《数字逻辑设计与计算机组成》一练习

简介: 本节书摘来自华章出版社《数字逻辑设计与计算机组成》一 书中的第1章,练习章节,作者:[美]尼克罗斯·法拉菲,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

练习

1.1 按要求表示下列数字:

  1. 用4位无符号数表示12
  2. 用5位无符号数表示12
  3. 用4位2的补码表示+ 1
  4. 用4位2的补码表示- 1
  5. 用5位2的补码表示- 1
  6. 用4位原码表示+ 1
  7. 用4位原码表示- 1
    1.2 创建一个与表1-1类似的表格,需要有4位无符号数、2的补码数和原码三列。

1.3 已知浮点数有1位符号位,4位偏置指数,11位尾数,其中偏置常数= 7,则- 5.375的16位浮点数表示形式写成十六进制数是什么?
1.4 已知浮点数有1位符号位,4位偏置指数,11位尾数,其中偏置常数= 7,则与浮点数0x3400等值的实数是什么?
1.5 已知浮点数有1位符号位,4位偏置指数,11位尾数,其中偏置常数= 8,则与浮点数0x3400等值的实数是什么?
1.6 已知浮点数格式为1位符号位,4位偏置指数,11位尾数,其中偏置常数为7,则可表示的16位最大正浮点数是什么?
1.7 已知浮点数格式为1位符号位,4位偏置指数,11位尾数,其中偏置常数为8,则可表示的16位最大正浮点数是什么?
1.8 已知16位浮点数格式为4位偏置指数,偏置常数= 7且11位尾数,请回答:

a.    当符号位= 0,偏置指数= 1,且尾数= 0时,浮点数表示的实数是多少?
b.    当符号位= 1,偏置指数= 14,且尾数= (11111111111)2时,浮点数表示的实数是多少?

1.9 用16位浮点数表示下列实数,其中4位偏置指数,偏置常数= 7且11位尾数:

a.    1.0
b.    0.5
c.    0.25

1.10 设16位浮点数有4位偏置指数,偏置常数= 8且11位尾数,请回答:

    a.    当符号位= 0,偏置指数= 1,且尾数= 0时,浮点数表示的实数是多少?
    b.    当符号位= 1,偏置指数= 14,且尾数= (11111111111)2时,浮点数表示的实数是多少?

1.11 用16位浮点数表示下列实数,其中4位偏置指数,偏置常数= 8且11位尾数:

    a.    1.0
    b.    0.5
    c.    0.25

1.12 画出一个与图1-1类似的数据通路,用于产生高级语言程序中的语句“A = A + B;”中的变量A的结果,其中变量A和变量B的值在运算前从外部存储器中读入并存储在寄存器中。只能使用两个寄存器。而且,变量A的初始值和A + B的最终结果值使用同一个寄存器。请标出数据通路中所有逻辑模块并指出控制器需要完成的功能。A + B的最终计算结果要保持在寄存器中。
1.13 CPU可以执行加法、减法、乘法和除法操作。假设4种算术运算功能中的每一种用一个单独的模块实现,请画出一个数据通路图,用于产生高级语言程序中的语句“A = A + BC;”或“A = A + B/C;”中的变量A的结果,其中变量A、B和C的值在运算前从外部存储器中读入并存储在寄存器中。请使用不超过三个寄存器。该数据通路要能输出A + BC或者A + B/C的结果。求出的最终结果要保持在一个寄存器中。
1.14 冯•诺依曼体系结构的瓶颈是什么?
1.15 画出三输入CMOS与非门的晶体管级原理图,并给出当晶体管分别处在开和关状态时的真值表。
1.16 画出三输入CMOS或非门的晶体管级原理图,并给出当晶体管分别处在开和关状态时的真值表。
1.17 CMOS中的“C”代表什么?并回答为什么这很重要?
1.18 流水线和并行体系结构的不同点是什么?请说明各自的应用领域。
1.19 请解释晶体管数量的增长如何影响计算机的体系结构。
1.20 什么是高效处理核?
1.21 请解释为何要采用并行处理进一步提高性能。
1.22 画出SIMD数据通路以加速下列for循环语句的执行:

1.23 画出SIMD数据通路以加速下列for循环语句的执行:

1.24 ILP有一个限制。请问这个限制来自何处,而处理器的设计者如何在ILP技术之外提升性能?
1.25 请解释采用多处理器系统的原因。
计算机安全
1.26 计算机安全(理解安全):选做11.1~11.11题。参考11.1节。请学生自行阅读该节。

相关文章
|
2月前
|
搜索推荐 API 开发工具
百宝箱开放平台 ✖️ Python SDK
百宝箱提供Python SDK,支持开发者集成其开放能力。需先发布应用,安装Python 3.6+环境后,通过pip安装tboxsdk,即可调用对话型、生成型智能体及文件上传等功能。
771 87
百宝箱开放平台 ✖️  Python SDK
|
2月前
|
算法 NoSQL 关系型数据库
《聊聊分布式》分布式系统核心概念
分布式系统由多节点协同工作,突破单机瓶颈,提升可用性与扩展性。CAP定理指出一致性、可用性、分区容错性三者不可兼得,BASE理论通过基本可用、软状态、最终一致性实现工程平衡,共识算法如Raft保障数据一致与系统可靠。
|
3月前
|
算法 API 数据库
生鲜电商技术实践:基于保质期API的自动下架系统保障食品安全
基于保质期提醒API与自动化工作流,实现生鲜商品临期智能预警与自动下架。通过设定差异化预警阈值(如蔬菜2天、冷冻品7天),每日扫描数据库并触发下架指令,确保食品安全合规,降低损耗与客诉,提升运营效率。
287 0
|
7月前
|
弹性计算 Kubernetes 调度
Dataphin V5.0:调度资源支持弹性伸缩,有效提升资源利用率
Dataphin在5.0版本新增“调度资源弹性伸缩”功能,通过设置资源组的Min(保障资源)和Max(上限资源),优化资源共享逻辑,提升集群资源利用率。方案涵盖三种资源分配场景,并支持查看实时使用量。
243 16
|
10月前
|
边缘计算 调度 对象存储
部署DeepSeek但IDC GPU不足,阿里云ACK Edge虚拟节点来帮忙
介绍如何使用ACK Edge与虚拟节点满足DeepSeek部署的弹性需求。
|
11月前
|
机器学习/深度学习 人工智能 自然语言处理
AI写作新时代:自然语言生成技术与写作助手的结合
AI写作新时代:自然语言生成技术与写作助手的结合
430 16
|
机器学习/深度学习 缓存 人工智能
【AI系统】QNNPack 算法
QNNPACK是Marat Dukhan开发的量化神经网络计算加速库,专为移动端优化,性能卓越。本文介绍QNNPACK的实现,包括间接卷积算法、内存重排和间接缓冲区等关键技术,有效解决了传统Im2Col+GEMM方法存在的空间消耗大、缓存效率低等问题,显著提升了量化神经网络的计算效率。
332 6
【AI系统】QNNPack 算法
|
算法 安全 数据安全/隐私保护
散列值数据完整性验证
散列值数据完整性验证
370 11
|
人工智能 监控 搜索推荐
数字孪生与娱乐业:沉浸式体验的提升
数字孪生技术通过创建物理实体的虚拟副本,为娱乐业带来创作自由与沉浸体验的双重提升。本文探讨了该技术在虚拟演唱会、电影游戏制作、主题公园及音乐教育中的应用,以及提升沉浸体验的关键要素,展望了其面临的挑战与未来前景。
|
前端开发 JavaScript 算法
React的运行时关键环节和机制
【10月更文挑战第25天】React的运行时通过虚拟DOM、组件渲染、状态管理、事件系统以及协调与更新等机制的协同工作,为开发者提供了一种高效、灵活的方式来构建用户界面和处理交互逻辑。这些机制相互配合,使得React应用能够快速响应用户操作,同时保持良好的性能和可维护性。