功能最弱的arm处理器

Posted 2023-03-18

Arm处理器大致可以分为Classic、Cortex-M、Cortex-R以及Cortex-A三个系列，其性能天梯图如下，Classic 系列处理器在很大程度上已经逐步被 Cortex 系列所取代
ARM Classic（传统）系列处理器
ARM7 系列：基于 ARMv3 或 ARMv4 架构，包括 ARM7TDMI-S 和 ARM7EJ-S 处理器。
ARM9 系列：基于 ARMv5 架构，包括 ARM926EJ-S、ARM946E-S 和 ARM968E-S 处理器。
ARM11 系列：基于 ARMv6 架构，包括 ARM1136J(F)-S、ARM1156T2(F)-S、ARM1176JZ(F)-S 和 ARM11MPCore 处理器。
ARM Cortex-M系列处理器
 ARM Cortex-M 系列处理器常见的包括 Cortex-M0、Cortex-M0+、Cortex-M3、Cortex-M4、Cortex-M7

Cortex-M0 是最小的 ARM 处理器，8/16 位应用，体积极小、能耗很低且编程所需要的代码占用量极少，常见的Cortex-M0 处理器有 NXP 的 LPC1100 系列、意法半导体的 STM32F0主流MCU系列。
Cortex-M0+ 是在 Cortex-M0 基础上开发的能效极高的处理器，其保留了 Cortex-M 的全部指令集和数据兼容性，以接近 8 位系统的成本开销获取 32 位系统的性能，常见的 Cortex-M0+ 处理器有 NXP 的 LPC1100 系列和意法半导体的STM32G0高性能系列、STM32L0低功耗系列
Cortex-M3 处理器是行业领先的 32 位处理器，具有较高的性能和较低的动态功耗，支持硬件除法、单周期乘法和位字段操作在内的 Thumb-2 指令集，最多可以提供 240 个具有单独优先级、动态重设优先级功能和集成系统时钟的系统中断。常见的型号有NXP 的 LPC1300 系列和 LPC1700 系列；意法半导体的 STM32F1主流MCU、STM32F2高性能系列、STM32L1超低功耗系列
Cortex-M4 是 Cortex-M3 的升级版，将 32 位控制与领先的数字信号处理技术集成来满足需要很高能效级别的市场，主要实际应用型号包括德州仪器（TI）的 TM4C 系列和意法半导体的 STM32F3主流系列、STM32F4、STM32G4高性能系列、STM32L4低功耗系列
Cortex-M7是高性能的内核，其运算效能是Cortex-M4的二倍。其中包括六层的超纯量管线有分支预测，有可选的单精度浮点运算器或双精度.主要实际应用型号包括NXP的RT1050，意法半导体的STM32F7系列、STM32H7系列。
Cortex-A 处理器
 ARM Cortex-A处理器包括 Cortex-A5、Cortex-A7、Cortex-A8、Cortex-A9、Cortex-A12、Cortex-A15、Cortex-A50、Cortex-A72共8个子系列

Cortex-A5 处理器是体积最小、功耗最低的应用型处理器，并且可以带来完整的网络体验，可为现有的 ARM926EJ-S 和 ARM1176JZ-S 处理器设计提供高价值的迁移途径。
Cortex-A7 处理器是一种高能效应用处理器，除了低功耗应用外，还支持低成本、全功能入门级智能手机，该处理器与其他 Cortex-A 系列处理器完全兼容并整合了高性能 Cortex-A15 处理器的所有功能，包括虚拟化、大物理地址扩展（LPAE）NEON 高级 SIMD 和 AMBA 4 ACE 一致性。单个 Cortex-A7 处理器的能效是 ARM Cortex-A8 处理器的 5 倍，性能提升了 50%，而尺寸仅为后者的五分之一，支持如今的许多主流智能手机。目前提供 Cortex-A7 的厂商包括德州仪器（TI）、三星（SAMSUNG）、飞思卡尔（Freescale）、博通（Broadcom）、海思半导体（HISILICON）和 LG。
Cortex-A8 处理器基于 ARMv7 架构，支持 1GHz 以上的工作频率，采用了高性能、超标量微架构及用于多媒体和 SIMD 处理的 NEOD 技术，可以满足 300mW 以下运行的移动设备的低功耗要求，目前提供 Cortex-A8 的厂商有德州仪器（TI）、三星（SAMSUNG）、飞思卡尔（Freescale）、博通（Broadcom）和 ST（意法半导体）。
Cortex-A9 处理器是低功耗或散热受限的成本敏感型设备的首选处理器，其支持多核，在用作单核心的时候性能比 Cortex-A8 提升了 50% 以上，其主要用于主流智能手机、平板电脑、多媒体播放器等。
Cortex-A12 是 Cortex-A9 的升级版，专注应用于智能手机和平板电脑，该芯片使用较少。
Cortex-A15 处理器是基于 ARMv7 架构是Cortex-A 系列处理器的最新产品，也是最高性能产品，和其他处理器系列兼容，通常应用于移动计算、高端数码家电、服务器和无线基础架构
Cortex-A50 系列处理器基于 ARMv8 架构， 提供了 A53 和 A57 两种型号的处理器，目前在手机、平板等智能终端设备中得到广泛应用。
Cortex-A72处理器基于ARMv8-A架构，是ARM性能最出色、最先进的处理器。使用设备涵盖高阶的智能手机、中型平板电脑、大型平板电脑 参考技术A 答:应该是Cortex-M0，是目前最小的ARM处理器，该处理器的芯片面积非常小，能耗极低，且编程所需的代码占用量很少，这就使得开发人员可以直接跳过16位系统，以 接近8 位系统的成本开销获取 32 位系统的性能。

leetcode：1337. 方阵中战斗力最弱的 K 行

1337. 方阵中战斗力最弱的 K 行

给你一个大小为 m * n 的方阵 mat，方阵由若干军人和平民组成，分别用 0 和 1 表示。

请你返回方阵中战斗力最弱的 k 行的索引，按从最弱到最强排序。

如果第 i 行的军人数量少于第 j 行，或者两行军人数量相同但 i 小于 j，那么我们认为第 i 行的战斗力比第 j 行弱。

军人 总是 排在一行中的靠前位置，也就是说 1 总是出现在 0 之前。

示例 1：

输入：mat = 

[[1,1,0,0,0],

 [1,1,1,1,0],

 [1,0,0,0,0],

 [1,1,0,0,0],

 [1,1,1,1,1]], 

k = 3

输出：[2,0,3]

解释：

每行中的军人数目：

行 0 -> 2 

行 1 -> 4 

行 2 -> 1 

行 3 -> 2 

行 4 -> 5 

从最弱到最强对这些行排序后得到 [2,0,3,1,4]

示例 2：

输入：mat = 

[[1,0,0,0],

 [1,1,1,1],

 [1,0,0,0],

 [1,0,0,0]], 

k = 2

输出：[0,2]

解释： 

每行中的军人数目：

行 0 -> 1 

行 1 -> 4 

行 2 -> 1 

行 3 -> 1 

从最弱到最强对这些行排序后得到 [0,2,3,1]

提示：

m == mat.length

n == mat[i].length

2 <= n, m <= 100

1 <= k <= m

matrix[i][j] 不是 0 就是 1

法一：写cmp函数进行对结构体排序

class Solution
{
public:
   typedef struct node
    {
        int val;
        int index;
    };

   static  bool cmp(Solution::node a,Solution::node b){
        return a.val==b.val?a.index<b.index:a.val<b.val;
    }

    vector<int> kWeakestRows(vector<vector<int>> &mat, int k)
    {
        int len=mat.size();
        node res[len];
        for (int i = 0; i < len; i++)
        {
            int cnt = 0;
            for (int j = 0; j < mat[0].size(); j++)
            {
                if (mat[i][j])
                    cnt++;
            }
            res[i].index=i;
            res[i].val=cnt;
        }

        sort(res,res+len,cmp);

        vector<int>v;
        for(int i=0;i<k;i++){
            v.push_back(res[i].index);
        }
        
        return v;
    }
};

　法二：重载运算符的方法，速度更快，快四毫秒。

class Solution
{
public:
    struct node
    {
        int val;
        int index;
        bool operator<(const node &b){
            return val==b.val?index<b.index:val<b.val;
        }
    };

    vector<int> kWeakestRows(vector<vector<int>> &mat, int k)
    {
        int len=mat.size();
        node res[len];
        for (int i = 0; i < len; i++)
        {
            int cnt = 0;
            for (int j = 0; j < mat[0].size(); j++)
            {
                if (mat[i][j])
                    cnt++;
            }
            res[i].index=i;
            res[i].val=cnt;
        }

        sort(res,res+len);

        vector<int>v;
        for(int i=0;i<k;i++){
            v.push_back(res[i].index);
        }

        return v;
    }
};