漫漫Java路----连接数据库

JDBC编程步骤
首先把jar文件添加到工程中
1、Load the Driver a....Class.forName()|Class.forName().newInstance()|new DriverName()//参数是实例的类名 
               b....实例化时自动向DriverManager注册,不需显式调用DriverManager。registerDriver方法
2、Connect to the DataBase
    Connection conn = DriverManager.getConnection()//有三个参数,数据库的连接串,用户名,密码
3、Execute the SQL//执行SQL语句
       a.....Statement stmt = conn.createStatement()//创建语句对象
b....ResultSet rs = stmt.executeQuery()//执行查询语句,返回结果集,rs类似游标,指向第一天的顶端
c....Statement.executeUpdate()
4、Retrieve the result data
循环取得结果while(rs.next())//游标移动,返回值为是否能拿到下一条记录
5、show the result data
将数据库中的各种类型转换为Java中的类型System.out.println(rs.get****(" "))方法
6、close
a....close the resultSet  rs.close()
b....close the statement  stmt.close()
c....close the connection   conn.close()




oracle数据库连接时:
Statement stmt = null;
ResultSet rs = null;
Connection conn = null;


try{
Class.forName("oracle.jdbc.driver.oracleDriver");
Connection conn = DriverManager.getConnection("jdbc:oracle:thin:@192.168.0.1:1521:SXT","scott","tiger");
Statement stmt = conn.createStatement();
ResultSet rs = stmt.executeQuery();




} catch(ClassNotFoundException e) {
e.printStackTrace();
} catch(SQLException e) {
e.printStackTrace();
} finally {
try {
if(rs != null){
rs.close();
rs = null;
}
if(stmt != null){
stmt.close();
stmt = null;
}
if(conn != null){
 conn.close();
conn = null;
}
} catch(SQLException e) {
e.printStackTrace();
}
}






MySql的数据库连接:
Connection conn = null;
Statement stmt = null;
ResultSet rs = null;

try{
Class.forName("com.mysql.jdbc.Driver");//动态加载mysql驱动

String url = "jdbc:mysql://localhost:3306/bbs1?"
+"user=root&password=root&userUnicode=true&characterEncoding=gb2312";
conn = DriverManager.getConnection(url);//连接到数据库
stmt = conn.createStatement();
rs = stmt.executeQuery("select * from article where pid = 0");
while(rs.next()) {
System.out.println(rs.getString("cont"));
tree(conn,rs.getInt("id"), 1);

}
} catch(SQLException e) {
e.printStackTrace();
} catch (ClassNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} finally {
try {
if(rs != null) {
rs.close();
rs = null;
}
if(stmt != null) {
stmt.close();
stmt = null;
}
if(conn != null) {
conn.close();
conn = null;
}
} catch (SQLException e) {
e.printStackTrace();
}
}
}












深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值