡这些外置设备的读写初次学习可以粗略知道就行了,因为这些设备本身相对比较复杂,接口参数也比较多,等有一个整体的了解和对cpu重要的机制掌握以后可以用专题的形式进行研究。

  • 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
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