从零开始创造自己的操作系统(2):汇编入门

书接上回

继续开发:

上次,那个引导扇区代码看的大家一头雾水,今天咱们就一步步开发

(上一次是作者偷懒了,直接复制的)

    org 0x7c00
    jmp entry
    db 0x90
    db "HELLOIPL"
    dw 512
    db 1
    dw 1
    db 2
    dw 224
    dw 2880
    db 0xf0
    dw 9
    dw 18
    dw 2
    dd 0
    dd 2880
    db 0,0,0x29
    dd 0xffffffff
    db "HELLO-OS"
    db "FAT12"
    resb 18
entry:
    mov ax,0
    mov ss,ax
    mov sp,0x7c00
    mov ds,ax
    mov es,ax
    
    mov si,msg
print:
    mov al,[si]
    add si
    cmp al,0
    
    je fin
    mov ah,0x0e
    mov bx,15
    int 0x10
    jmp print
fin:
    hlt
    jmp fin
msg:
    db 0x0a,0x0A
    db "hello,world!"
    db 0x0a
    db 0
times 510-($-$$) db 0
db 0xaa55

(作者又偷懒了,一个注释没写)

汇编入门:

咱们先看第一行,有个org指令,是指把程序放在指定的内存地址。《30天自制操作系统》这本书上说没有org不能正确的执行,其实是错误的。关于这个,我们以后再讲。看看org后面是0x7c00,这个地址有什么特别的?改成1234不行吗?还真不行。

在电脑启动的时候,BIOS负责加载启动失败的第一个扇区进内存,这个内存地址就是0x7c00。也就是说,我们的操作系统是在0x7c00开始运行的。

然后是jmp指令,它是跳转到特定内存地址的,但是entry是什么?显然不是一个内存地址。entry这样的,在汇编语言中叫做标号。它就是一个内存地址,意思是从程序开始到entry代码的内存地址+程序的装载地址。我们的汇编器会自动计算出来。这就要用到org指令了。

在下面是dd,db,dw和resb,与org一样,叫伪指令。伪指令不会编译出任何东西,只是协助汇编器编译。这些指令的作用是填充数据。dd是define double word,dw是define word,db是define byte,只是填充的位数不一样而已。resb是填充0

接下来是mov指令,mov是给寄存器赋值的意思。在这里说一下什么是寄存器:

寄存器

ax:累加寄存器

cx:计数寄存器

dx:数据寄存器

bx:基址寄存器

sp:栈指针寄存器 

bp:基址指针寄存器

si:源变址寄存器

di:目的变址寄存器

寄存器是CPU中的存储电路,相当于变量。这几个是常用的

其他的不一一列举了,遇到的时候再讲

突然发现已经1024个字了,咱们下期再见┏(^0^)┛

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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