博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
x86汇编语言——基本概念
阅读量:4098 次
发布时间:2019-05-25

本文共 1335 字,大约阅读时间需要 4 分钟。

  1. 处理器的设计者用某些指示处理器所进行的操作,这称为指令(Instruction),或者叫机器指令。指令由操作和操作数构成,但也有小部分指令仅有操作码,面不含操作数。

  2. 对于 intel 处理器来说,如果访问闪存中的一个字,那么它规定高字节位于高地址部分,低字节位于低地址部分,这称为低端字节序(Little Endian)。

  3. 指令也就是传送指令:

    第一种操作数是寄存器;
    第二种操作数是直接包含在指令中,紧跟在操作码之后,可以立即从指令中取得,
    所以叫立即数(Imediate Operand);
    第三种操作数也可以是数的地址单元。

  4. 作为C或C++开发者,需要理解内存、地址和指令是如何在底层工作的。在高级语言层次上,很多编程错误否容易被识别。因此,需要深入到程序内部,才能找出程序不工作的原因。

  5. 汇编语言不是可移植的,因为它是为特定处理器系列设计的。目前广泛使用的有多种不同的汇编语言,每一种都基于一个处理器系列。

  6. 汇编语言的规则是以目标处理器及其机器语言的物理局限性为基本的,汇编语言可以很容易地绕过高级语言的限制性特征。汇编语言可以访问所有的内存地址,但这种自由的代价也很高,需要花费大量的时间进行调试。

  7. Level 1~Level 4

    Level 1表示VM1,计算机数字逻辑硬件表示为Level 1机器,其上是Level 2,称为指令集架构(ISA, Instruction Set Architecture)。这是用户可以编程的第一个层次,尽管这种程序包含的是被称为机器语言的二进制数值。
    指令集架构(Level 2)计算机芯片制造商在处理器内部设计一个指令集来实现基本操作,如传送、加法或乖法。这个指令集也被称为机器语言。每一个机器语言指令或者直接在机器硬件上执行,或者由嵌入到微处理器芯片的程序来执行,该程序被称为微程序。
    汇编语言(Level 3)在ISA层,编程语言提供了一个翻译层,来实践大规模软件开发。汇编语言出现在Level3,使用短助记符,如ADD、USB和MOV,易于转换到ISA层。汇编语言程序在执行之前要全部翻译(汇编)为机器语言。
    高级语言(Level 4) Level4是高级编程语言,如C、C++和Java。这些语言程序所能含的语句功能强大,并翻译为多条汇编语言指令。比如,查看C++编译器生成的列表文件输出,就可以看到这样的翻译。汇编语言代码由编译器自动汇编为机器语言。

  8. 数字数据表示术语 用精确的术语描述内存中和显示屏上的数字及字符是非常重要的。比如,在内存中用单字节保存十进制数65,形式为 0100 0001 。调试程序可能会将该字节显示为”41“,这个数字的十六进制形式。如果这个字节复制到显存中,则显示屏上显示字母‘A’,因为在ASCII码中, 0100 0001 代表的是字母A。由于数字的解释可以依赖于它的上下文,因此,下面为每个数据表示类型分配一个特定的名称:

    二进制整数是指,以其原始格式分配 一个内存中的整数,以备用于计算。二进制整数保存形式为8位的倍数(如8、16、32或64)。
    数字字符串是一串ASCII字符,例如”123“或”65“。这是一种简单的数字表示法。

  9. 布尔表达式
    主要是以下3个的优先级问题:
    这里写图片描述
你可能感兴趣的文章
DeepLearning.ai笔记:(1-3)-- 浅层神经网络(Shallow neural networks)
查看>>
DeepLearning.ai作业:(1-3)-- 浅层神经网络(Shallow neural networks)
查看>>
DeepLearning.ai笔记:(1-4)-- 深层神经网络(Deep neural networks)
查看>>
DeepLearning.ai作业:(1-4)-- 深层神经网络(Deep neural networks)
查看>>
DeepLearning.ai笔记:(2-1)-- 深度学习的实践层面(Practical aspects of Deep Learning)
查看>>
DeepLearning.ai作业:(2-1)-- 深度学习的实践层面(Practical aspects of Deep Learning)
查看>>
DeepLearning.ai笔记:(2-2)-- 优化算法(Optimization algorithms)
查看>>
DeepLearning.ai作业:(2-2)-- 优化算法(Optimization algorithms)
查看>>
DeepLearning.ai笔记:(2-3)-- 超参数调试(Hyperparameter tuning)
查看>>
DeepLearning.ai作业:(2-3)-- 超参数调试(Hyperparameter tuning)
查看>>
DeepLearning.ai笔记:(3-1)-- 机器学习策略(1)(ML strategy)
查看>>
DeepLearning.ai笔记:(3-2)-- 机器学习策略(2)(ML strategy)
查看>>
cs231n作业:assignment1 - knn
查看>>
cs231n作业:assignment1 - svm
查看>>
cs231n作业:assignment1 - softmax
查看>>
cs231n作业:assignment1 - two_layer_net
查看>>
cs231n作业:assignment1 - features
查看>>
DeepLearning.ai笔记:(4-1)-- 卷积神经网络(Foundations of CNN)
查看>>
DeepLearning.ai作业:(4-1)-- 卷积神经网络(Foundations of CNN)
查看>>
DeepLearning.ai笔记:(4-2)-- 深度卷积网络实例探究(Deep convolutional models:case studies)
查看>>