存储器综合：内存条
一、RW 1000题刷题
1、计算Cache缺失率
2、
二、前提回顾
1、CPU从单个DRAM芯片中取地址
注意：Cache与主存的交互以“主存块”为单位，当出现Cache Miss时，主存以“主存块”为单位传输至Cache中。
2、内存条编址
多个DRAM芯片组成内存条，则地址=体号+芯片内内地址（行号+列号）
（1）存储周期=读出时间+电路恢复时间，但是一般都会把后者忽略；既：题目中的存储周期一般就是读出时间；
（2）顺序编址
体号是前几位，而剩余地址是芯片内的地址。
（3）交叉编址
地址=芯片内地址+体号
应用于"突发传送总线事务"
注意：主存块也需要对齐，（每个主存块的地址x）%（主存块大小）＝0
eg：2017年真题
（4）
三、DRAM芯片扩展
位扩展扩展的是存储字长的位数，字扩展扩展的是存储单元的数目。
1、位扩展
将存储字长进行扩展。
2、字扩展
在固定DRAM芯片的存储字长不变的情况下，对存储单元数量进行扩充；
例如：由多个DRAM芯片扩展一个内存条。
3、字位同时扩展
既扩展存储单元的长度，又扩展存储单元的个数。
4、双口存储器（冷门考点）
端口地址不相同时，可以并行读两个存储单元；当端口地址相同时，串行读出。
当发生“读冲突”时，可以通过改变存储体内部电路，从而以"广播"形式同时读出。
但是写冲突，一定是冲突无法解决的。
5、重要例题
MAR的位数表示：CPU能够访问的最大存储地址。
题干分析：主存地址空间 > 主存储器的内存，说明采用了虚拟内存的方式。而MAR的位数确实是反映了CPU能够访问的，而非真实物理地址。
地址空间是虚拟概念，内存空间是物理概念；MAR在CPU里。
为什么“物理内存的大小”不能大于“虚拟内存的大小”？
假设物理内存大小为64B，虚拟内存的大小为32B，此时操作系统将一个页放在了物理内存中的高32B内，但是CPU只能访问物理内存的低32B，那么这个页将永远不会被访问。
四、主存块传输过程，又称为“地址连续存储单元传输”
既：当想要猝发传送时，一定是采用多模块的交叉编址方式。
1、窄形结构传输
注意：DRAM芯片"准备数据的时间"＝存储周期，一般被近似于"读某一存储单元的时间"
2、突发（猝发）传送总线事务
既：构建了快速传送通道的模式
在"存储器准备数据"这一步骤中，有两种启动存储器的方式：轮流启动+同时启动。
而判断究竟是哪种启动方式：数据线的宽度。
A、数据线宽度=存储单元长度，则是轮流启动；
B、数据线宽度=主存块长度，则是同时启动。
（1）同时启动
采用交叉编址时，一个主存块的四个存储单元会均匀地分布在4个DRAM芯片上；
经过一个读出时间（即存储周期）后，所有存储体将数据送到数据线上。
注意下面对于读出时间的定义：从存储器接到读命令开始到信息被送到数据线上所用的时间。
主存块的读取原则：每次读取不同体号芯片上的同一行同一列，因为内存控制器将"广播"行号与列号到每个DRAM芯片中。
相当于：内存块的读取也有边界对齐原则，内存块的初始地址%大小=0。
超级重要的例题：
4个DRAM芯片的体号应该是2bit，由题意得：最后两位就是体号。
x的主存地址%4 ≠ 0，所以不可能是从x开始作为一个主存块。
所以：是3个存储周期。
扩展：SDRAM芯片
目前的内存条就是诸如SDRAM芯片，一个SDRAM芯片构成一个内存条，一个Cache块分布在一个芯片上。
SDRAM的每一步操作都在系统时钟的控制下进行，支持突发传送方式；第一次存取时给出首地址，同一行的所有数据被送到行缓冲器中，以后每个时钟可以连续地从行缓冲寄存器中输出一个数据。
行缓冲寄存器：用来缓存指定行中整行的数据，通常用SRAM实现。
（2）SDRAM详解（同步的DRAM，名称中的S来自同步）
袁书原话：支持突发传送方式，能够连续、快速地从行缓冲区中输出一连串数据。
01讲解：一个SDRAM芯片构成了内存，实现连续传送过程如下：
（因为只有一个，所以就不涉及究竟是交叉编址还是顺序编址）
SDRAM芯片会借助"行缓冲寄存器"进行连续传送，假设主存块大小为4B，那么SDRAM芯片会给出4个列信号，第一列传输完后会再传输第二列，以此类推。
相关真题：
选B
（3）轮流启动（超级重点）
注意间隔时间的计算：其实是靠总线周期确定的。
为了保持计算，以下三个时间均相等：
A. 总线周期：数据从数据线传输到CPU
B. 传送首地址和命令：CPU将首地址和读命令传送到内存控制器
C. 芯片启动的间隔时间
不算"传送地址到主存的时间"，既：绿色的那一块。
后面的时间计算为：T+(n-1)*t，这里的T要加上总线周期
50ns+（4-1）*10ns=80ns
80ns+10ns=90ns
相关真题（都很重要）
1、2022年选择题
采用“同时启动”方式
B.支持突发传送，所以一定是：采用了多模块交叉编址
D.是列数*存储字长，不是行数
2、2013年43题
自己的答案：
第（4）题错了，纠正：
“Cache命中时的CPI是5ns” ≠ “Cache命中的时间为5ns”
而是：访问Cache的时间+指令执行完的时间，所以并不知道具体访问Cache的时间，而是将“访问Cache的指令的时间”平均到了每一条指令上，所以：相当于每一条指令都访问了Cache。
CPI定义：执行一条指令所需的时钟周期数。
自己的误区：我总是认为指令访问内存时才会访问Cache，但其实每条指令的执行都是默认优先访问Cache，所以：基本上每条指令都会访问Cache，题目中的访存次数就是Cache不命中时才访问的内存。
如果默认每条指令都要访问一次Cache（因为平均）的话，那么Cache命中的时间可以认为是每一条指令执行的时间。
整个题的时间＝100条指令执行的时间+额外Cache不命中时带来的访存时间
100*5ns+100*0.05*85ns*1.2=1010ns
对比其他题目中的平均访问时间，因为并没有与指令向关联。
注意中的注意：Cache访问未命中时，也是要访问Cache的，所以未命中还得加上Cache命中的时间。
相关文章：
存储器综合：内存条
一、RW 1000题刷题 1、计算Cache缺失率 2、 二、前提回顾 1、CPU从单个DRAM芯片中取地址 注意：Cache与主存的交互以“主存块”为单位，当出现Cache Miss时，主存以“主存块”为单位传输至Cache中。 2、内存条编址 多个DRAM芯片组成内存条&a…...
config.txt视频配置)
树莓派超全系列教程文档--(38)config.txt视频配置
config.txt视频配置 视频选项HDMI模式树莓派4-系列的HDMI树莓派5-系列的HDMI 复合视频模式enable_tvout LCD显示器和触摸屏ignore_lcddisable_touchscreen 通用显示选项disable_fw_kms_setup 文章来源： http://raspberry.dns8844.cn/documentation 原文网址 视频选…...
pytest-项目结构
项目结构 api_test_project/ ├── config/ │ └── config.py # 配置文件，存储接口的基本信息，如 URL、请求头、认证信息等 ├── data/ │ └── test_data.json # 测试数据文件，存储接口的请求参数、预期结果等 ├── tests/…...
几何编码：启用矢量模式地理空间机器学习
在 ML 模型中使用点、线和多边形，将它们编码为捕捉其空间属性的向量。 自地理信息系统 (GIS) 诞生之初，“栅格模式”和“矢量模式”之间就存在着显著的区别。在栅格模式下，数据以值的形式呈现在规则的网格上。这包括任何形式的图像࿰…...
什么是SPA，SPA与MAP区别
什么是SPA，SPA与MAP区别 文章目录 什么是SPA，SPA与MAP区别一、什么是SPA二、SPA和MPA的区别一、单页应用与多页应用的区别**二、SPA 的优缺点对比**三、WPA的优缺点 **三、SPA 实现关键技术**hash 模式模式history模式 四、SPA 的适用场景与原因**适用场…...
计算机前沿技术课程论文 K-means算法在图像处理的应用
K-means算法在图像处理的应用 这是本人在计算机前沿技术课程中的课程论文文章，为了方便大家参考学习，我把完整的论文word文档发到了我的资源里，有需要的可以自取。 点击完整资源链接 目录 K-means算法在图像处理的应用摘要：引言1…...
第十四届蓝桥杯 2023 C/C++组 平方差
目录 题目： 题目描述： 题目链接： 思路： 核心思路： 第一种思路： 第二种思路： 坑点： 代码： 数学找规律 O(n) 50分代码详解： O(1)满分代码详解&#x…...
【数学建模】随机森林算法详解：原理、优缺点及应用
随机森林算法详解：原理、优缺点及应用 文章目录 随机森林算法详解：原理、优缺点及应用引言随机森林的基本原理随机森林算法步骤随机森林的优点随机森林的缺点随机森林的应用场景Python实现示例超参数调优结论参考文献 引言 随机森林是机器学习领域中一种…...
计算机组成与体系结构：存储器（Memory）
目录 📁 当你打开一个文件，计算机会做什么？ ⚡ 越大的 memory，访问速度越快吗？ 🧠 那么，我们是怎么设计存储器的呢？ Primary Memory（主存）登场ÿ…...
MyBatis框架—xml映射
目录 一.为什么需要进行手动映射? 二.关联查询 1.使用resultMap进行映射 2.使用Connection进行映射 一.为什么需要进行手动映射? 当我们设计多表查询或关联查询时，表中含有相同的字段名或要进行关联查询时，MyBatis无法智能识别如何处理映射结果&…...
Vue接口平台学习十——接口用例页面2
效果图及简单说明 左边选择用例，右侧就显示该用例的详细信息。 使用el-collapse折叠组件，将请求到的用例详情数据展示到页面中。 所有数据内容，绑定到caseData中 // 页面绑定的用例编辑数据 const caseData reactive({title: "",…...
Visual Studio 2022 运行一个后台程序而不显示控制台窗口
在 Visual Studio 2022 中，希望运行一个后台程序而不显示控制台窗口（黑色命令框），可以通过以下方法实现： 修改项目输出类型为 Windows 应用程序 右键项目 → 选择 属性 (Properties)在 配置属性 → 链接器 → 系统 (…...
剑指Offer（数据结构与算法面试题精讲）C++版——day17
剑指Offer（数据结构与算法面试题精讲）C版——day17 题目一：节点值之和最大的路径题目二：展平二叉搜索树题目三：二叉搜索树的下一个节点附录：源码gitee仓库 题目一：节点值之和最大的路径 题目&am…...
opencv函数展示4
一、形态学操作函数 1.基本形态学操作 （1）cv2.getStructuringElement() （2）cv2.erode() （3）cv2.dilate() 2.高级形态学操作 （1）cv2.morphologyEx() 二、直方图处理函数 1.直方图…...
10天学会嵌入式技术之51单片机-day-3
第九章 独立按键 按键的作用相当于一个开关，按下时接通（或断开），松开后断开（或接通）。实物图、原理图、封装 9.2 需求描述 通过 SW1、SW2、SW3、SW4 四个独立按键分别控制 LED1、LED2、LED3、LED4 的亮…...
DeepSeek智能时空数据分析（二）：3秒对话式搞定“等时圈”绘制
序言：时空数据分析很有用，但是GIS/时空数据库技术门槛太高 时空数据分析在优化业务运营中至关重要，然而，三大挑战仍制约其发展：技术门槛高，需融合GIS理论、SQL开发与时空数据库等多领域知识；空…...
第 7 篇：总结与展望 - 时间序列学习的下一步
第 7 篇：总结与展望 - 时间序列学习的下一步 (图片来源: Guillaume Hankenne on Pexels) 恭喜你！如果你一路跟随这个系列走到了这里，那么你已经成功地完成了时间序列分析的入门之旅。我们从零开始，一起探索了时间数据的基本概念、…...
计算机视觉中的正则化：从理论到实践的全面解析
🌟 计算机视觉中的正则化：从理论到实践的全面解析🌟 大家好！今天要和大家分享的是在计算机视觉（CV）领域中非常重要的一个概念——正则化（Regularization）。无论你是刚开始接触深度学…...
解决使用hc595驱动LED数码管亮度低的问题
不知道大家在做项目的时候有没有遇到使用hc595驱动LED数码管亮度低的问题（数码管位数较多），如果大佬们有好的方法的可以评论区留言 当时我们解决是换成了天微的驱动芯片，现在还在寻找新的解决办法（主要软件不花钱&…...
Allegro23.1新功能之4K显示器页面显示不全如何解决操作指导
Allegro23.1新功能之4K显示器页面显示不全如何解决操作指导 Allegro升级到了23.1的时候，可能会出现界面显示不全的情况，如下图 是因为4K高清显示器的原因导致的 如何解决，具体操作如下 我的电脑，右键选择属性 点击高级系统设置 …...
,适配器——stack，queue，priority_queue)
C++——STL——容器deque(简单介绍),适配器——stack，queue，priority_queue
目录 1.deque（简单介绍） 1.1 deque介绍： 1.2 deque迭代器底层 1.2.1 那么比如说用迭代器实现元素的遍历，是如何实现的呢？ 1.2.2 头插 1.2.3 尾插 1.2.4 实现 编辑 1.2.5 总结 2.stack 2.1 函数介绍 2.2 模…...
网络原理——UDP
1、 与TCP的关键区别 特性UDPTCP连接方式无连接面向连接可靠性不可靠可靠数据顺序不保证顺序保证顺序传输速度更快相对较慢头部开销8字节20-60字节流量控制无有拥塞控制无有适用场景实时应用、广播/多播可靠性要求高的应用 2、UDP 报文结构 报文结构大致可以分为首部和载荷&a…...
下载pycharm遇到的问题及解决方法
下载和安装 PyCharm 时可能会遇到一些具体问题，以下是一些常见问题及其解决方法： 常见问题及解决方法 下载速度慢或下载中断 解决方法： 检查你的互联网连接，并重启路由器。尝试使用不同的网络连接（如使用移动热点&…...
微硕WSP4407A MOS管在智能晾衣架中的应用与市场分析
微硕WSP4407A MOS管在智能晾衣架中的应用与市场分析 一、引言 智能晾衣架作为一种现代化的家居设备，其核心部件之一是驱动电路，而MOS管作为驱动电路中的关键元件，其性能直接影响到智能晾衣架的运行效率和稳定性。微硕半导体推出的WSP4407A …...
Java 性能优化：如何利用 APM 工具提升系统性能？
Java 性能优化：如何利用 APM 工具提升系统性能？ 在当今竞争激烈的软件开发领域，系统性能至关重要。随着应用规模的扩大和用户需求的增加，性能问题逐渐凸显，这不仅影响用户体验，还可能导致业务损失。而 APM…...
FPGA 中 XSA、BIT 和 DCP 文件的区别
在 FPGA（现场可编程门阵列）开发中，XSA、BIT 和 DCP 文件是常见的文件类型，它们在功能、用途、文件内容等方面存在明显区别，以下是详细介绍： 1. XSA 文件 定义与功能 XSA（Xilinx Shell Archiv…...
【c语言】指针进阶
目录 1.字符指针 2.指针数组 3.数组指针 3.1 数组指针的定义 3.2 数组指针的使用 4.数组参数，指针参数 4.1 一维数组传参 4.2 二维数组传参 4.3 一级指针传参 4.4 二级指针传参 5.函数指针 6.函数指针数组 6.1函数指针数组的定义 6.2 函数指针数组…...
使用FastAPI与OpenAI构建多模态分析API服务
引言 随着多模态AI模型的普及（如Qwen-Omni-Turbo），开发者可以轻松构建支持图像、音频、视频分析的API服务。本文将通过一个FastAPI示例，展示如何通过Base64编码传输媒体文件，并结合OpenAI API实现异步分析。这一方案适…...
集成学习实际案例
一、算法竞赛经典：Kaggle & 国际赛事 1. 泰坦尼克号生存预测（Random Forest） 场景：Kaggle 入门级经典赛题，基于乘客信息预测生存概率。方案： 基模型：决策树（CART）&…...
Linux421用户、组
参考...
树模型与集成学习（决策树核心算法：ID3/C4.5/CART、随机森林、GBDT/XGBoost）
树模型与集成学习 一、决策树 决策树核心算法：ID3/C4.5/CART ID3算法（基于信息增益） 核心原理 ID3（Iterative Dichotomiser 3）是最早的决策树算法之一，由Ross Quinlan于1975年提出。其核心思想是通过信…...
Netdata 监控多台服务器
一、多服务器监控方案选择 1. Netdata Cloud（官方推荐，免费） 特点：无需自建中心节点，通过 Netdata 官方云平台集中查看所有服务器。步骤： 在每台服务器上安装 Netdata（参考上一指南࿰…...
CTF web入门之SQL注入使用工具sqlmap
详细说明：https://blog.csdn.net/qq_41701460/article/details/146391515 web201: 查看数据库 获取不到数据库信息 https://9556eca3-d69a-40f4-b2a4-c89c2d2f8f12.challenge.ctf.show/api/?id1题目有提到 使用–user-agent 指定agent，因为对于 sqlm…...
spark–sql项目实验
数据读取与格式转换 读取JSON数据：使用Spark提供的读取接口（如 spark.read.json() ，在不同编程语言接口下使用方式类似）将给定的JSON格式数据读入Spark中，形成 DataFrame 。 格式转换：按照题目要求&…...
gnome中删除application中失效的图标
什么是Application 这一块的东西应该叫application，准确来说应该是applications。 正文 系统级：/usr/share/applications 用户级：~/.local/share/applications ying192 ~/.l/s/applications> ls | grep xampp xampp.desktoprm ~/.local…...
华为设备命令部分精简分类汇总示例
华为网络设备的命令体系庞大且复杂，不同设备系列（如交换机、路由器、防火墙）和不同操作系统版本（如VRP5、VRP8）的命令可能存在差异。以下是一个 精简分类汇总，涵盖常用配置场景和命令示例： 一、…...
Java 自动装箱与拆箱：基本数据类型与包装类的转换
在Java编程中，自动装箱（Autoboxing）和自动拆箱（Unboxing）是两个重要的概念。它们使得基本数据类型与其对应的包装类之间的转换更加方便，同时也提高了代码的可读性和可维护性。 什么是自动装箱和拆箱&#…...
论文阅读HARIVO: Harnessing Text-to-Image Models for Video Generation
h-space对比损失（DC）的设计细节 目标：确保视频的所有帧在语义上保持一致（例如，同一视频中的不同帧应描述相同的主体和场景，避免物体突变或语义漂移）。 1. h-space的定义 h-space 是U-Net最深…...
OpenCV基础函数学习4
【大纲笔记见附件pdf】 目录 一、基于OpenCV的形态学操作 二、基于OpenCV的直方图处理 三、基于OpenCV霍夫变换 四、基于OpenCV模板匹配 一、基于OpenCV的形态学操作 二、基于OpenCV的直方图处理 三、基于OpenCV霍夫变换 四、基于OpenCV模板匹配...
大数据系列 | 详解基于Zookeeper或ClickHouse Keeper的ClickHouse集群部署--完结
大数据系列 | 详解基于Zookeeper或ClickHouse Keeper的ClickHouse集群部署 1. ClickHouse与MySQL的区别2. 在群集的所有机器上安装ClickHouse服务端2.1. 在线安装clickhouse2.2. 离线安装clickhouse 3. ClickHouse Keeper/Zookeeper集群安装4. 在配置文件中设置集群配置5. 在每…...
【leetcode题解】算法练习
目录 分治-快排算法 颜色分类 移动零 排序数组 数组中的第K个最大元素 最小K个数 分治-归并排序 排序数组 交易逆序对的总数（困难） 计算右侧小于当前元素的个数（困难） 翻转对（困难） 字符串 最…...
大模型要被特定行业所用，从难到易有四种方式：重新训练或从头构建模型、微调模型、动态提示（如 RAG 技术）、简单提示工程
大模型在特定行业应用的四种方式详解 根据提供的信息，大模型要被特定行业所用，从难到易有四种方式：重新训练或从头构建模型、微调模型、动态提示（如 RAG 技术）、简单提示工程。以下是每种方式的详细解析及实际案例说明…...
[Python] 入门核心笔记
目录 一、Python简介重点 二、编程语言基础重点 三、Python安装重点 四、第一个Python程序重点 五、Python解释器重点 六、Python开发环境重点 一、Python简介重点 起源：1989年Gudio van Rossum开发，1991年诞生，名字源于电视剧《Monty Python…...
TensorFlow中使用Keras
目录 前言创建模型配置layers训练和评估配置模型训练评估和预测 前言 keras集成在tf.keras中。 创建模型 创建一个简单的模型,使用tf.keras.sequential。 model tf.keras.Sequential() # 创建一层有64个神经元的网络: model.add(layers.Dense(64, activationrelu)) # 添加…...
【Flask】Explore-Flask：早期 Flask 生态的实用指南
开源项目：explore-flask/README.rst at master rpicard/explore-flask (github.com) 一、Coding conventions Summary Try to follow the coding style conventions laid out in PEP 8. Try to document your app with docstrings as defined in PEP 257. def…...
Canvas入门教程！！【前端】
目录 canvas是什么？使用场景：canvas使用：引入：获取2D的上下文：坐标轴： 绘制：beginPath() ：moveTo() :lineTo():stroke()：fillRect() ：strokeStyle 属性&#…...
通过规范化模型自训练增强医学图像分割中的无监督域自适应|文献速递-深度学习医疗AI最新文献
Title 题目 Enhancing source-free domain adaptation in Medical Image Segmentationvia regulated model self-training 通过规范化模型自训练增强医学图像分割中的无监督域自适应 01 文献速递介绍 深度卷积神经网络对训练数据分布（源域）和测试数…...
Linux常见指令介绍中（入门级）
1. man 在Linux中，man命令是用于查看命令手册页的工具，它可以帮助用户了解各种命令、函数、系统调用等的详细使用方法和相关信息。 用法：在终端中输入man加上要查询的命令或工具名称，例如man ls，就会显示ls命令的手册…...
一文详解卷积神经网络中的卷积层和池化层原理 ！！
文章目录 前言 一、卷积核大小（Kernel Size） 1. 卷积核大小的作用 2. 常见的卷积核大小 3. 选择卷积核大小的原则 二、步长（Stride） 1. Stride的作用 三、填充（Padding） 1. 填充的作用 四、通道数ÿ…...
神经网络直接逆控制：神经网络与控制的结合入门级结合
目录 1. 前言 2. 什么是直接逆控制？ 2.1 直接逆控制的优点 2.2 直接逆控制的局限性 3. 直接逆控制的实现步骤 3.1 数据准备 3.2 神经网络设计 3.3 训练神经网络 3.4 控制实现 4. 使用 PyTorch 实现直接逆控制 4.1 问题描述 4.2 数据生成 4.3 神经网络设…...