由于单片存储芯片的容量总是有限的,很难满足实际的需要,因此必须将存储芯片连在一起才能组成足够的容量。这个过程简称主存扩容。常见的扩容方式有:字扩展,位扩展,字位同时扩展
主存与CPU的连接通过数据总线,地址总线,控制总线与CPU相连接。如下图所示:
其中:
地址线决定了CPU可寻址的最大内存空间。
控制总线(读写)指出总线周期的类型和本次输入输出操作完成的时刻。
MDR:数据寄存器,用来存入内存中读入/写出的信息。
MAR:地址寄存器,用来存放当前CPU访问的内存单元地址
位扩展是指增加存储字长,例如,2片1K X4位的芯片,可以组成1K X 8位的存储器。满足下列条件时,采用位扩展的方式:
例如下题:
利用1K×4位的SRAM芯片,设计一个存储容量为1K×8位的SRAM存储器,问:需要芯片,地址线,数据线的数量各为多少?
分析:显然从1K X 4 位 ——>1k X 8位,字长不变,只是位长发生了变化。所以使用位扩展。所以,有:
(1)需要芯片数为:
(1K×8)/(1K×4)=2片
(2)需要地址线数为:
1k表明存储单元个数,1k = 2^10,说明有10根地址线。
(3)需要多少根数据线?
需要组成8位的存储器,8代表数据线的位数,每片芯片占4根线即可实现位扩展。
这种方式仅仅增加了存储单元数,各单元位数不变。
如下题:
利用1K×8位的DRAM芯片,设计2K×8位的DRAM存储器(字扩展),问需要芯片,地址线,数据线的数量各为多少?
解析:显然从1K X 8 位 ——>2k X 8位,字数边长,位数不变,应该选字扩展。
(1)需要几片芯片?
d=(2K×8)/(1K×8)=2(片)
(2)需要多少地址线?
2K个存储单元对应11根地址线
(3)需要多少数据线?
8位,即8条
这种方式是指即加长存储单元的数量又增加各单元的位数,字位同时扩展的时候,先进行为扩展,在进行字扩展。
例如下题:
利用1K×4位的存储芯片,组成4K×8位的存储器。问需要芯片,地址线,数据线的数量各为多少?扩展过程如何?
解析:
(1)共需几块芯片:
(4K×8)/(1K×4)= 4×2=8
(2)需要几根地址线:
4K地址空间(存储单元的个数),需要12根地址线
(3)需要几根数据线:
8根。
(4)扩展过程:先进行位扩展,这个过程相当于分组,将2片1K×4位构成一组,利用位扩展,构成1K X 8位的完整存储单元(如何构成,继续往下看)。这样一共可以分成四组。再将这些分组视为一个完整的存储单元,进行字扩展。
我们前面刚刚讲了理论上可以构成我们需要的芯片,那么实际上如何通过那些地址线和数据线去连接主存与CPU呢?大致过程可以分成5步。
问,在位扩展和字扩展中,CS分别是如何连接的?
答:在位扩展中所有片的CS连在一起,而字扩展则是采用将多出的地址线用来片选(通常CPU的位地址与芯片地址相连,高位用于片选)。
这里举个例子,假设两个4位的芯片构成一个8位的存储单元,,肯定是要将所有的芯片一同访问才能访问到8位。即两个芯片要一起选,所以也就意味着所有的CS都连在一起。但是字拓展中,是两个8位的存储单元,每次操作只能对其中的一个芯片单元操作,就是到底要选择哪个芯片的问题。(认真看看我手绘的图应该就懂了)
问:那数据线如何连接?
答,在位扩展时,每个芯片的数据线分为低位高位连接。但是字扩展中每个芯片都和所有的数据线进行连接。
其实一开始学这个有点懵主要是书上给的实例都是立体图,大家不好观察,那么我手绘了一下大致的过程(手残莫嫌弃哈)。
例子我们还用之前提到的,现在我们用下图表示1K x 4 位的芯片:
位扩展是增加位长,连接方式是并联:
字扩展是字长,连接方式是串联(下图中最后一个数字是2047,我拍完照才发现,就不重画了,这里纠正一下):
所以很容易得出字为同时扩展的图片,我就不画了。
文章浏览阅读1.3w次。转载自 http://www.miui.com/thread-2003672-1-1.html 当手机在刷错包或者误修改删除系统文件后会出现无法开机或者是移动定制(联通合约机)版想刷标准版,这时就会用到线刷,首先就是安装线刷驱动。 在XP和win7上线刷是比较方便的,用那个驱动自动安装版,直接就可以安装好,完成线刷。不过现在也有好多机友换成了win8/8.1系统,再使用这个_mt65驱动
文章浏览阅读1k次。SonarQube是一个代码质量管理平台,可以扫描监测代码并给出质量评价及修改建议,通过插件机制支持25+中开发语言,可以很容易与gradle\maven\jenkins等工具进行集成,是非常流行的代码质量管控平台。通CheckStyle、findbugs等工具定位不同,SonarQube定位于平台,有完善的管理机制及强大的管理页面,并通过插件支持checkstyle及findbugs等既有的流..._sonar的客户端区别
文章浏览阅读3.4k次,点赞2次,收藏27次。神经图灵机是LSTM、GRU的改进版本,本质上依然包含一个外部记忆结构、可对记忆进行读写操作,主要针对读写操作进行了改进,或者说提出了一种新的读写操作思路。神经图灵机之所以叫这个名字是因为它通过深度学习模型模拟了图灵机,但是我觉得如果先去介绍图灵机的概念,就会搞得很混乱,所以这里主要从神经图灵机改进了LSTM的哪些方面入手进行讲解,同时,由于模型的结构比较复杂,为了让思路更清晰,这次也会分开几..._神经图灵机方法改进
文章浏览阅读2.8k次。一、模型迭代方法机器学习模型在实际应用的场景,通常要根据新增的数据下进行模型的迭代,常见的模型迭代方法有以下几种:1、全量数据重新训练一个模型,直接合并历史训练数据与新增的数据,模型直接离线学习全量数据,学习得到一个全新的模型。优缺点:这也是实际最为常见的模型迭代方式,通常模型效果也是最好的,但这样模型迭代比较耗时,资源耗费比较多,实时性较差,特别是在大数据场景更为困难;2、模型融合的方法,将旧模..._模型迭代
文章浏览阅读2.3k次。1、前言上传图片一般采用异步上传的方式,但是异步上传带来不好的地方,就如果图片有改变或者删除,图片服务器端就会造成浪费。所以有时候就会和参数同步提交。笔者喜欢base64图片一起上传,但是图片过多时就会出现数据丢失等异常。因为tomcat的post请求默认是2M的长度限制。2、解决办法有两种:① 修改tomcat的servel.xml的配置文件,设置 maxPostSize=..._base64可以装换zip吗
文章浏览阅读1k次,点赞17次,收藏22次。Opencv自然场景文本识别系统(源码&教程)_opencv自然场景实时识别文字
文章浏览阅读1.3k次。拷贝虚拟机文件时间比较长,因为虚拟机 flat 文件很大,所以要等。脚本完成后,以复制虚拟机文件夹。将以下脚本内容写入文件。_exsi6.7快速克隆centos
文章浏览阅读2k次。本文主要实现基于二度好友的推荐。数学公式参考于:http://blog.csdn.net/qq_14950717/article/details/52197565测试数据为自己随手画的关系图把图片整理成文本信息如下:a b c d e f yb c a f gc a b dd c a e h q re f h d af e a b gg h f bh e g i di j m n ..._本关任务:使用 spark core 知识完成 " 好友推荐 " 的程序。
文章浏览阅读367次。南京大学高级程序设计期末复习总结,c++面向对象编程_南京大学高级程序设计
文章浏览阅读3.1k次,点赞2次,收藏12次。实现朴素贝叶斯分类器,并且根据李航《统计机器学习》第四章提供的数据训练与测试,结果与书中一致分别实现了朴素贝叶斯以及带有laplace平滑的朴素贝叶斯%书中例题实现朴素贝叶斯%特征1的取值集合A1=[1;2;3];%特征2的取值集合A2=[4;5;6];%S M LAValues={A1;A2};%Y的取值集合YValue=[-1;1];%数据集和T=[ 1,4,-1;..._朴素贝叶斯 matlab训练和测试输出
文章浏览阅读1.6k次。Markdown 文本换行_markdowntext 换行
文章浏览阅读6.7w次,点赞2次,收藏37次。win10 2016长期服务版激活错误解决方法:打开“注册表编辑器”;(Windows + R然后输入Regedit)修改SkipRearm的值为1:(在HKEY_LOCAL_MACHINE–》SOFTWARE–》Microsoft–》Windows NT–》CurrentVersion–》SoftwareProtectionPlatform里面,将SkipRearm的值修改为1)重..._错误: 0xc0000022 在运行 microsoft windows 非核心版本的计算机上,运行“slui.ex