当前位置: 首页 > news >正文

【计算机组成原理】24王道考研笔记——第二章 数据的表示和运算

第二章 数据的表示和运算

一、数值与编码

1.1 进制转换

任意进制->十进制:

image.png

二进制<->八进制、十六进制:

image.png

各种进制的常见书写方式:

image.png

十进制->任意进制:(用拼凑法最快)

image.png

image.png

真值:符合人类习惯的数字(带±号的数)

机器数:正负号被“数字化”

1.2 定点数

常规计数:定点数;科学计数法:浮点数

无符号数:

image.png

有符号定点数:

image.png

既含整数又含小数则分开表示

有符号数:

image.png

二、运算方法及运算电路

2.1 移位运算

移位:通过改变各个数码位和小数点的相对位置,从而改变各数码位的位权。可用移位运算实现乘法、除法

原码算术移位:

image.png

反码算术移位:

image.png

补码算术移位:

image.png

总结:

image.png

逻辑移位:

image.png

循环移位:

image.png

2.2 定点数加减

原码加减:

image.png

补码加减:

image.png

溢出判断(三个方法):

只有“正数+正数”会上溢(正+正=负)

只有“负数+负数”才会下溢(负+负=正)

image.png

image.png

image.png

2.3 定点数原码乘法

原码一位乘法:

image.png

补码一位乘法(Booth算法):

image.png

对比:

image.png

-----除法

2.4 数据的存储和排列

大小端模式:

大端:从最高有效字节到最低有效字节的顺序存储数据。小端:相反

image.png

边界对齐:

image.png

三、浮点数的表示与运算

3.1 浮点数的表示

image.png

尾数规格化:

image.png

规格化浮点数特点:

image.png

3.2 IEEE 754标准

移码的定义为:移码=真值+偏置值(移码只能用于表示整数) 偏置值一般取 2n-1,此时移码=补码 符号位取反

然而,偏置值可以取其他值,例如2n-1-1

三种IEEE 754标准:

image.png

例子:

image.png

image.png

表示范围:

image.png

当要表示的数绝对值还要更小时:

image.png

3.3 浮点数加减运算

image.png

两种舍入法:

image.png

3.4 强制类型转换

image.png

主要参考:王道考研课程
后续会持续更新考研408部分的学习笔记,欢迎关注。
github仓库(含所有相关源码):408数据结构笔记

http://www.lryc.cn/news/95214.html

相关文章:

  • JQ-6 Bootstrap入门到实战;Bootstrap的(优缺点、安装、响应式容器原理、网格系统、响应式工具类、Bootstrap组件);小项目实践
  • 如何用3D格式转换工具HOOPS Exchange读取颜色和材料信息?
  • [Ubuntu 22.04] 安装docker,并设置镜像加速
  • 如何使用GPT作为SQL查询引擎的自然语言
  • Servlet3.0上传文件
  • 【ARM Cache 系列文章 6 番外篇 – MMU, MPU, SMMU, PMU 差异与关系】
  • NetSuite ERP顾问的进阶之路
  • js 新浏览器打开页面
  • jmeter软件测试实验(附源码以及配置)
  • ZooKeeper原理剖析
  • 【算组合数】CF1833 F
  • Attention详解(自用)
  • pptx转pdf工具类
  • 2023华为OD统一考试(B卷)题库清单(持续收录中)以及考点说明
  • 论文笔记--Won’t Get Fooled Again: Answering Questions with False Premises
  • 【Django】include app_name和namespace的区别
  • (黑客)自学笔记
  • 【期末课程设计】学生成绩管理系统
  • 【论文笔记】KDD2019 | KGAT: Knowledge Graph Attention Network for Recommendation
  • ES6:基础使用,积累
  • Android端上传文件到Spring Boot后端
  • 使用GGML和LangChain在CPU上运行量化的llama2
  • 微服务基础理论
  • 《向量数据库指南》:向量数据库Pinecone管理数据教程
  • 以深度为基础的Scikit-learn: 高级特性与最佳实践
  • Autosar MCAL-S32K324Dio配置-基于EB
  • 【Spring Boot】单元测试
  • Flink CEP (一)原理及概念
  • vue3+taro+Nutui 开发小程序(二)
  • Transformer 模型实用介绍:BERT