Crash Course(五)

从1801年的可编程纺织机到现代高级编程语言的发展历程。介绍了早期编程方式,如穿孔纸卡、插线板及面板编程等,并阐述了编程语言如何从机器语言进化到高级语言的过程。

10.早期的编程方式
程序需要加载进内存。
给机器编程的需求早在计算机之前就有了。
1801年的可编程纺织机,由可穿孔纸卡决定每一行的图案;
纸卡连成长条,形成连续指令。
一个世纪之后,1890年可穿孔纸卡被用于人口普查(第一集中有提到)
这种读卡的早期汇总机不算计算机,因为它只会做一件事:汇总数据。操作是固定的,不能编程;穿孔卡存的是数据,不是程序。
60年之后,这些机器被加强,可以做多种运算;甚至可以做一些小决定,决定何时执行某命令。
为了正确执行不同的计算,程序员需要某种控制面板(control panel)
该面板有很多可以插电线的孔,可以让机器的不同部分互相传数据和信号,因此也叫“插线板”
缺点:运行不同程序要重新接线;所以1920年控制面板变成了可拔插,可以给机器插入不同程序,让编程更方便。(不过给插线板变成很复杂)
世界上第一台通用电子计算机:1946年的ENIAC也使用了一堆插线板
缺点:换程序慢,程序员累
1940:内存变得可行
价格下降,容量上升,易于修改,便于CPU快速读取(储存程序计算机,Stored-program Computers)
如果内存足够,不光可以存程序,还可以存程序需要的数据,包括程序运行时产生的新数据。程序和数据都存在于“冯诺依曼结构”中
冯诺依曼计算机的标志是,一个处理器(有算术逻辑单元)+数据寄存器+指令寄存器+指令地址寄存器+内存(存数据和指令)(第七集便是)
但程序员仍然需要某种方式输入程序,所以用穿孔纸卡。
(但是即便是一个简单的程序也要用一堆纸卡,不方便;弄散了也难整理)
程序的输出结果也是打孔。然后可以人分析结果或放进去进一步计算
更先进的储存方法:还有纸带、硬盘、只读光盘、DVD、U盘等等
1980年前,还有一种常见的编程方式:面板编程。用开关和按钮达到一样的效果。面板上的指示灯来表示各函数的状态和内存中的值。(竟然可以只用开关来实现)
缺点:使用者必须对计算机原理完全了解才能使用它。
为了简化,出现了编程语言。

11.编程语言发展史
在硬件层面编程非常麻烦,所以程序员要想一种更加通用的方式来编程:软件
还记得0010 1110前四位是操作码,0010代表执行LOAD_A指令;后四位是内存地址
。所以表达的意思是“读内存地址14,放入寄存器A”
不同的语言表达的是相同的意思。
计算机只能处理二进制(叫做“机器语言/机器码”)
早期只能输给计算机机器码。首先我们在纸上写下伪代码(对程序的高层次描述)
再用“操作码表”把伪代码转化为二进制机器码
1940:每个操作码分配一个简单名字,叫“助记符”后面紧跟数据,形成完整指令。
(比如我们可以写LOAD_A 14)然后被二进制程序转化为二进制。这叫做汇编器(assembler)
读取汇编语言写的程序,转化为机器码。
汇编器逐渐有更多功能,比如“读取jump地址”,插入一些标签,可以自动跳转到不同指令

后来设计高级编程语言:算数语言版本0,一行高级编程语言,可能会转成十几条二进制指令
编译器专门把高级语言转成低级语言,比如汇编或者机器码
比如计算两数相加时,程序员只需要创建代表内存地址的抽象,叫“变量”并取名
Formula语言比手写的汇编代码短20倍
当时大多数语言和编译器只能运行在一台电脑上;所以电脑升级时可能要重写一堆;后来制造了统一的编译器
这下语言让计算机大众化;可以制造更加复杂的程序。现在衍生出了各种各样的编程语言。
下一集,我们了解编程语言和用语言写的软件。

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
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

打赏作者

灰海宽松

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