2、探索ARM汇编编程:从基础到实践

探索ARM汇编编程:从基础到实践

1. 所需工具

要开启ARM汇编编程之旅,你仅需一台运行Raspbian操作系统的树莓派。Raspbian基于Debian Linux,所以你掌握的Linux知识能直接派上用场。虽然树莓派有其他操作系统可选,但这里仅讨论Raspbian。

理想的树莓派型号是Raspberry Pi 3的B或B+型号。本书的大部分内容在旧型号上也能运行,因为差异主要体现在协处理器单元和内存大小上。后续会介绍如何开发在紧凑型A型号和Raspberry Pi Zero上运行的程序,但不建议直接在这些设备上开发。

Raspbian操作系统的一大优势在于它专为教学编程而设计,预装了许多编程工具,包括:
- GNC编译器集合(GCC) :用于构建汇编语言程序,后续章节还会用它编译C程序。
- GNU Make :用于构建程序。
- GNU调试器(GDB) :用于查找和解决程序中的问题。

此外,你还需要一个文本编辑器来创建源程序文件。任何文本编辑器都可以使用,Raspbian默认包含多个命令行和图形界面的编辑器。由于通常是在掌握了像C或Java这样的高级语言后才学习汇编语言,所以你可能已有喜欢的编辑器,可继续使用。

还有一些可选的实用程序,如更好的程序员计算器和更好的代码分析工具,它们都是开源的,可以免费安装。

2. 计算机中的数字表示

我们通常使用十进制来表示数字,一种常见的理论是因为我们有10根手指用于计数。例如,数字387实际上是这样表示的: <

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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