80386 算术运算指令，逻辑运算指令，移位指令 (三)

ttzyanswer ttzyanswer 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 3.1k累计阅读 3.2k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20年
关注
原创 最新推荐文章于 2026-03-07 09:00:00 发布 3.1k 阅读 AI 写同款· GEO 优化 ›
《8086/8088汇编语言程序设计》16~17章 第十六章 8087/80287/80387程序设计 协处理器概述 介绍8087、80287和80387作为80x86系列微处理器的协处理器，其主要功能是协助主处理器进行浮点运算，大幅提升计算机系统在处理复杂数学计算时的性能。阐述它们在不同时期计算机系统中的地位和应用场景。 8087/80287/80387的体系结构 详细讲解协处理器的内部寄存器组，如数据寄存器栈、控制寄存器、状态寄存器、标记寄存器、指令指针寄存器和操作数指针寄存器等，说明每个寄存器的功能和用途。 分析协处理器与主处理器之间的接口机 阅读详情
 算术运算指令，逻辑运算指令，移位指令
AA.算术运算指令
A.加减法运算ADD,ADC,INC,SUB,SBB,DEC,CMP,NEG
a.ADD,和8086功能，用法相同，不过支持32位操作，下面的语句都是合法的。
ADD ESI，EDI
ADD EAX，DWORD PTR ［1000H］
b.ADC，带进位的加法指令，即OPRDS＋OPRDD＋CF，其中OPRDS代表源操作数，OPRDD代表目的操作，CF代表进位标志位，功能和用法与8086相同，支持32位操作。
c.SUB，和8086相同，支持32位操作。
d.SBB，带进位的减法指令，即OPRDD－OPRDS－CF，其中OPRDS代表源操作数，OPRDD代表目的操作数，CF代表进位标志位，功能和用法与8086相同，支持32位操作。
e.DEC，减1操作，功能和用法与8086相同，支持32位操作。
f.CMP，比较操作，功能和用法与8086相同，支持32位操作。
g.NEG，求补操作，功能和用法与8086相同，支持32位操作。
h.INC 加1操作，功能和用法与8086相同，支持32位操作。

B.乘除法指令MUL,DIV,IMUL,IDIV
a.MUL，无符号数乘法指令，和8086功能用法一样，即指令中只给出一个操作，被乘数已默认，如果 指令给出的操作数是32位的话，被乘数默认为EAX，那么乘积将存放在EDX：EAX中，其中EDX存放高32位，EAX存放低32位，如果此时EDX＝ 0，即高32位为0的话，那么OF＝0，CF＝0，否则被置1。如果指令给出的操数作是16位的话，被乘数默认为AX那么乘积将放在DX：AX中，其中 DX中将存放高16位，AX中存放低16位。如果指令给出的操作数是8位的话，被乘数默认为AL，那么乘积将放在AX，AH中存放高8位，AL中存放低8 位。
b.DIV，无符号数的除法指令，和8086一样，指令给出一个操作数，被除数已默认。如果指令中给出的操作数为32，那么被除数将是EDX：EAX， 最终的商将存放在EAX， 余数将存放在EDX中。如果指令给出操作数为16位，那么被除数为EAX，最终得到的商放在AX，余数放在EAX的高16位。如果指令中给出的操作数为8位，那么被除数是16位，最终得到的商将放在AL中，余数放在AH中。
c.IMUL，有符号数的乘法指令，除了具有8086的用法外，有新的形式：
c1.IMUL DST,SRC;将源操作数SRC与目的操作DST相乘，并将结果送往DST。
c2.IMUL DST,SRC1,SRC2;将源操作数SRC1与源操作数SRC2相乘，并将结果送往DST。
使用这种形式必须遵守的规则，形式c1指令中目的操作数必须是16位或32位通寄存器，源操作数的长度 必须与目的操作的长度一样（8位立即数除外，即00H－FFH或80H－7FH)，源操作数可以是通用寄存器，也可以是存储单元或立即数。形式c2指令中 的源操作数SRC1可以是通用寄存器也可以是存储单元，源操作数SRC2必须是立即数，DST必须是16位或32位通用寄存器。呵呵，对于这些规则无需去 问为什么，这是硬件的特性决定的，如果一定要问为什么，那只能问INTEL公司的硬件工程师了:)。同时，有一点要注意的是：这两种形式的指令，目的寄存 器的长度与源操作数长度一样（8位立即数除外），这样的话，该指令事实上对有符号数和无符号数是一样的，因为乘积的低位部分均存储在目的寄存器中，而高位 部分在这两种形式的指令中不予以存储。
d.IDIV，有符号数的除法指令，用法和8086相同，不过支持32位操作。

C.符号扩展指令CBW，CWD，CWDE，CDQ
a.CBW，8位数扩展为16位数。
b.CWD，字(16位)扩展为双字(32位)。
c.CWDE，是80386新增的指令。格式：CWDE。功能：将AX的符号位扩展到EAX的高16位中。
d.CDQ，是80386新增的指令。格式：CDQ。功能，将EAX的符号位扩展到EDX中。
e.以上四条指令均不影响标志位。
f.举例说明：
;If AX=1234H,EAX=99991234H
CBW;After processing the instruction,AX=1234,DX=0000H
CDQ;After processing the instruction,EAX=99991234H,EDX=FFFFFFFFH

BB.逻辑运算指令和移位指令NOT,AND,OR,XOR,TEST,SAL,SAR,SHL,SHR,ROL,ROR,RCL,RCR,SHLD,SHRD
a.NOT,AND,OR,XOR,TEST这些指令的功能和用法与8086完全相同，不过它们支持32位操作。
b.TEST，测试指令，该指令测试的结果并不回送到目的操作数和源操数。之所以要使用这条的指令，主要是因为根据TEST指令得到的结果，进行程序的条件转移。
c.SAL，算术左移，功能和8086一样，但在8086中，如果在移位的位数超过1位，那么一定要移 位的位数放在CL寄存器中。在80386中，可以不用这样做，其它的移位指令也一样。除了这一点以外，用法和8086一样，当然也支持32位操作。以下的 语句均是合法的。
SHL AL,5;这在8086中是非法，但在80386中是合法的
SHL WORD PTR [SI],3
d.SAR，算术右移，将操作数右移指定的位数，但左边的符号位保持不变，移出的最低位进入CF标志位。
e.SHL，逻辑左移，用法和功能与SAL一样。
f.SHR，逻辑右移，将操作右移指定的位数，同时每移一位，左边用0补充，移出的最低位进入CF标志位。
g.说明：在80386中，实际移位的位数是指令中移位位数的低5位，也就是说移位位数的范围在0- 31或0－1FH，CF标志位总是保留着目的操作数最后被移出位的值。当移位位数大于操作数的长度时，CF被置0。如果移位位数为1，移位前后的结果的符 号位都是一样，那么很明显的是该操作数经移位后没有移出，此时OF＝0。这四条指令的移位示意图(我画的是16位操作数的移位示意图，8位和32依此类 推),SAL,SHL相当于乘法；SAR，SHR相当于除法。
SAL:
|——————————————————————————————-|
|CF|<-|bit15|bit14|bit13|bit12|bit11|bit10|bit9|bit8|bit7|bit6|bit5|bit4|bit3|bit2|bit1|bit0|
|– —————————————————————————————-|
SHL:
|——————————————————————————————-|
|CF|<-|bit15|bit14|bit13|bit12|bit11|bit10|bit9|bit8|bit7|bit6|bit5|bit4|bit3|bit2|bit1|bit0|
|— —————————————————————————————|
SAR:
|——————————————————————————————–|
|-|bit15|bit14|bit13|bit12|bit11|bit10|bit9|bit8|bit7|bit6|bit5|bit4|bit3|bit2|bit1|bit0|->|CF||
| |—|—————————————————————————————-|
| ^
|—–|最高位保持不变
SHR:
|——————————————————————————————–|
0->|bit15|bit14|bit13|bit12|bit11|bit10|bit9|bit8|bit7|bit6|bit5|bit4|bit3|bit2|bit1|bit0|->|CF||
|——————————————————————————————–|
h.ROL，循环左移，支持32位操作数，用法和8086一样。
i.ROR，循环右移，支持32位操作数，用法和8086一样。
j.RCL，带进位的循环左移，支持32位操作数，用法和8086一样。
k.RCR，带进位的循环右移，支持32位操作数，用法和8086一样。
l.ROL,ROR,RCL,RCR的移位示意图(仍然以16位操作数来画，8位/32位依次类推):
ROL:
|————————————————————————————————–|
|<-|bit15|bit14|bit13|bit12|bit11|bit10|bit9|bit8|bit7|bit6|bit5|bit4|bit3|bit2|bit1|bit0|<——–|
|————————————————————————————————–|
|————————————————————————————————–|
ROR:
|——————————————————————————————-|
|->|bit15|bit14|bit13|bit12|bit11|bit10|bit9|bit8|bit7|bit6|bit5|bit4|bit3|bit2|bit1|bit0|->|
|——————————————————————————————-|
|——————————————————————————————-|
RCL:
|————————————————————————————————-|
|<-|CF|<-|bit15|bit14|bit13|bit12|bit11|bit10|bit9|bit8|bit7|bit6|bit5|bit4|bit3|bit2|bit1|bit0|<-|
|————————————————————————————————-|
|————————————————————————————————-|
RCR:
|————————————————————————————————-|
|->|CF||
|—- ——————————————————————————————–|
|————————————————————————————————-|
m.SHLD，80386新增的双精度左移指令，指令格式：SHLD OPRD1,OPRD2,M
n.SHRD，80386新增的双精度右移指令，指令格式：SHRD,OPRD1,OPRD2,M
o.m,n这两条指令的使用规则是：源操作数OPRD1可以是16位或32位通用寄存器或者16位存储 单元或者32位存储单元，源操作数OPRD2必须是16位或32位通寄存器，M表示移位次数，可以是CL寄存器，也可以是8位立即数。功能：SHLD是将 源操作数OPRD1移M位，空出的位用OPRD2高端的M位来填补，源操作数OPRD2的内容不变，最后移出的位放在CF中；SHRD将源操作数 OPRD1移M位，空出的位用OPRD2低端M位来填补，源操作数OPRD2保持不变，最后移出的位放在CF中，对于这两条指令，当移位位数仅为1的话， 移出和移后的符号位不变的话，那么OF＝0，如果符号位不一样的话，那OF＝1。

p.这两条指令是80386新增的指令，举两个简单的例子加以说明：
p1.SHLD:
MOV AX,8321H
MOV DX,5678H
SHLD AX,DX,1
SHLD AX,DX,2
分析一下该指令的详细执行过程(用示意图, 第一个图画的就是AX的内容)：
AX=8321h
|——————————-|
|1|0|0|0|0|0|1|1|0|0|1|0|0|0|0|1|
|——————————-|
根据指令SHLD AX,DX,1，先左移一位,得到AX=0642H:
|——————————-|
|0|0|0|0|0|1|1|0|0|1|0|0|0|0|1|0| CF＝1
|——————————-|
经过上一步的移位后，AX的最后一位(即bit0)空出来，其值为0；根据指令的用法将用DX的第15位填充,填充后AX的内容为：
|——————————-|
|0|0|0|0|0|1|1|0|0|1|0|0|0|0|1|0|
|——————————-|
同时由于移位后AX的符号位与移位前AX的符号位不同，所以在移位过程中产生了溢出，OF＝1，最后结果AX＝0642H。
同理,SHLD AX,DX,2，执行完这条指令后，最后结果为AX=0644H
p2.SHRD:
MOV EAX,12345678H
MOV EDX,99994599H
SHRD AX,DX,1
SHRD AX,DX,2
分析一下该指令的详细执行过程(用示意图，第一个图画的是EAX的内容):
EAX=12345678H
|—————————————————————|
|0|0|0|1|0|0|1|0|0|0|1|1|0|1|0|0|0|1|0|1|0|1|1|0|0|1|1|1|1|0|0|0|
|—————————————————————|
根据指令SHRD AX,DX,1，将AX右移一位得到EAX=091A2B3EH：
|—————————————————————|
|0|0|0|0|1|0|0|1|0|0|0|1|1|0|1|0|0|0|1|0|1|0|1|1|0|0|1|1|1|1|1|0|
|—————————————————————|
经过上一步的移位后，EAX的最高位（第31位）空出来用0填充，根据指令的用法，最EDX的第0位来填充，填充后EAX的内容为：
|—————————————————————|
|1|0|0|0|1|0|0|1|0|0|0|1|1|0|1|0|0|0|1|0|0|1|1|0|0|1|1|1|1|0|0|0|
|—————————————————————|
即EAX=891A2B3EH,CF=0,OF=0
同理，指令SHRD AX,DX,2，执行完这条件指令后，最后结果为EAX=048D159C,CF=0,OF=0

收录于
80386 汇编程序设计

当前文章被收录于：

80386 汇编程序设计
9 篇文章 0 人学习
订阅专栏 查看详情
标签
#dst #processing #存储 #扩展 #测试
#c
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
Xilinx HydraMini试玩教程 HydraMini是Xilinx推出的基于Pynq-Z2开发板的自动驾驶开发小车，其有着简单易学、高灵活性、高扩展性、高性能等优良特性，是研究人员和学生进入自动驾驶领域的一个平台。本教程会通过最基础的讲解和步骤带领读者熟悉这个平台的基本开发流程。 阅读详情

相关推荐

Ubuntu安装ToDesk远程控制软件

前几天有同学问我怎么在 Ubuntu 系统上安装 ToDesk 远程控制软件, 帮他安装完成后就 顺手整理了一下安装过程，所以就顺手有了这篇在 Ubuntu 系统上安装 todesk 的文章。

小白的博客 8660

汇编指令初步（AT&T格式）

目录 一、寄存器的种类 二、mov指令 三、lea指令 四、跳转指令 五、压栈/弹栈指令 六、sub/add指令 一、寄存器的种类 80386有如下通用寄存器： AX，BX，CX，DX；SI，DI；SP，BP（16位） AH，AL；BH，BL；CH，CL；DH，DL（8位） 以E开头的寄存器为32位 EAX（累加器，是算术运算的主要寄存器） EBX（基址寄存器，在内存中...

lilian的博客 1万+

深入解析 RLHF（Reinforcement Learning from Human Feedback）

随着人工智能（AI）技术的快速发展，大规模语言模型（如 OpenAI 的 GPT、Anthropic 的 Claude 等）已经能够生成高质量的文本。RLHF 是一种基于强化学习（Reinforcement Learning, RL）的优化方法，它结合人类反馈（Human Feedback）来训练奖励模型（Reward Model, RM），进而优化语言模型的生成策略。整个强化学习的目标是找到最优策略 π∗\pi^*π∗，使得模型在与环境交互的过程中，最大化累积奖励。RLHF 是一种结合强化学习（RL）

lqq 1771

汇编之寄存器

8086寄存器组数据寄存器这些寄存器可以字（16位）或字节（8位）单位形式访问 数据寄存器中每个寄存器又可以分为2个8位的寄存器。分别为AH、AL，BH、BL，CH、CL，DH、DL。H表示高字节（高8位）寄存器、L表示低字节（低8位）寄存器。例如 用AX寄存器存放一个字1234H，表示为(AX)=1234H，即高字节12放在AH，低字节34放在AL中 1. AX accumulator 2.

王继超的专栏 1995

【电商风控】电商风控标注是什么

本篇文章给大家谈谈。

866

USB2.0信号完整性测试之眼图

名称线缆颜色引脚描述红色绿色白色GND黑色。

qq_53766840的博客 3287

[80386]80x86汇编指令

16位和32位的80x86之间的区别 16位操作系统中的中断调用相当于32位操作系统中的API调用。16位操作系统中的段地址和偏移地址在32位中消失了，在32位操作系统中统一采用平坦的内存地址模式寻址 16位操作系统中的程序运行在RING0级，也就是说普通程序和操作系统程序运行在同一个级别并且拥有最高权限，而32位操作系统中的程序一般只拥有RING3级运行权限，程序的所有操作都受到操作系统控制，...

Carlos 2139

基于STM32与SimpleFOC实现直流无刷电机开环控制的实战指南

本文提供了一份基于STM32微控制器与SimpleFOC开源库实现直流无刷电机开环控制的详细实战指南。内容涵盖硬件连接、PlatformIO环境搭建、核心代码解析及上电测试，旨在帮助开发者快速验证硬件并理解开环控制的基本原理，为后续实现高性能的闭环FOC控制奠定基础。

xxx12的博客 960

ADC学习系列（一）：ADC基础概念

本章主要是进行ADC的基础概念学习，从模拟和数字信号进行入手，分析各自的优缺点和应用场合，从而引出数模转换的重要性。紧接着提到了ADC部分最重要的奈奎斯特采样定理，了解采样频率和被测信号频率之间的关系。最后介绍了ADC的采样保持放大电路，作为ADC部分的输入级，该电路对于采样结果有着至关重要的影响。

weixin_44786363的博客 3万+

LVGL 9Text Area 控件 (lv_textarea) 使用指南

是一个可编辑的文本输入控件，通常用于在用户界面中输入和编辑多行或单行文本。该控件支持文本插入、删除、光标控制、文本选择、密码输入等功能。它的文本内容可以通过键盘、API 或事件进行修改，还可以设置最大文本长度、占位符文本和密码模式等。是一个强大且灵活的文本输入控件，适用于多种用户输入场景，支持文本插入、删除、光标控制、密码输入等功能。通过 LittlevGL 提供的丰富 API，开发者可以自定义文本区域的外观和行为，实现复杂的文本输入需求。

m0_62599305的博客 1674

医疗影像配准与融合： 使用MATLAB对医学影像进行配准和融合，实现不同影像模态之间的对准和结构信息融合等

医疗影像配准与融合是医学影像处理的重要技术，它用于将不同来源、不同时间或不同模态的医学影像进行配准和融合，以获得更加完整、准确的患者解剖信息。基于MATLAB的医疗影像配准与融合可以帮助医生更准确地诊断疾病，制定更有效的治疗方案。医疗影像配准与融合是医学影像处理的关键技术，它对于提高医学影像诊断和治疗的准确性至关重要。MATLAB是一种功能强大的数学和科学计算软件，它可以为医疗影像配准与融合提供强大的工具和支持。

走向CTO的路上... 714

ESQLC数据类型 - 数值类型decimal库函数

GBase8s ESQL/C 为使用decimal数据类型提供了一系列库函数。 decimal运算函数： 函数名 描述 decadd() 将两个decimal数相加。 deccmp() 比较两个decimal数。 deccopy() 拷贝一个decimal数。 decdiv() 将两个数相除。

因为吃过天津一家超好吃的八珍豆腐从而改名为八珍豆腐的博客 1048

YOLOv8【第十一章：视频追踪与流处理篇·第6节】BoT-SORT 改进：结合相机运动补偿（CMC）提升追踪稳定性！

🏆 本文收录于 《YOLOv8实战：从入门到深度优化》 专栏。该专栏系统复现并梳理全网各类 YOLOv8 改进与实战案例（当前已覆盖分类 / 检测 / 分割 / 追踪 / 关键点 / OBB 检测等方向），坚持持续更新 + 深度解析，质量分长期稳定在 97 分以上，可视为当前市面上 覆盖较全、更新较快、实战导向极强 的 YOLO 改进系列内容之一。

**My Coding Family** 718

80386ASM程序设计基础(四)

   算术运算指令，逻辑运算指令，移位指令   AA.算术运算指令   A.加减法运算ADD,ADC,INC,SUB,SBB,DEC,CMP,NEG   a.ADD,和8086功能，用法相同，不过支持32位操作，下面的语句都是合法的。   ADD  ESI，EDI   ADD  EAX，DWORD  PTR  ［1000H］   b.ADC，带进位的加法指令，即OPRDS＋OPRDD＋CF，其中O

kingcaiyao的专栏 1813

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

【转贴】80386ASM程序设计基础(四)

   算术运算指令，逻辑运算指令，移位指令   AA.算术运算指令   A.加减法运算ADD,ADC,INC,SUB,SBB,DEC,CMP,NEG   a.ADD,和8086功能，用法相同，不过支持32位操作，下面的语句都是合法的。   ADD  ESI，EDI   ADD  EAX，DWORD  PTR  ［1000H］   b.ADC，带进位的加法指令，即OPRDS＋OPRDD＋CF，其中O

763

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

【转贴】80386ASM程序设计基础(三)

   在接下来的四篇里将介绍80386的汇编指令及用法，并和8086的指令进行比较。   80386的指令集包含了8086/8088，80186，80286的指令集，可以分为几个大类：数据传送指令，算术运算/逻辑运算指令，移位指令，控制转移指令，串操作指令，高级语言支持的指令，条件字节设置指令，位操作指令，处理器控制指令和保护方式指令。高级语言支持指令始于80186，保护方式指令始于80286，条

866

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")

80386ASM程序设计基础(三)

   在接下来的四篇里将介绍80386的汇编指令及用法，并和8086的指令进行比较。   80386的指令集包含了8086/8088，80186，80286的指令集，可以分为几个大类：数据传送指令，算术运算/逻辑运算指令，移位指令，控制转移指令，串操作指令，高级语言支持的指令，条件字节设置指令，位操作指令，处理器控制指令和保护方式指令。高级语言支持指令始于80186，保护方式指令始于80286，条

kingcaiyao的专栏 2733

汇编语言与接口技术（第4版） 第3章 80*86指令系统和寻址方式 简易知识点总结

汇编语言与接口技术（第4版） 第3章 80*86指令系统和寻址方式 简易知识点

m0_51658788的博客 1550

汇编语言基础知识

是很多文章的总结，不太记得来源了

weixin_42277902的博客 4710

《计算机组成与设计：硬件软件接口》第二章 ~2.16~2.20 学习笔记

2.16实例：IA-32指令 指令集的设计者有时提供了比能在MIPS中找到的功能更强的操作。它的目标是能从总体上减少一个程序执行的指令数目。而其风险在于：由于破坏了硬件的简洁性，导致程序执行的时间的增加，因为指令执行可能缓慢。缓慢的原因可能是因为时钟周期更长，或者比简单的代码序列需要更多的时钟周期。 通向操作复杂性的道路是如此遍布荆棘。为了避免这些问题，设计者已经倾向于设计更加简单的指令 2.16.1 Intel IA-32 MIPS是一个小组在1985年推出的版本。这个体系结构的每一个部分都互相配

code_master2020的博客 604

汇编基础知识

************************************************************************************************** 寄存器 *******************************************************************************...

weixin_30642561的博客 103

汇编语言第一课 了解什么是汇编语言以及学习目标

我们高级语言中,可能是这样的代码,就是说 类型 A=数据,给定义一个变量,如果是在逻辑,可能是说用if,while,等等.你有没有想过一个问题,你这个if,其实就是汇编的一个比较代码,其实意义是一样的.比如说cmp,有时候比较成功也是发生跳转=>大家好,我是小鱼,我们大家都是了解一下什么是汇编语言,我们又该如何去学习这门课,假设说我是0基础是不是可以学习呢,我用很负责任话说自然是可以的,这门课有一点是要注意的,需要耐心,如果你烦躁有些代码,那你就可能要前功尽弃了.1.2 内存分配器PTMALLOC2。

yyh231366的博客 676

寄存器

EAX寄存器以称为累加器，AX寄存器是算术运算的主要寄存器， 所有的输入、输出只使用AL或AX人作为数据寄存器。 在80386及其以上的微处理器中， EAX寄存器可以用来存储单元的偏移地址。 EAX可称为数据寄存器，你除了直接访问外， 还可分别对其高十六位和低十六位进行访问。 它们的低十六位就是把它们前边儿的E去掉， 即EAX的低十六位就是AX。 而且它们的低十六位又可以分别进行八位访问，也就是说

cnbird's blog 1494

微型计算机原理无微机接口,微型计算机原理与接口技术

微型计算机原理与接口技术(2011年清华大学出版社出版的图书)语音编辑锁定讨论上传视频《微型计算机原理与接口技术》是2011年清华大学出版社出版的图书，作者是冯博琴、吴宁。书名微型计算机原理与接口技术作者冯博琴吴宁出版社清华大学出版社出版时间2011年06月01日页数359 页定价33 元开本16 开装帧ISBN9787302249474微型计算机原...

weixin_32187075的博客 274

微型计算机的应用形式,微型计算机基本原理与应用

微型计算机基本原理与应用语音编辑锁定讨论上传视频《微型计算机基本原理与应用》是2010年7月北京大学出版社出版的图书，作者是王克义。[1]书名微型计算机基本原理与应用作者王克义ISBN9787301165546页数534出版社出版时间2010-7开本16微型计算机基本原理与应用内容简介编辑语音《微型计算机基本原理与应用》为高等院校计算机教材，并被列为北京市高等教育纂...

weixin_33812391的博客 308

深度解析 8086 处理器：x86 架构的奠基者

8086 处理器以其创新的并行架构、灵活的寻址方式、丰富的指令集，为 x86 架构奠定了坚实基础。它不仅是技术史上的里程碑，更是理解现代 CPU 工作原理的 “活化石”。从 16 位到 64 位，从实模式到保护模式，8086 的设计思想仍在当代处理器中延续，见证着计算机技术的辉煌演进。（本文适合计算机体系结构学习者、汇编语言开发者及历史爱好者阅读，后续可扩展 8086 与现代 CPU 的对比分析。延伸思考：如何将 8086 的内存分段机制与现代虚拟内存结合？欢迎在评论区交流！

2501_90200491的博客 1415
上一篇： 80386处理器的寻址方式 (二)
下一篇： 80386 控制转移指令，串操作指令 (四)
点赞 0
评论 0
书签 书签 1
ttzyanswer
ttzyanswer
博客等级 码龄20年 71粉丝 18原创
+ 关注 专栏目录 订阅专栏
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