“互聯(lián)網(wǎng)+”時代下的GPU體系結構教學改革研究

張荔哲 劉凱 張亞杰

摘 ? 要：計算機專業(yè)本科生的基礎課程具有知識更新速度快、理論與實踐結合密切、對學生數(shù)理邏輯能力要求較高等特點，傳統(tǒng)的教學內(nèi)容難以滿足時代和行業(yè)的發(fā)展，固有的教學模式和考核評估體系也難以適應當代大學生的學習習慣。文章以《計算機組成與系統(tǒng)結構》課程為例，結合多年教學實踐經(jīng)驗，提出引入GPU體系結構教學內(nèi)容并采用基于MOOC的“互聯(lián)網(wǎng)+”教學方式，希望在教學內(nèi)容、教學模式和考核評估體系等方面為高校計算機專業(yè)本科生基礎課程的教學改革提供參考。

關鍵詞：計算機組成與系統(tǒng)結構;GPU體系結構;MOOC

中圖分類號：G434 文獻標志碼：B 文章編號：1673-8454（2019）21-0080-05

一、引言

計算機專業(yè)本科生的基礎課程具有拓展學生學科理論和提升學生科研素養(yǎng)的作用。通常此類課程理論與實踐結合密切，對學生數(shù)理邏輯能力要求較高?？紤]到課程內(nèi)容的深度和廣度，傳統(tǒng)上主要采取教師課堂授課、學生到課聽講和課下完成作業(yè)的教學模式。但這種模式過于注重知識的垂直灌輸，以致學生興趣不足、專注度不高且獨立思考和自主學習時間過少。此外，本課程考核形式也比較單一，通常以期末閉卷筆試為主，教材內(nèi)容老舊過時，以《計算機組成與系統(tǒng)結構》課程為例，極少包含GPU（圖形處理器）相關內(nèi)容，教師基本不講授GPU體系結構知識。盡管部分高校在教授GPU內(nèi)容，但僅停留在表面概述，沒有對GPU內(nèi)部系統(tǒng)結構和計算模型進行全面且深入的研究。GPU相較于中央處理器（CPU），主要在以下類型的程序中有著更高的效率：計算密集型的程序，即大部分運行時間集中在寄存器運算上;易于并行的程序[1]。GPU越來越多地應用在并行計算、高性能計算、數(shù)據(jù)挖掘、深度學習和人工智能等領域。學生在課程中不能系統(tǒng)地學習到GPU體系結構知識會導致在這些領域中遇到學習障礙。為進一步提升計算機專業(yè)本科生的培養(yǎng)質(zhì)量，本科生基礎課程的教學改革與創(chuàng)新非常必要。如何將教學內(nèi)容現(xiàn)代化、將學習方式多樣化、將考核評估多樣化，是擺在本科生基礎課程教學改革面前的難題。

國內(nèi)外高校已開始對本科生基礎課程的教學模式開展改革探索[2-5]，在教學過程中注重引導學生學習方法和思維的轉變[6-7]，同時結合課程特點圍繞教學內(nèi)容和教學方法進行了初步改革探索[8]。不過在課程內(nèi)容、教學模式、考核方式和挖掘?qū)W生個性化以及成效等方面，相對于教學改革的既定目標仍有較大差距。西安電子科技大學《計算機組成與系統(tǒng)結構》教學組在過去的幾年內(nèi)積極探索高等院校計算機專業(yè)本科生基礎課程教學改革的思路和方法。本文總結了該課程教學組在改革實踐中的經(jīng)驗體會，從規(guī)劃教學內(nèi)容、設計教學模式和完善考核體系等多個維度提出創(chuàng)新性優(yōu)化方案，以達到構建計算機專業(yè)本科生專業(yè)知識體系和提升學生科研創(chuàng)新能力的教學目標。

二、課程背景及開設情況

《計算機組成與系統(tǒng)結構》及其相關內(nèi)容在計算機系統(tǒng)中的位置是至關重要的。傳統(tǒng)課程中相關的計算機硬件內(nèi)容包含：算數(shù)邏輯運算器、內(nèi)部存儲系統(tǒng)、指令系統(tǒng)、中央處理器、流水線技術與指令級并行系統(tǒng)、總線與輸入輸出系統(tǒng)和并行體系結構。這些硬件由操作系統(tǒng)進行管理，同時，高級語言的源代碼經(jīng)過編譯器（Compiler）編譯產(chǎn)生目標程序代碼，目標程序代碼也直接運行在這些硬件平臺上。因此，《計算機組成與系統(tǒng)結構》課程教學內(nèi)容不僅包括計算機硬件的各部件及它們的互連互通和指令系統(tǒng)等，還與計算機操作系統(tǒng)、編譯原理、微型計算機原理與接口等課程與技術密切關聯(lián)，對于學生全面地理解計算機系統(tǒng)的結構層次，系統(tǒng)地形成計算機整體概念，掌握計算機硬件系統(tǒng)的應用、分析、設計以及開發(fā)能力，都起著不可或缺的重要作用。所以，這部分內(nèi)容是計算機系統(tǒng)的核心內(nèi)容，自然成為計算機相關專業(yè)的重要基礎課程。

圖1是美國加州大學伯克利分校2011年“Computer Organization and Architecture”課程的設置情況[9]。從圖中可以看出，在這門課程的教學內(nèi)容中，加州大學伯克利分校在保留了傳統(tǒng)教學內(nèi)容的同時，也在FPGA的硬件設計能力方面加強了培養(yǎng)。同時，還對并行體系結構的相關內(nèi)容加深了教學。

圖2是中國科學技術大學2012年本門課程的課程設置情況[10]。如圖所示，中國科學技術大學在本科教學中加強了中央處理器設計能力的培養(yǎng)和操作系統(tǒng)的相關知識，但還未引入GPU體系架構、并行體系結構、高性能計算設備等相關課程內(nèi)容。

為了總結各大高校本類課程的設置情況，有研究對MIT、Stanford等多個美國著名大學和清華大學、國防科技大學等國內(nèi)知名高校在相關課程方面的教學情況進行了分析[11-13]。在計算機組成等相關課程中，以上大學以及我校在教學思想、教學概念乃至教學內(nèi)容都有著大量相似之處，都是處在計算機系統(tǒng)的角度描述計算機組織體系結構及硬件的設計思想和結構，都以典型的數(shù)據(jù)編碼、存儲系統(tǒng)、指令設計及其系統(tǒng)、中央處理器和流水線技術為核心內(nèi)容，加強學生對并行體系結構等知識的掌握，鼓勵學生通過多種途徑在課下自主學習，強調(diào)引起學生興趣和培養(yǎng)動手實踐能力。

通過對這些國內(nèi)外權威高校相關課程的教學理念、教學思路和教學內(nèi)容進行分析，結合本校近年來在該課程上的教學實踐，對教學方法進行了深入研究，提出引入GPU體系結構教學內(nèi)容及采用基于MOOC的“互聯(lián)網(wǎng)+”教學方式的教學改革，并在《計算機組成與系統(tǒng)結構》課程教學中進行了實踐與研究。

三、教學內(nèi)容改革實踐

1.GPU介紹

GPU是一種專門在PC、服務器、游戲主機和智能手機、平板電腦等小型移動設備上進行圖形計算工作的擴展微型處理器。在個人計算機中，GPU可以集成于顯卡上或嵌入在主板上?，F(xiàn)如今GPU已經(jīng)不僅限于處理圖形渲染，GPU通用計算技術作為在CPU計算之后的新一代計算技術已經(jīng)在計算機行業(yè)內(nèi)引起大量關注，在并行計算、幾何運算和浮點數(shù)計算等方面，GPU可以提供比CPU高出十倍甚至百倍的算力，所以GPU越來越多地被應用在并行計算、高性能計算、深度學習、神經(jīng)網(wǎng)絡和人工智能等領域。

GPU與CPU設計處理計算任務的目標是不一樣的，導致兩者的整體結構有很大區(qū)別。具體來說，CPU是一種低延遲的設計（如圖3所示）：① CPU有強大的ALU，時鐘頻率很高;②CPU的容量較大的cache，一般包括L1、L2和L3三級高速緩存，L3可以達到8MB;③CPU有復雜的控制邏輯，例如：復雜的流水線、分支預測和亂序執(zhí)行等，這些設計使得真正進行計算的算數(shù)邏輯單元（ALU）只占據(jù)很小一部分片上空間。

而GPU是一種高吞吐的設計（如圖4所示），具體來說：① GPU有大量的算數(shù)邏輯單元（ALU）;②緩沖區(qū)（caches）很?。壕彺娴哪康氖菫榫€程提高服務，而不是保存后面需要訪問的數(shù)據(jù);③控制邏輯簡單，沒有分支預測等這些組件。GPU需在有限的面積上實現(xiàn)超強的運算能力和極高的存儲器帶寬，因此有大量的執(zhí)行單元去運行更多相對簡單的線程。

總體來說，CPU擅長處理邏輯復雜、要求低延遲的計算任務;而GPU擅長的是大規(guī)模數(shù)據(jù)集的并行計算（data-parallel）任務。

2.引入GPU教學的必要性

（1）浮點計算能力強。GPU相對多核CPU在系統(tǒng)結構設計上有本質(zhì)的區(qū)別，GPU設計目標是為解決復雜的浮點計算。作為眾核協(xié)處理器的典型，GPU上一個warp的32個線程由一個控制器控制，同時處理同一條指令。這種設計為GPU提供了超強的浮點計算能力，從而使得這種異構系統(tǒng)在超級計算機領域表現(xiàn)突出。

（2）超高性價比。在CPU/GPU異構系統(tǒng)中，多核CPU在提供256位寬向量處理的基礎上，主要負責復雜的邏輯處理，而眾核GPU協(xié)處理器的設計目的是高速進行浮點運算，特別是雙精度浮點計算。由于多核CPU和GPU設計理念不同，故在內(nèi)部結構和組件成本方面存在著明顯差異。GPU在設計時避免或減弱了類似分支處理、邏輯控制等與浮點計算無關的復雜功能，專注于浮點計算，因此在制造成本上有著巨大的優(yōu)勢，眾核GPU協(xié)處理器僅需要十分之一的成本即可達到與多核CPU同等的浮點運算能力。

（3）綠色功耗比。GPU集成了大量的輕量級微處理器單元，這些處理單元功能簡單（僅用于浮點運算）、時鐘頻率有限，能最大限度降低所消耗的功率。比如NVIDIA Tesla K20c GPU在休眠狀態(tài)僅需15瓦左右功耗，其滿載運轉時功耗約為150瓦，能提供超過2Tflops單精度浮點運算能力;而Intel Xeon Phi 31S1P協(xié)處理器在低功耗狀態(tài)的能耗為100瓦，在滿載運行提供2Tflops單精度浮點運算能力時需要250瓦供能。因此GPU比MIC在能耗上更有優(yōu)勢。

（4）普及度廣。部分GPU產(chǎn)品（顯卡）已經(jīng)裝備于許多設備上，用于科研、實驗、工程、娛樂等。購置新GPU也十分便捷。GPU產(chǎn)品擁有完善的商業(yè)體系，其產(chǎn)品價格區(qū)間大，無論經(jīng)濟實力好壞，都可以購買到合適的GPU來搭建編程平臺。

另外，從計算機組成與系統(tǒng)結構的并行計算領域來說，該領域存在以下幾個重大問題：存儲小、功耗大、編程難和不平衡的計算機科學生態(tài)系統(tǒng)。GPU提供了程序員可控制的層次式存儲，在一定程度上突破了存儲問題;GPU的低功耗優(yōu)勢在一定程度上解決了功耗大的問題。GPU并行體系結構設計可以充分發(fā)揮CPU/GPU異構系統(tǒng)和GPU的集群性能，真正扭轉計算機科學生態(tài)系統(tǒng)“重軟輕硬”的不平衡。

所以，無論從當前業(yè)界需求，還是未來計算機技術的發(fā)展來看，在本科生《計算機組成與系統(tǒng)結構》課程中引入關于GPU的內(nèi)容并重點講授都十分必要。同時，掌握GPU各類系統(tǒng)架構知識和其相關通用計算標準，能為本科生在研究生階段學習神經(jīng)網(wǎng)絡和深度學習等知識打下牢固基礎。

3.規(guī)劃課堂教學內(nèi)容

基于《計算機組成與系統(tǒng)結構》課程的教學改革，引入GPU硬件系統(tǒng)架構教學內(nèi)容。主要包括GPU架構、kernel函數(shù)的GPU映射、GPU存儲體系、GPU計算能力、CPU/GPU異構系統(tǒng)、GPU組成相關實驗和典型GPU介紹。通過這六個方面的教學可以使學生對GPU硬件體系有一個整體的認知。

（1）GPU架構：對英偉達主要的5類不同架構的GPU產(chǎn)品架構進行教學。分別為：特斯拉（Tesla）架構、費米（Fermi）架構、開普勒（Kepler）架構、麥克斯韋（Maxwell）架構、帕斯卡（Pascal）架構。不同GPU架構的設計理念、流程層次和工藝水平等均不相同，相應的內(nèi)部體系結構和性能也不一致。學習這五類架構可以認識到GPU浮點運算高性能的原因。

（2）GPU存儲系統(tǒng)：GPU存儲系統(tǒng)是影響其程序性能最關鍵的因素之一。GPU采用了清晰的分層存儲設計，可以用于優(yōu)化程序性能，分層存儲結構系統(tǒng)的使用是性能優(yōu)化的關鍵。

（3）GPU計算能力：即GPU架構及其所支持的功能。隨著GPU架構的發(fā)展，GPU支持的功能也越來越多，計算能力版本也從1.0升級至6.0，提高了計算性能、統(tǒng)一了存儲空間、擴展了原子操作等。這個模塊將講述GPU的浮點計算能力、訪存帶寬、通信帶寬，以及如何使用GPU-Z、CUDA-Z等軟件測試GPU性能，分辨其真?zhèn)?。GPU的計算能力也是衡量GPU質(zhì)量的重要標準之一。

（4）CPU/GPU異構系統(tǒng)：CPU和GPU各自有獨立的外部存儲器，CPU負責邏輯性較強的事務處理，GPU負責高密集度的浮點運算。當面對大量的數(shù)據(jù)時，CPU處理事務，GPU的高存儲帶寬發(fā)揮其強大的運算能力，故CPU/GPU異構系統(tǒng)此類計算設備的計算能力可以明顯提高系統(tǒng)的速度，異構系統(tǒng)的應用越來越普遍，也是獲得高計算能力的途徑。

（5）GPU組成的相關實驗：warp是GPU執(zhí)行程序時的調(diào)度單位，sp（streaming processor）是GPU最基本的處理單元，sm（streaming multiprocessor）由多個sp及一些資源組成。進行warp排程實驗需要對線程劃分塊，一個sm僅會執(zhí)行一個塊中的warp，當該塊執(zhí)行完畢時才進行下一個塊的資源執(zhí)行。只有合理劃分每個塊中的warp，讓GPU將每個sm都利用起來，才可達到高效率的目標，本實驗可以讓學生學會GPU內(nèi)資源的具體調(diào)度操作，同時可以學會如何分配線程塊的資源增加GPU利用率以提高效率。

（6）典型的GPU：截至2018年，英偉達和AMD控制了近100%的市場份額，各自的市場份額分別為66%和33%。在這個模塊介紹第一代GPU（GeForce 6800）和第二代GPU（GeForece 8800）的相關參數(shù)，及英偉達和AMD生產(chǎn)制造的經(jīng)典顯卡設備型號、計算核心數(shù)、各級存儲容量、計算能力、時鐘頻率、grid和block網(wǎng)絡維度及ECC錯誤校驗等參數(shù)。

四、教學方式改革實踐

1.“互聯(lián)網(wǎng)+”時代的多媒體技術

“互聯(lián)網(wǎng)+”思維可以應用于各類傳統(tǒng)教學方法中，在充分利用信息科技技術和平臺的前提下，將互聯(lián)網(wǎng)與傳統(tǒng)教學方式深度融合，為教育改革、創(chuàng)新、發(fā)展引入新的活力，提供寬廣的網(wǎng)絡平臺，增添便捷與效率?！盎ヂ?lián)網(wǎng)+”代表了一種新的教學形態(tài)，可以充分發(fā)揮互聯(lián)網(wǎng)在課堂教學、本科生教育中的優(yōu)化和集成作用。

MOOC是一種旨在通過互聯(lián)網(wǎng)廣泛參與和開放訪問的網(wǎng)絡課程。除了傳統(tǒng)的網(wǎng)絡課程材料，如視頻講座、PPT、練習題和線上測試，許多MOOC還提供用戶論壇，以支持學生與學生、學生與教授之間的社區(qū)互動，以及對作業(yè)和測驗的即時反饋。MOOC已經(jīng)發(fā)展為一種廣泛的學習方式[14]。

2.MOOC技術在GPU結構教學中的優(yōu)勢

對比傳統(tǒng)課堂教學，MOOC具有許多顯著優(yōu)勢，比如費用低廉、在線、開放等?，F(xiàn)如今很多課程教學均選擇通過MOOC技術進行在線教學，大多數(shù)課程的目的是豐富教學資源，便于學生自主學習，降低教育成本。傳統(tǒng)課堂教學無法讓所有同學清晰地了解GPU實物的系統(tǒng)結構，MOOC通過將GPU實物系統(tǒng)構造教學錄制為特寫視頻，提高學生對實物結構難點的理解，增加了MOOC教學的優(yōu)勢。搭建一個GPU實驗室需要高昂的費用，而將GPU服務器引入MOOC教學可顯著降低教學成本且完成實驗教學。GPU服務器是為其應用于視頻編解碼、深度學習、科學計算等多種場景提供的快速、穩(wěn)定、彈性的計算服務，可以讓實驗者們了解到GPU出色的圖形處理能力和極致的計算性能。在GPU體系結構MOOC教學中加入實驗室搭建的小型GPU服務器，可基本滿足《本科計算機組成與系統(tǒng)結構》實驗要求，突破成本的限制，再加上其豐富開放的學習資源，對學生更加友好。

基于MOOC的“互聯(lián)網(wǎng)+”教學模式吸收了傳統(tǒng)課堂教學和網(wǎng)絡在線教學兩者的各自優(yōu)點，是一種將兩者相結合的教學模式，比單純的線下教學或線上教學都具有優(yōu)勢。

3.具體教學方式改革的探索

（1）線上網(wǎng)絡平臺教學

在《計算機組成與系統(tǒng)結構》課程開課前，教師將傳統(tǒng)線下課堂難以完成的教學內(nèi)容制作成在線課程資源，上傳于學?；ヂ?lián)網(wǎng)教育平臺。改變傳統(tǒng)單一的圖片及文字PPT教學課件模式，將GPU實物教學放置于MOOC課程中，可以清晰詳細地講解真正的GPU體系結構而非僅停留于書面及圖片，解決了傳統(tǒng)課程無法使每位同學均看清GPU內(nèi)部構造等問題。同時將GPU相關實驗與傳統(tǒng)課堂教學中的應用相結合，將課程中的難點、重點引入多媒體技術中，將GPU服務器運用于實驗教學，不僅解決了搭建GPU實驗室費用高昂的問題，也使每位同學均可現(xiàn)實對顯卡使用的操作，切身體驗到GPU的高效。

（2）線下課堂教學

在本科生教育中，MOOC教學僅是一種輔助教學工具，網(wǎng)絡端的教學方式不能取代《計算機組成與系統(tǒng)結構》的理論和實踐教學，而是將難以口述、不易理解的實物、實驗教學穿插于線下傳統(tǒng)課堂教學中。教師可將網(wǎng)絡教學平臺上學生的問題進行匯總，查看學生在平臺上的自學測驗結果，針對學生反映的學習困難內(nèi)容在課堂上統(tǒng)一深入講解，著重解決。

（3）完善考核評估體系

合理有效的評價機制對于反映學生真實的學習效果有重要作用。相對于傳統(tǒng)課堂教學主要依據(jù)線下筆試成績，基于MOOC的“互聯(lián)網(wǎng)+”教學模式需要一套更加多元的評價體系來準確反映學生的學習成績。評價體系應將隨堂評價和期末評價相結合。隨堂評價分為線上隨堂評價和線下隨堂評價兩部分，其中線上隨堂評價指標包括學生觀看線上課程完成程度、線上課程自學測試情況等，線下隨堂評價指標包括學生課堂出勤情況、隨堂測試情況等。期末評價同樣也分為線上實驗機試和線下筆試兩部分。多元的評價機制有利于學生形成良好和符合趨勢的學習習慣，提高學習質(zhì)量。

五、改革預期成效及問題

通過對GPU體系結構和計算模型進行全面且深入的教學，豐富了《計算機組成與系統(tǒng)結構》課程內(nèi)容，拓寬了本科生的知識視野，為學生將來在并行計算、大數(shù)據(jù)、高性能計算、深度學習、神經(jīng)網(wǎng)絡和人工智能等領域的科研和工作打下了基礎。

基于MOOC的“互聯(lián)網(wǎng)+”教學模式為學生提供了一個開放、獨立的學習平臺，并促進了計算機網(wǎng)絡化教學，使教師學習、使用現(xiàn)代網(wǎng)絡科學技術的水平有所提高。為GPU體系結構提供了一個便捷且成本低廉的教學方式，將傳統(tǒng)課堂上無法完成的實物、實驗教學改善，每位同學均可具體清晰地觀看且了解到GPU是由什么部件組成且如何運轉的。為對于基礎薄弱的同學，可以多次觀看平臺上發(fā)布的視頻教程進行自主學習。對于學習能力強的同學，可以找到高階的課程，提高自己的能力。網(wǎng)絡教學平臺中可直接設置測試項目，教師可以隨時查看學生對知識的掌握。鼓勵學生充分利用線上教學資源，培養(yǎng)了學生獨立主動學習的能力，提高了學生《計算機組成與系統(tǒng)結構》課程的參與度，從而切實提升了學生學習計算機專業(yè)知識的能力，進而推動大學計算機學科教學發(fā)展。

但值得注意的是，將GPU體系架構相關內(nèi)容引入《計算機組成與系統(tǒng)結構》課程也會導致一些問題。目前GPU通用計算領域主要采用英偉達公司生產(chǎn)的GPU產(chǎn)品，產(chǎn)品的單個售價較高，導致學生自行學習成本較高，加之本科生人數(shù)較多，每位學生真正使用高性能GPU進行實操學習的機會有限，教學資源沒有CPU普遍易得。且MOOC教學存在一定的局限性，比如學生的課程完成率和真實完成度不夠高。由于MOOC缺乏有效的監(jiān)督，一些學習主動性不高的學生容易中途放棄，并且存在部分同學虛假學習的情況。

六、結束語

針對傳統(tǒng)《計算機組成與系統(tǒng)結構》課程教學內(nèi)容落后和硬件類課程課堂教學方式成本高昂且受設備儀器、時間和地點限制的問題，本文引入GPU體系結構教學內(nèi)容并采用基于MOOC的“互聯(lián)網(wǎng)+”教學方式，提高了計算機硬件系統(tǒng)結構的教學質(zhì)量。同時采用了多元評價機制對學生的學習效果進行評價，激發(fā)了學生的學習熱情和學習興趣，培養(yǎng)了學生自主學習的習慣和能力，拓寬了本科《計算機組成與系統(tǒng)結構》課程的知識覆蓋面，為學生日后進行GPU體系架構、高性能計算、數(shù)據(jù)挖掘和深度學習等方面的學術科研打下了堅實的基礎。

參考文獻：

[1]王智廣，劉偉峰.“并行計算”課程算法實踐教學的新工具：CUDA編程模型[J].計算機教育，2008（23）：103-106.

[2]鄭紅燕，劉濤.基于翻轉課堂的計算機網(wǎng)絡課程教學重構[J].科技風，2019（15）：56.

[3]蘇博妮，化希耀.MOOC和計算思維背景下的計算機基礎教學模式研究[J].微型電腦應用，2018，34（5）：17-19，22.

[4]石爭浩，趙明華，李鵬，王映輝.計算機組成和體系結構課程教學改革的探索與實踐[J].教學研究，2013，36（2）：64-67.

[5]袁春風，黃宜華，武港山，俞建新，吳海軍.“計算機組成與體系結構”課程群建設實踐[J].計算機教育，2010（13）：80-83.

[6]譚韶生.計算機教改提升學生創(chuàng)新能力的方法探討[J].電腦與電信，2016（7）：33-35.

[7]袁春風，黃宜華，武港山等.“計算機組成與體系結構”課程群建設實踐[J].計算機教育，2010（13）：80-83.

[8]裴頌文，鄔春學.計算機組成與體系結構核心課程的創(chuàng)新建設[J].計算機教育，2011（22）：77-80.

[9]UC Berkeley. Computer Architecture and Engineering [EB/OL].http：//inst.eecs.berkeley.edu/-cs152/sp09/.

[10]佚名.中國科技大學2010年關于計算機組成及體系結構的課程設置情況[EB/OL].http：//cs.ustc.edu.cn/jypy/bksjy/201006/t20100626_22938.html.

[11]MIT.Computation Structures [EB/OL].http：//6004.csail.mit.edu.

[12]Stanford University. Computer Organization & Systems[EB/OL].http：//www.stanford.edu/class/cs107/.

[13]張晨曦，王志英，劉依，沈立.“計算機系統(tǒng)結構”課程內(nèi)容體系的研究[J].計算機教育，2009（20）：57-60.

[14]Kaplan Andreas M.，Haenlein Michael （2016） Higher education and the digital revolution： About MOOCs， SPOCs， social media， and the Cookie Monster， Business Horizons， Volume 59.

（編輯：王曉明）