JVM 字节码指令手册 - 查看 Java 字节码

奇迹摘星w 奇迹摘星w 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 224平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄6年
关注
转载 最新推荐文章于 2026-08-09 14:37:09 发布 224 阅读 AI 写同款· GEO 优化 ›
深入理解JVM虚拟机（文末有视频讲解） 什么是JVM虚拟机 JVM是Java Virtual Machine（Java虚拟机）的缩写，JVM是一种用于计算设备的规范，它是一个虚构出来的计算机，是通过在实际的计算机上仿真模拟各种计算机功能来实现的。Java虚拟机包括一套字节码指令集、一组寄存器、一个栈、一个垃圾回收堆和一个存储方法域。 JVM屏蔽了与具体操作系统平台相关的信息，使Java程序只需生成在Java虚拟机上运行的目标代码（字节码... 阅读详情

jdk 进行的编译生成的 .class 是 16 进制数据文件，不利于学习分析。通过下命令

javap -c Demo.class > Demo.txt

或者其他方式可反汇编，得到字节码文件

一、JVM 指令分类

（1）操作数栈

过程符号
变量到操作数栈iload, iload_, lload, lload_, fload, fload_, dload, dload_, aload, aload_
操作数栈到变量istore, istore_, lstore, lstore_, fstore, fstore_, dstore, dstor_, astore, astore_
常数到操作数栈bipush, sipush, ldc, ldc_w, ldc2_w, aconst_null, iconst_ml, iconst_, lconst_, fconst_, dconst_
把数据装载到操作数栈baload, caload, saload, iaload, laload, faload, daload, aaload
从操作数栈存存储到数组bastore, castore, sastore, iastore, lastore, fastore, dastore, aastore
操作数栈管理pop, pop2, dup, dup2, dup_xl, dup2_xl, dup_x2, dup2_x2, swap

（2）运算与转换

过程符号
加iadd, ladd, fadd, dadd
减is, ls, fs, ds
乘imul, lmul, fmul, dmul
除idiv, ldiv, fdiv, ddiv
余数irem, lrem, frem, drem
取负ineg, lneg, fneg, dneg
移位ishl, lshr, iushr, lshl, lshr, lushr
按位或ior, lor
按位与iand, land
按位异或ixor, lxor
类型转换i2l, i2f, i2d, l2f, l2d, f2d(放宽数值转换); i2b, i2c, i2s, l2i, f2i, f2l, d2i, d2l, d2f(缩窄数值转换)

（3）条件转移

过程符号
有条件转移ifeq, iflt, ifle, ifne, ifgt, ifge, ifnull, ifnonnull, if_icmpeq, if_icmpene, if_icmplt, if_icmpgt, if_icmple, if_icmpge, if_acmpeq, if_acmpne, lcmp, fcmpl, fcmpg, dcmpl, dcmpg
复合条件转移tableswitch, lookupswitch
无条件转移goto, goto_w, jsr, jsr_w, ret

（4）类与数组

过程符号
创建类实便：new 
创建新数组：newarray, anewarray, multianwarray 
访问类的域和类实例域：getfield, putfield, getstatic, putstatic 
获取数组长度：arraylength 
检相类实例或数组属性：instanceof, checkcast 

（5）调度与返回加finally

过程符号
调度对象的实便方法invokevirt l
调用由接口实现的方法invokeinterface
调用需要特殊处理的实例方法invokespecial
调用命名类中的静态方法invokestatic
方法返回ireturn, lreturn, freturn, dreturn, areturn, return
异常athrow
finally 关键字的实现使用jsr, jsr_w, ret

二、JVM 指令集表

指令码助记符说明
0x00nop什么都不做
0x01aconst_null将 null 推送至栈顶
0x02iconst_m1将 int 型 -1 推送至栈顶
0x03iconst_0将 int 型 0 推送至栈顶
0x04iconst_1将 int 型 1 推送至栈顶
0x05iconst_2将 int 型 2 推送至栈顶
0x06iconst_3将 int 型 3 推送至栈顶
0x07iconst_4将 int 型 4 推送至栈顶
0x08iconst_5将 int 型 5 推送至栈顶
0x09lconst_0将 long 型 0 推送至栈顶
0x0alconst_1将 long 型 1 推送至栈顶
0x0bfconst_0将 float 型 0 推送至栈顶
0x0cfconst_1将 float 型 1 推送至栈顶
0x0dfconst_2将 float 型 2 推送至栈顶
0x0edconst_0将 double 型 0 推送至栈顶
0x0fdconst_1将 double 型 1 推送至栈顶
0x10bipush将单字节的常量值 (-128~127) 推送至栈顶
0x11sipush将一个短整型常量值 (-32768~32767) 推送至栈顶
0x12ldc将int,
0x13ldc_w将int,
0x14ldc2_w将 long 或 double 型常量值从常量池中推送至栈顶（宽索引）
0x15iload将指定的 int 型本地变量推送至栈顶
0x16lload将指定的 long 型本地变量推送至栈顶
0x17fload将指定的 float 型本地变量推送至栈顶
0x18dload将指定的 double 型本地变量推送至栈顶
0x19aload将指定的引用类型本地变量推送至栈顶
0x1aiload_0将第一个 int 型本地变量推送至栈顶
0x1biload_1将第二个 int 型本地变量推送至栈顶
0x1ciload_2将第三个 int 型本地变量推送至栈顶
0x1diload_3将第四个 int 型本地变量推送至栈顶
0x1elload_0将第一个 long 型本地变量推送至栈顶
0x1flload_1将第二个 long 型本地变量推送至栈顶
0x20lload_2将第三个 long 型本地变量推送至栈顶
0x21lload_3将第四个 long 型本地变量推送至栈顶
0x22fload_0将第一个 float 型本地变量推送至栈顶
0x23fload_1将第二个 float 型本地变量推送至栈顶
0x24fload_2将第三个 float 型本地变量推送至栈顶
0x25fload_3将第四个 float 型本地变量推送至栈顶
0x26dload_0将第一个 double 型本地变量推送至栈顶
0x27dload_1将第二个 double 型本地变量推送至栈顶
0x28dload_2将第三个 double 型本地变量推送至栈顶
0x29dload_3将第四个 double 型本地变量推送至栈顶
0x2aaload_0将第一个引用类型本地变量推送至栈顶
0x2baload_1将第二个引用类型本地变量推送至栈顶
0x2caload_2将第三个引用类型本地变量推送至栈顶
0x2daload_3将第四个引用类型本地变量推送至栈顶
0x2eiaload将 int 型数组指定索引的值推送至栈顶
0x2flaload将 long 型数组指定索引的值推送至栈顶
0x30faload将 float 型数组指定索引的值推送至栈顶
0x31daload将 double 型数组指定索引的值推送至栈顶
0x32aaload将引用型数组指定索引的值推送至栈顶
0x33baload将 boolean 或 byte 型数组指定索引的值推送至栈顶
0x34caload将 char 型数组指定索引的值推送至栈顶
0x35saload将 short 型数组指定索引的值推送至栈顶
0x36istore将栈顶 int 型数值存入指定本地变量
0x37lstore将栈顶 long 型数值存入指定本地变量
0x38fstore将栈顶 float 型数值存入指定本地变量
0x39dstore将栈顶 double 型数值存入指定本地变量
0x3aastore将栈顶引用型数值存入指定本地变量
0x3bistore_0将栈顶 int 型数值存入第一个本地变量
0x3cistore_1将栈顶 int 型数值存入第二个本地变量
0x3distore_2将栈顶 int 型数值存入第三个本地变量
0x3eistore_3将栈顶 int 型数值存入第四个本地变量
0x3flstore_0将栈顶 long 型数值存入第一个本地变量
0x40lstore_1将栈顶 long 型数值存入第二个本地变量
0x41lstore_2将栈顶 long 型数值存入第三个本地变量
0x42lstore_3将栈顶 long 型数值存入第四个本地变量
0x43fstore_0将栈顶 float 型数值存入第一个本地变量
0x44fstore_1将栈顶 float 型数值存入第二个本地变量
0x45fstore_2将栈顶 float 型数值存入第三个本地变量
0x46fstore_3将栈顶 float 型数值存入第四个本地变量
0x47dstore_0将栈顶 double 型数值存入第一个本地变量
0x48dstore_1将栈顶 double 型数值存入第二个本地变量
0x49dstore_2将栈顶 double 型数值存入第三个本地变量
0x4adstore_3将栈顶 double 型数值存入第四个本地变量
0x4bastore_0将栈顶引用型数值存入第一个本地变量
0x4castore_1将栈顶引用型数值存入第二个本地变量
0x4dastore_2将栈顶引用型数值存入第三个本地变量
0x4eastore_3将栈顶引用型数值存入第四个本地变量
0x4fiastore将栈顶 int 型数值存入指定数组的指定索引位置
0x50lastore将栈顶 long 型数值存入指定数组的指定索引位置
0x51fastore将栈顶 float 型数值存入指定数组的指定索引位置
0x52dastore将栈顶 double 型数值存入指定数组的指定索引位置
0x53aastore将栈顶引用型数值存入指定数组的指定索引位置
0x54bastore将栈顶 boolean 或 byte 型数值存入指定数组的指定索引位置
0x55castore将栈顶 char 型数值存入指定数组的指定索引位置
0x56sastore将栈顶 short 型数值存入指定数组的指定索引位置
0x57pop将栈顶数值弹出
0x58pop2将栈顶的一个（long 或 double 类型的)或两个数值弹出（其它）
0x59dup复制栈顶数值并将复制值压入栈顶
0x5adup_x1复制栈顶数值并将两个复制值压入栈顶
0x5bdup_x2复制栈顶数值并将三个（或两个）复制值压入栈顶
0x5cdup2复制栈顶一个（long 或 double 类型的)或两个（其它）数值并将复制值压入栈顶
0x5ddup2_x1<待补充>
0x5edup2_x2<待补充>
0x5fswap将栈最顶端的两个数值互换(数值不能是 long 或 double 类型的)
0x60iadd将栈顶两 int 型数值相加并将结果压入栈顶
0x61ladd将栈顶两 long 型数值相加并将结果压入栈顶
0x62fadd将栈顶两 float 型数值相加并将结果压入栈顶
0x63dadd将栈顶两 double 型数值相加并将结果压入栈顶
0x64isub将栈顶两 int 型数值相减并将结果压入栈顶
0x65lsub将栈顶两 long 型数值相减并将结果压入栈顶
0x66fsub将栈顶两 float 型数值相减并将结果压入栈顶
0x67dsub将栈顶两 double 型数值相减并将结果压入栈顶
0x68imul将栈顶两 int 型数值相乘并将结果压入栈顶
0x69lmul将栈顶两 long 型数值相乘并将结果压入栈顶
0x6afmul将栈顶两 float 型数值相乘并将结果压入栈顶
0x6bdmul将栈顶两 double 型数值相乘并将结果压入栈顶
0x6cidiv将栈顶两 int 型数值相除并将结果压入栈顶
0x6dldiv将栈顶两 long 型数值相除并将结果压入栈顶
0x6efdiv将栈顶两 float 型数值相除并将结果压入栈顶
0x6fddiv将栈顶两 double 型数值相除并将结果压入栈顶
0x70irem将栈顶两 int 型数值作取模运算并将结果压入栈顶
0x71lrem将栈顶两 long 型数值作取模运算并将结果压入栈顶
0x72frem将栈顶两 float 型数值作取模运算并将结果压入栈顶
0x73drem将栈顶两 double 型数值作取模运算并将结果压入栈顶
0x74ineg将栈顶 int 型数值取负并将结果压入栈顶
0x75lneg将栈顶 long 型数值取负并将结果压入栈顶
0x76fneg将栈顶 float 型数值取负并将结果压入栈顶
0x77dneg将栈顶 double 型数值取负并将结果压入栈顶
0x78ishl将 int 型数值左移位指定位数并将结果压入栈顶
0x79lshl将 long 型数值左移位指定位数并将结果压入栈顶
0x7aishr将 int 型数值右（符号）移位指定位数并将结果压入栈顶
0x7blshr将 long 型数值右（符号）移位指定位数并将结果压入栈顶
0x7ciushr将 int 型数值右（无符号）移位指定位数并将结果压入栈顶
0x7dlushr将 long 型数值右（无符号）移位指定位数并将结果压入栈顶
0x7eiand将栈顶两 int 型数值作“按位与”并将结果压入栈顶
0x7fland将栈顶两 long 型数值作“按位与”并将结果压入栈顶
0x80ior将栈顶两 int 型数值作“按位或”并将结果压入栈顶
0x81lor将栈顶两 long 型数值作“按位或”并将结果压入栈顶
0x82ixor将栈顶两 int 型数值作“按位异或”并将结果压入栈顶
0x83lxor将栈顶两 long 型数值作“按位异或”并将结果压入栈顶
0x84iinc将指定 int 型变量增加指定值（i++,
0x85i2l将栈顶 int 型数值强制转换成 long 型数值并将结果压入栈顶
0x86i2f将栈顶 int 型数值强制转换成 float 型数值并将结果压入栈顶
0x87i2d将栈顶 int 型数值强制转换成 double 型数值并将结果压入栈顶
0x88l2i将栈顶 long 型数值强制转换成 int 型数值并将结果压入栈顶
0x89l2f将栈顶 long 型数值强制转换成 float 型数值并将结果压入栈顶
0x8al2d将栈顶 long 型数值强制转换成 double 型数值并将结果压入栈顶
0x8bf2i将栈顶 float 型数值强制转换成 int 型数值并将结果压入栈顶
0x8cf2l将栈顶 float 型数值强制转换成 long 型数值并将结果压入栈顶
0x8df2d将栈顶 float 型数值强制转换成 double 型数值并将结果压入栈顶
0x8ed2i将栈顶 double 型数值强制转换成 int 型数值并将结果压入栈顶
0x8fd2l将栈顶 double 型数值强制转换成 long 型数值并将结果压入栈顶
0x90d2f将栈顶 double 型数值强制转换成 float 型数值并将结果压入栈顶
0x91i2b将栈顶 int 型数值强制转换成 byte 型数值并将结果压入栈顶
0x92i2c将栈顶 int 型数值强制转换成 char 型数值并将结果压入栈顶
0x93i2s将栈顶 int 型数值强制转换成 short 型数值并将结果压入栈顶
0x94lcmp比较栈顶两 long 型数值大小，并将结果（1，0，-1）压入栈顶
0x95fcmpl比较栈顶两 float 型数值大小，并将结果（1，0，-1）压入栈顶；当其中一个数值为 NaN 时，将 -1 压入栈顶
0x96fcmpg比较栈顶两 float 型数值大小，并将结果（1，0，-1）压入栈顶；当其中一个数值为 NaN 时，将 1 压入栈顶
0x97dcmpl比较栈顶两 double 型数值大小，并将结果（1，0，-1）压入栈顶；当其中一个数值为 NaN 时，将 -1 压入栈顶
0x98dcmpg比较栈顶两 double 型数值大小，并将结果（1，0，-1）压入栈顶；当其中一个数值为 NaN 时，将 1 压入栈顶
0x99ifeq当栈顶 int 型数值等于 0 时跳转
0x9aifne当栈顶 int 型数值不等于 0 时跳转
0x9biflt当栈顶 int 型数值小于 0 时跳转
0x9cifge当栈顶 int 型数值大于等于 0 时跳转
0x9difgt当栈顶 int 型数值大于 0 时跳转
0x9eifle当栈顶 int 型数值小于等于 0 时跳转
0x9fif_icmpeq比较栈顶两 int 型数值大小，当结果等于 0 时跳转
0xa0if_icmpne比较栈顶两 int 型数值大小，当结果不等于 0 时跳转
0xa1if_icmplt比较栈顶两 int 型数值大小，当结果小于 0 时跳转
0xa2if_icmpge比较栈顶两 int 型数值大小，当结果大于等于 0 时跳转
0xa3if_icmpgt比较栈顶两 int 型数值大小，当结果大于 0 时跳转
0xa4if_icmple比较栈顶两 int 型数值大小，当结果小于等于 0 时跳转
0xa5if_acmpeq比较栈顶两引用型数值，当结果相等时跳转
0xa6if_acmpne比较栈顶两引用型数值，当结果不相等时跳转
0xa7goto无条件跳转
0xa8jsr跳转至指定 16 位 offset 位置，并将 jsr 下一条指令地址压入栈顶
0xa9ret返回至本地变量指定的 index 的指令位置（一般与 jsr, jsr_w 联合使用）
0xaatableswitch用于 switch 条件跳转，case 值连续（可变长度指令）
0xablookupswitch用于 switch 条件跳转，case 值不连续（可变长度指令）
0xacireturn从当前方法返回 int
0xadlreturn从当前方法返回 long
0xaefreturn从当前方法返回 float
0xafdreturn从当前方法返回 double
0xb0areturn从当前方法返回对象引用
0xb1return从当前方法返回void
0xb2getstatic获取指定类的静态域，并将其值压入栈顶
0xb3putstatic为指定的类的静态域赋值
0xb4getfield获取指定类的实例域，并将其值压入栈顶
0xb5putfield为指定的类的实例域赋值
0xb6invokevirtual调用实例方法
0xb7invokespecial调用超类构造方法，实例初始化方法，私有方法
0xb8invokestatic调用静态方法
0xb9invokeinterface调用接口方法
0xba-- 
0xbbnew创建一个对象，并将其引用值压入栈顶
0xbcnewarray创建一个指定原始类型（如int, float, char…）的数组，并将其引用值压入栈顶
0xbdanewarray创建一个引用型（如类，接口，数组）的数组，并将其引用值压入栈顶
0xbearraylength获得数组的长度值并压入栈顶
0xbfathrow将栈顶的异常抛出
0xc0checkcast检验类型转换，检验未通过将抛出 ClassCastException
0xc1instanceof检验对象是否是指定的类的实例，如果是将 1 压入栈顶，否则将0压入栈顶
0xc2monitorenter获得对象的锁，用于同步方法或同步块
0xc3monitorexit释放对象的锁，用于同步方法或同步块
0xc4wide<待补充>
0xc5multianewarray创建指定类型和指定维度的多维数组（执行该指令时，操作栈中必须包含各维度的长度值），并将其引用值压入栈顶
0xc6ifnull为 null 时跳转
0xc7ifnonnull不为 null 时跳转
0xc8goto_w无条件跳转（宽索引）
0xc9jsr_w跳转至指定 32 位 offset 位置，并将 jsr_w 下一条指令地址压入栈顶
标签
#java
原文链接：https://www.cnblogs.com/xpwi/p/11360692.html>
JVM字节码执行模型及字节码指令集 JVM执行模型，是如何把Class文件里的字节码转换成我们的虚拟机栈的操作指令，以及整个虚拟机栈的内部数据结构是怎样的，这篇文章后续会详细介绍，并且稍微扩展下JVM规范中的一些字节码指令集。 阅读详情

相关推荐

深入解析JVM指令手册：Java字节码操作全指南

Java虚拟机（JVM）通过解释执行.class文件中的字节码指令实现跨平台运行。每条JVM指令由一个字节的操作码（opcode）和可选的操作数组成，采用基于栈的架构设计，所有计算操作均在操作数栈上完成。类加载后，字节码存储于方法区，包含魔数（0xCAFEBABE）、常量池、字段表、方法表等结构。通过javap -c反编译可查看main()方法对应的指令序列，如iconst_1istore_1等。// 示例代码int a = 1;

weixin_29443363的博客 909

五分钟看懂Java字节码：极简手册

字节码新手很容易被厚厚的 JVM 书籍劝退，即使我看过相关书籍，工作真正用到时也全忘了，还得现学。 本文将真正地删繁就简，总结核心知识，让读者快速入门，学得会，用得上。

燃烧杯的博客 1067

Java字节码指令列表

Java字节码指令列表，列出了每条指令的操作码和操作数，和对栈的操作情况

java字节码文件指令集

网上找的没有指令码这列 自己把它加上 更方便查阅 指令从0x00-0xc9 没有0xba 常量入栈指令 指令码 操作码（助记符） 操作数 描述（栈指操作数栈） 0x01 aconst_null null值入栈。 0x02 iconst_m1 ...

weixin_30952535的博客 596

利用Python搭建用户画像系统

用户画像是当下很多企业都会提及的概念，多数情况下会和大数据以及营销挂钩。本文将对用户画像的相关知识进行进行简单的介绍，并利用Python去实现一个简单的用户画像系统。 1.什么是用户画像 用户画像可以理解成是海量数据的标签，根据用户的目标、行为和观点的差异，将他们区分为不同的类型，然后每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成一个人物原型 。 用户画像 =...

黎荣恒的博客 3万+

从“看不懂Sansen”到亲手搭建：一个Class AB输出级+浮动电压源的保姆级设计复盘

本文详细记录了从理论困惑到实践突破的Class AB输出级与浮动电压源设计全过程。通过电流镜调试、恒定跨导优化及版图匹配等关键步骤，作者实现了高性能运放设计，并分享了从仿真到实测的宝贵经验，为模拟电路初学者提供实用指导。

weixin_33737774的博客 867

Java字节码「随身手册」

当其中一个数值为 “NaN” 时，将 -1 压入栈顶 || u2 | inner_name_index | 指向常量池 CONSTANT_Utf8_info 索引，代表这个内部类的名称，如果匿名则为0 | 1 || 数据类型 | byte | short | int | long | float | double | char | reference || 0xc1 | instanceof | 检验对象是否时指定类的实例， 如果是， 则将 1 压入栈顶，否则将 0 压入栈顶 |

2401_85039631的博客 921

wincc 服务器授权型号,WinCC V7.5 SP1软件安装及授权方法

上篇教程给大家介绍了TIA Portal V16 安装方法，今天分享一下WinCC V7.5 SP1。目前V7.5 SP1是WinCC最新的版本，发布时间2019年11月13日。先放一个官网对WinCC V7.5 的介绍视频，感兴趣的可以先看一下。1、软件下载官网下载链接：https://support.industry.siemens.com/cs/document/109772879五个文件下...

weixin_39956110的博客 1万+

JVM指令码表

常量入栈指令 指令码 操作码（助记符） 操作数 描述（栈指操作数栈） 0x01 aconst_null null值入栈。 0x02 iconst_m1 -1(int)值入栈。 0x03 iconst_0 ...

qianhuan_的博客 412

EPLAN二次开发实战：从API接口到定制化功能的完整指南

本文为电气工程师和自动化设计师提供了一份EPLAN二次开发的完整实战指南。文章详细介绍了从脚本、插件到独立程序三种开发模式，重点讲解了如何使用C#或VB.NET通过API接口操作EPLAN数据模型，实现定制化功能以提升设计效率，并分享了开发环境搭建、调试及项目打包分发的避坑经验。

c6d7e8f9g的博客 1120

Kimi K3大模型API实战：从调用到本地知识库问答系统构建

大语言模型（LLM）作为人工智能的核心技术，通过海量数据训练获得理解和生成自然语言的能力。其工作原理基于Transformer架构，通过自注意力机制捕捉长距离依赖关系。这项技术的核心价值在于能够将非结构化文本转化为可计算、可交互的智能体，极大地提升了信息处理和自动化任务的效率。在应用场景上，大模型广泛应用于智能对话、代码生成、文档总结与问答等领域。其中，国产大模型如月之暗面推出的Kimi K3，凭借其在**长文本处理**和**中文场景优化**方面的优势，为开发者提供了新的技术选项。本文将以Kimi K3为例

weixin_30694389的博客 299

Java字节码指令收集大全

对于面试还是要好好准备的，尤其是有些问题还是很容易挖坑的，例如你为什么离开现在的公司（你当然不应该抱怨现在的公司有哪些不好的地方，更多的应该表明自己想要寻找更好的发展机会，自己的一些现实因素，比如对于我而言是现在应聘的公司离自己的家更近，又或者是自己工作到达了迷茫期，想跳出迷茫期等等）Java面试精选题、架构实战文档你的支持，我的动力；祝各位前程似锦，offer不断！《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取！

2401_84049061的博客 993

手机如何高效辅助林业调查

手机如何高效辅助林业调查 很多林业工作者将栅格类型的地形图处理后导入平板电脑，在林地使用平板电脑加载小班矢量图，辅助林业调查。但是，如果没有地形图底图，这种方法可能就有难度，而且最重要的是，大部分林地工作者没有能力配置平板电脑。大凡林业基层工作者在林地调查时，除调查记录本等部分纸质材料外，都必然携带手机和水杯，此外其他设备已经成为累赘，尤其是炎热的夏季在杂灌丛生的林地进行调查作业。因此，使用手机...

xu780820的博客 3077

JVM 字节码指令活用手册（基于 Java 17 SE 规范）

JVM 字节码指令手册摘要 本手册基于Java SE 17规范，系统化讲解JVM字节码指令，适用于开发者、学习者及底层技术研究者。主要内容包括： 核心模型：JVM执行基于局部变量表、操作数栈和常量池的三元数据流模型 指令分类解析： 常量加载指令（如iconst、ldc等） 局部变量存取指令（如iload、astore等） 数组操作指令（如iaload、iastore等） 实用特性： 指令格式标准化说明（操作数、栈行为等） 典型应用场景与异常处理 优化设计（如单字节指令优化） 手册采用"从代码到字节

有术无道止于术，有道无术尚有可为。 1154

Android开发工程师面试问题与参考答案

这是一份Android开发工程师职位面试指南，主要针对自研OS开发岗位。岗位要求3年以上独立开发经验，熟悉Android平台UI设计、四大组件和Java基础。面试问题覆盖五大核心领域：基础知识、开发经验、技术深度、问题解决和性能优化。文章提供了典型面试问题及专业参考答案，帮助应聘者准备关键技术点，如多线程处理、HashMap与ConcurrentHashMap区别、Handler机制等。同时建议应聘者结合项目经验展示优化能力，并注意公司提供完善的薪酬福利和团队文化。

郑伟强dev的专栏 893

24届数字IC验证——SV+UVM基础知识汇总（一）

汇总整理在面试过程中常见的问题，如果都能回答下来，那么面试肯定不成问题的分别构建不同抽象级的transaction，来实现复杂的激励。（以前是单一层次的sequence，对激励复用、上层复用不塌友好）不同层级之间的sequence没有继承关系，相互之间进行转换低层次的sequence从高层次的sequencer中获取高层次的sequence，并将其转换为低层次的sequence，再通过低层次的sequencer发送出去如何连接：低层次的sequencer包含高层次sequencer的句柄。

qq_42135020的博客 3150

javac、javap查看当前类的汇编指令

一、场景：查看一个java文件的汇编指令 （1）①在compile中有个TestSynMethod1.java文件 ②使用 javac TestSynMethod1.java 编译此文件生成TestSynMethod1.class文件 ③运行查看汇编指令 javap -v TestSynMethod1.class 二、JVM指令手册 官方文档：https://docs.oracle.com...

xiao_tao123456的博客 831

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

Java字节码技术

字节码介绍 Java 中的字节码，英文名为 bytecode, 是 Java 代码编译后的中间代码格式，JVM 需要读取并解析字节码才能执行相应的任务，是 JVM 的指令集。JVM 加载字节码格式的 class 文件，校验之后通过 JIT 编译器转换为本地机器代码执行。 字节码指令分类 字节码由单字节(byte)的指令组成，理论上最多支持 256（1字节8位，2的8次方） 个操作码(opcode)。实际上 Java 只使用了 200 左右的操作码， 还有一些操作码则保留给调试操作。 操作码， 下面称为 指令

weixin_40472874的博客 389

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。

JVM(二) - 字节码详解

～～～ ～

weixin_40074110的博客 226

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

JVM字节码指令手册

java栈的构造 第一步----将常量压入栈的指令 准确的说是当方法执行时候将常量压入java栈的操作数栈。 aconst_null 将null对象引用压入栈 iconst_m1 将int类型常量-1压入栈 iconst_0 将int类型常量0压入栈 iconst_1 将int类型常量1压入栈 iconst_2 将int类型常量2压入栈 iconst_3 将int类型常量3压入栈 iconst_4 将int类型常量4压入栈 iconst_5 将int类型常量5压入栈 lconst_0 将long类型常量0

weixin_40472874的博客 256

Java字节码指令官网地址

Chapter6.The Java Virtual Machine Instruction Sethttps://docs.oracle.com/javase/specs/jvms/se8/html/jvms-6.html#jvms-6.5

dream_on_sakura_rain 472

JVM字节码指令集大全及其介绍

本节将会着重介绍一下JVM中的指令集、Java是如何跨平台的、JVM指令集参考手册等内容。 目录 Java是怎么跨平台的 平台无关的基石 JVM字节码指令介绍 字节码与数据类型 加载和存储指令 算术指令 类型转换指令 对象创建与访问指令 操作数栈管理指令 控制转移指令 方法调用和返回指令 异常处理指令 同步指令 JVM指令集大全 Java是怎么跨平台的 我们上计算...

没头脑遇到不高兴 1万+
上一篇： 推荐一个GitHub上牛b的Java学习项目！已整理成了文档版本
下一篇： JVM的内存模型，（GC）垃圾处理，调优监控(基于HotSpot VM，JDK1.5+)【JAVA内存模型】
点赞 0
评论 0
书签 书签 0
奇迹摘星w
奇迹摘星w
博客等级 码龄6年 1844粉丝 189原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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