【计组期末复习】

目录

存储器

指令系统

大端方式     高字节放低地址

小端方式    高字节放在高地址

CPU

指令流水

总线

总线的仲裁方式

输入输出系统

CPU与I/O接口之间的数据传输方式


存储器

假设CPU执行某段程序时共访问Cache命中4800次,访问主存200次,已知Cache的存取周期是30ns,主存的存取周期是150ns,求Cache的命中率以及Cache-主存系统的平均访问时间和效率,试问该系统的性能提高了多少?

ROM :非易失性

RAM:易失性

DRAM芯片(动态)

刷新方式:集中刷新,分散刷新,异步刷新

一个8K×8位的动态RAM芯片,其内部结构排列成256×256形式,存取周期为   0.1μs。试问采用集中刷新、分散刷新及异步刷新三种方式的刷新间隔各为多少?

某容量为256MB的存储器由若干4M×8位的DRAM芯片构成,该DRAM芯片的地址引脚和数据引脚总数是?

要看清楚题目问的对象是谁

【考点】DRAM芯片的地址表示 采用的是地址线复用技术(分行,列地址)

某计算机使用四体交叉编址存储器,假定在存储器总线上出现的主存地址(十进制)序列为8005,8006,8007,8008,8001,8002,8003,8004,8000,则可能发生访存冲突的地址对是( )

A. 8004和8008   B. 8002和8007  C.8001和8008   D.8000和8004

!!!!!!!!!!!

cache命中时的写策略有哪些?结合以下程序执行时变量sum和i的修改过程介绍cache的几种写策略的应用场景及优缺点。

【解析】

cache命中时的写策略有三种:全写法,写回法,写一次法。

1)写回法:

当CPU对cache写命中时,只修改cache中的内容,不立即写入主存。只有当该cache块被替换出时才写回主存。需要设置一个修改位来标记那些cache行被修改过。

优点:减少了访存次数

缺点:存在数据不一致的隐患

应用场景:对性能要求较高的场景

2)全写法:

当CPU对cache写命中时,必须把数据同时写入cache和主存。

优点:保持了数据的一致性

缺点:会增加访存次数,降低了性能

应用场景:适用于对数据一致性要求较高的场景

3)写一次法:

这是全写法和写回法的结合,当CPU对cache第一次写命中时,采用全写法,同时写入cache和主存,如果连续写,则用写回法。

这种方法结合了全写法和写回法的优点,适用于对数据一致性要求较高的场景

当前程序可以使用写一次法,当第3行和第4行程序第一次对变量sum和i修改时,用全写法,又因为程序是循环,短期内会反复多次对变量sum和i进行修改操作,此时则采用写回法,只写cache,等换出后在写回主存

指令系统

计算机按字节编址,指令字长固定且只有两种指令格式,其中三地址指令29条,二地址指令107条,每个地址字段为6位,则指令字长至少应该是

扩展操作码技术

【注意点】

!!!!!!!

计算机按字节编址--->说明一个字节对应一个地址,一个字节对应8位,进一步说明了这个计算机表示地址的位数一定要是8的倍数。

某计算机采用16位定长指令字格式,操作码位数和寻址方式位数固定,指令系统有48条指令,支持直接、间接、立即、相对4种寻址方式,单地址指令中直接寻址方式可寻址范围是?

【解题】表示出单地址指令的指令格式+分析

扩展操作码技术

书写+计算(大题!!!!)

设计某指令系统时,假设采用16位定长指令字格式,操作码使用扩展编码方式,地址码为6位,包含零地址、一地址和二地址3种格式的指令。若二地址指令有12条,一地址指令有254条,求零地址指令的条数最多为?

大端方式     高字节放低地址

最高有效字节(MSB)放在最低地址处

最低有效字节(LSB)放在最高地址处

小端方式    高字节放在高地址

最低有效字节(LSB)存放在最低地址处

最高有效字节(MSB)存放在最高地址处

图画出来!!!

计算机采用大端方式,按字节编址。某指令中操作数的机器数为1234 FF00H,该操作数采用基址寻址方式,形式地址(用补码表示)为FF12H,基址寄存器内容为F000 0000H,则该操作数的LSB(最低有效字节)所在的地址是?EFFF FF15H

【解析】 一个字节对应8位

大端方式:高字节放在低地址处

操作数是:1234 FF00H 问的是00H 这个字节存放的主存单元对应的地址

现在要做的就是找出这个操作数对应的地址

找到操作数用的是基址寻址的方式,A=FF12H

随着人类对生命健康需求的不断增长,新药研发面临着前所未有的挑战。传统的药物研发流程通常耗时长达十年以上,耗资数十亿美元,且最终成功率极低,这在制药界被称为“反摩尔定律”困境。近年来,人工智能技术的飞速发展,特别是深度学习和大数据分析的广泛应用,为新药发现带来了革命性的契机。人工智能能够从海量的化学和生物数据中挖掘潜在规律,显著加速药物靶点发现、先导化合物优化等关键环节。在此背景下,本研究旨在设计并实现一个基于人工智能的新药发现辅助系统,以期为传统药物研发流程提供高效的智能化辅助工具,从而有效缩短研发周期并大幅降低研发成本。本研究以Python作为主要开发语言,深度结合PyTorch和TensorFlow两大主流深度学习框架,并集成RDKit化学信息学工具包,构建了一个功能完善的新药发现辅助系统。系统的核心目标是利用先进的人工智能技术辅助新药分子的设计与活性评估。在研究方法上,本文创新性地提出了一种融合多模态数据的新药发现算法。该算法综合处理分子的多种表示形式,包括一维的SMILES序列、二维的分子图结构以及三维的空间构象数据。通过构建多通道神经网络,系统能够有效提取并融合不同模态的特征,从而全面捕捉分子的理化性质与生物学活性之间的复杂非线性关系。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
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

A林玖

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