计算机硬件基础--信息安全工程师软考备考

中央处理器

CPU基础功能:指令控制、操作控制、时间控制、数据加工
CPU的组成:运算器、控制器、cache

*控制器(CU )
功能:指挥计算机各个部件协调一致地自动运行
组成:程序计数器(PC)、指令寄存器(IR)、指令译码器、时序产生器、操作控制器

*运算器(ALU)
功能:在控制器的指挥下,进行算术运算和逻辑运算
组成:算术逻辑单元(ALU)、通用寄存器、数据缓冲寄存器(DR)、状态条件寄存器(PSW)

*CPU中主要寄存器:
数据缓存器(DR):暂时存放ALU的运算结果、或由数据存储器读出的一个数据字,或来自外部接口的一个数据字。
指令寄存器(IR):保存当前正在执行的一条指令。
程序计数器(PC):确定下一条指令
数据地址寄存器(AR):保存当前CPU所访问的数据Cache存储器中单元的地址。
通用寄存器(R0~R3):当ALU执行算术或逻辑运算时,为ALU提供一个工作区。
状态寄存器(PSW):保存由算术指令和逻辑指令运算或测试结果建立的各种条件代码。
在这里插入图片描述
举例子:CPU执行“14-10”时寄存器的基本工作原理
举例子:CPU执行“14-10”时寄存器的基本工作原理举例子:CPU执行“14-10”时寄存器的基本工作原理

寻址方式

*指令格式:操作数+地址码
寻址方式:
(a)隐含寻址
(b)立即寻址
(c)直接寻址
(d)间接寻址
(e)寄存器寻址
(f)寄存器间接寻址
(g)偏移寻址
寻址方式

存储器

内部存储器(又称“内存”)
主要用来存放计算机在运行期间正在执行的程序和操作的数据,CUP可以直接访问内存。
*存储单位
存储元,位(bit),字节(B)
8bit=1B;
2^10B=1KB
2^10KB=1MB
2^10MB=1GB
2^10GB=1TB

*存储单元
通常由8个存储元组成,可以存放一个字节,每个存储单元在整个存储器中的位置编号,称为该存储单元的地址,简称内存地址。
在这里插入图片描述

*存储器的分类
按存储介质:
半导体存储器,入内存;
磁介质存储器:如硬盘,磁带
光介质存储器,如光盘

按存取方法:
随机访问存储器(RAM)
只读存储器(ROM)

信息的存储原理
动态存储器(DRAM)
静态存储器(SRAM)

所处位置和作用
内部存储器
外部存储器
缓冲存储器
在这里插入图片描述
*存储器的分级
在这里插入图片描述

总线和接口

在这里插入图片描述
按传输信息分类:
*数据总线
用于传送数据信息
数据信息在数据总线上双向传送
数据总线的根数决定了通过该总线一次可以传送的信息量

*地址总线
用来传送地址信息,地址信息在地址总线上单向传输
地址总线的根数决定了总线可以直接寻址的内存地址空间大小
n根地址总线可以寻址的地址空间是2^n

*控制总线
用于在主控设备和被控设备之间传送控制信号

按所处位置分类:
*片内总线
CPU内部多个功能部件相连的数据传输通路
CPU内部运算器、控制器以及寄存器之间通过片内总线传送数据

*系统总线
又称内总线,是CPU内存和各种接口电路之间的信息通路

*通信总线
又称外总线,是计算机与计算机之间或计算机与其他通信设备之间的信息传输通路

外部设备

输入设备:键盘、鼠标
输出设备:显示器、打印机
外部存储器:磁带、软盘、硬盘、光盘、U盘

磁盘存储设备:
磁盘存储设备
*磁盘存储设备的技术指标
存储密度:同一磁道的位密度容量相同,不同磁道位密度不同,0磁道的密度最小。

存储容量:格式化容量和非格式化容量

平均存取时间:平均存取时间=平均找道时间+平均等待时间+数据传送时间

数据传输率:单位时间内向主机传输数据的字节数

冯诺依曼的结构体系

在这里插入图片描述
冯·诺依曼计算机组成部分(五大部分)

(1)运算器

(2)控制器

(3)存储器

(4)输出设备

(5)输入设备
  
冯诺依曼体系结构:
(1)采用存储程序方式,指令和数据不加区别混合存储在同一个存储器中,数据和程序在内存中是没有区别的,它们都是内存中的数据,当EIP指针指向哪 CPU就加载那段内存中的数据,如果是不正确的指令格式,CPU就会发生错误中断. 在现在CPU的保护模式中,每个内存段都有其描述符,这个描述符记录着这个内存段的访问权限(可读,可写,可执行).这就变相的指定了哪些内存中存储的是指令哪些是数据)

指令和数据都可以送到运算器进行运算,即由指令组成的程序是可以修改的。

(2)存储器是按地址访问的线性编址的一维结构,每个单元的位数是固定的。

(3)指令由操作码和地址组成。操作码指明本指令的操作类型,地址码指明操作数和地址。操作数本身无数据类型的标志,它的数据类型由操作码确定。

(4)通过执行指令直接发出控制信号控制计算机的操作。指令在存储器中按其执行顺序存放,由指令计数器指明要执行的指令所在的单元地址。指令计数器只有一个,一般按顺序递增,但执行顺序可按运算结果或当时的外界条件而改变。

(5)以运算器为中心,I/O设备与存储器间的数据传送都要经过运算器。

(6)数据以二进制表示。

计算机常用的性能指标

主频
字长
运算速度
储存容量
内存寻址空间
存储周期
总线的宽带

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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