自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

weixin_43699840的博客

博客等级

码龄7年

108
原创

235
点赞

681
收藏

41
粉丝

关注

私信

热门文章

分类专栏

#Leetcode链表 5篇
Leetcode 3篇
数据科学
数据分析 1篇
python 1篇
机器学习 1篇
AcWing 1篇
数据结构与算法 8篇
pat 38篇
计算机组成原理 4篇
C++ 23篇
洛谷 1篇
计算机网络 2篇
CCF认证 1篇
杂谈 2篇
英语 18篇
C语言 2篇
美赛 1篇
Java 6篇
css学习 1篇
Javascript学习 2篇
Web学习html 3篇

最新评论

计算机组成原理：补码一位乘法(booth算法)
做而论道_CS: 计算机的字长是 n 位。（如 8 、16、32、64）因为，做 n 位数的乘法，乘积，一定是 2n 位数。所以，在 n 位机中，一定要给乘积，设计 2n 位的寄存器。就是说，乘积寄存器的位数是：16、32、64、128。因此，乘积，就肯定不会溢出的。－－－－－－－－－－－－－－－除法器，当除数为零时，商无穷大，这是会溢出的。甚至，除数不为零，但是很小很小，商也可能过大、溢出。这可怎么办呢？这就需要在除法器电路中，增加判断的电路。一旦溢出，就用一个 ”溢出标志位为 1“ 来提示。这种电路，在计算机专业，是无法理解的。计算机专业的教材，只是介绍一些肤浅的知识。深入一些的，计算机老师都是弄不懂的！
计算机组成原理：补码一位乘法(booth算法)
Ding_12: 如果符号位溢出了怎么办
计算机组成原理：补码一位乘法(booth算法)
做而论道_CS: 假设，乘数是 8 位二进制数。基本的补码乘法，就是 “相乘移位相加” 共 8 次。采用布斯法后，就是用上 “多位移位” 了。那么：　一位乘，也是 “移位判断处理” 共 8 次。　两位乘，则是 “移位判断处理” 共 4 次。　四位乘，就是 “移位判断处理” 共 2 次。　八位乘，仅需 “移位判断处理” 一次，就能完成乘法运算！布斯，采用了 “多位移位” 后，确实减少了 “判断处理” 的次数。貌似，这就能提高乘法运算的速度。其实，影响运算速度的，是移位脉冲的时间间隔。并非是加什么减什么的加法运算。无论每次移动多少位，也得一位一位的移动。即使什么也不加，也得等着移位脉冲的来临，才能执行下一步。布斯这人，在纸上谈兵，他说的速度，肯定是快多了。落实到电路中，就远远不如 “基本的补码乘法” 简单快捷。更别说用到 “加法器阵列” 的乘法电路了。也只有计算机专家和计算机老师，才会上布斯的当。因为这种人，并没有设计电路的能力。
Leetcode链表5
CSDN-Ada助手: 非常感谢CSDN博主分享的Leetcode链表5，这篇博客让我更深入了解链表的相关知识。我觉得接下来可以写一篇关于链表的算法题目解析，例如Leetcode中的链表相关题目，或者是链表的应用场景和实现方式。这样的技术文章对其他用户学习数据结构和算法会有很大的帮助。下一篇你可以继续就Leetcode链表相关的题目解析或者链表的实现方式进行深入探讨，相信会有更多读者受益。期待你的精彩分享！为了方便博主创作，提高生产力，CSDN上线了AI写作助手功能，就在创作编辑器右侧哦～（https://mp.csdn.net/edit?utm_source=blog_comment_recall ）诚邀您来加入测评，到此（https://activity.csdn.net/creatActivity?id=10450&utm_source=blog_comment_recall）发布测评文章即可获得「话题勋章」，同时还有机会拿定制奖牌。
往年四级真题
2301_78323947: 消失了

机器学习

关注

关注数：文章数：1 文章阅读量：242 文章收藏量：1

作者: D-wade.陈

哭着来到这个世界，就要笑着离开。

展开

专栏收录文章

机器学习：MNIST手写识别

一. 使用全连接神经网络from keras.utils import to_categoricalfrom keras import models, layers, regularizersfrom keras.optimizers import RMSpropfrom keras.datasets import mnistimport matplotlib.pyplot as plt# 加载数据集(train_images, train_labels), (test_images, te

原创 2020-09-21 20:53:57 · 243 阅读 · 1 评论