加深字节型数据,字型数据的印象(二)

本文详细探讨了在指令执行过程中,寄存器ax、bx、cx的变化,以及内存中数据的动态调整。通过示例分析了mov、add操作对16位字节型和字型数据的影响,适合理解CPU内存操作原理。

字节型数据和字型数据

问题3.3

写出下面的指令执行后  寄存器 ax,bx,cx中的值

mov ax,1000H

mov ds,ax           前面这两条指令,修改了段地址寄存器DS中的值,也就是确认了你内存地址中的段地址

                                                                                                         物理地址                  内容

mov ax,ds:[0]     cpu从这个内存地址 读取了一个字型数据,通过ax十六位寄存器来判断                                          10000H                   23H  ——》       [0]=1123H      ax=1123H

mov bx,ds:[2]                                                                                        10001H                   11H   ——》      [2]=6622H      bx=6622H+2211H=8833H

mov cx,ds:[1]                                                                                        10002H                    22H   ——》      [1]=2211H     cx=2211H+6622H=8833H

add  bx,ds:[1]                                                                                       10003H                   66H   ——》       

add  cx,ds:[2]

确定数据的长度

问题3.4

内存中的情况如图3.3所示,写出下面的指令执行后内存中的值

 

mov  ax, 1000H

mov  ds, ax                                                 段地址

mov  ax, 2c34H

mov  [0], ax

mov  bx, [0]

sub   bx, [2]

mov  [2], bx

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
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