Ubuntu 11.10 MySQL客户端 Emma 6.0 中文乱码解决办法

1 篇文章 0 订阅
1 篇文章 0 订阅

在Linux如果使用mysql的图形客户端,我感觉Emma算一个好用的了。

比起mysql自己的Mysql Query Browser 要好, 而且最不能忍受的是Mysql Query Browser 在Ubuntu 11.10 会有程序崩溃现象。

相比而言emma是挺好,但是emma默认用apt-get 安装的话,emma是不支持中文的,这个需要自己修改一下了配置文件,或者直接修改emma程序源文件了(emma 用python编写的)。

apt-get安装emma

  1. sudo apt-get install emma  

如果你已经安装完毕并且运行过emma,程序就会创建 ~/.emma/emmarc文件,保存你自己的一些配置。所以可以更改这里的配置文件,或者像下面直接修改emma的python源文件。

  1. vim ~/.emma/emmarc   

找到

  1. db_encoding=latin1  
改为
  1. db_encoding=utf8  
然后里,重新运行emma,此时发现还是乱码,不要着急,在执行所有的sql语句之前加入这条sql语句,
  1. set names utf8  
按ctrl+enter执行之后,再看看是不是已经ok了。正常显示中文了。(这里还有一个前提是你的数据库都是utf8编码的哟)

好了,但是每次新用户都要改配置文件,以及执行新sql前都加这个语句,岂不是很费力。而自己有很懒,并且我的数据库大部分都是utf8的,所以直接修改emma的源文件,来实现,新创建的emmrc配置文件就是utf8,和当选择数据库时,自动的执行“set names utf8” 语句。

ubuntu的apt-get 安装emma是在/usr/share/emma目录下面。

  1. cd /usr/share/emma/emmalib  
  2. sudo vim __init__.py  
找到
  1. "db_encoding": "latin1"  
改为
  1. "db_encoding": "utf8"  
保存退出。以后新创建的配置文件默认就会是utf8的解码了,我想在连接数据之后就执行 “set names utf8” 语句,所以
  1. sudo vim /usr/share/emma/emmalib/mysql_host.py  
跳到155行左右的_use_db(self, name, do_query=True)函数哪里,改成如下
  1. def _use_db(self, name, do_query=True):  
  2.         if self.current_db and name == self.current_db.name: return  
  3.         if do_query:   
  4.                 self.query("use `%s`" % name, False)  
  5.                 self.query("set names utf8",  False)  
  6.         try:  
  7.                 self.current_db = self.databases[name]  
  8.         except KeyError:  
  9.                 print "Warning: used an unknown database %r! please refresh host!\n%s" % (name, "".join(traceback.format_stack()))  
自己看着改,反正改成上面的样子,注意空格,因为python是以空格当语句的分割语法的。

其实就是加了一句

  1. self.query("set names utf8",  False)  

到这里就彻底ok了。



原地址:http://www.linuxidc.com/Linux/2011-11/47167.htm


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