orcle学习之路第三天

创建和操作表【完成】2h
1.sql
select * from zybrxx
Go go相当于orcle中的分号
2.Alter table:alter table zybq add test2 char(20)
添加多列:alter table zybq add (test1 char(1),test2 char(2))
把某一列的值允许为null:alter table zybq modify(test2 char(20) null)
删除;列:alter table zybq drop column test2
删除多列:alter table zybq drop(test1,tets2)
alter table zybq modify (test2 char(1) )
alter table zybq add (test1 varchar2(10), test2 varchar(1));
alter table zybq add (test4 varchar2(10), test5 number,test6 varchar2(22));
select * from zybq
alter table zybq drop column test2
alter table zybq drop(test4,test5,test6)
3.Drop table:drop table test2
创建视图和索引:【完成】2h
视图:create view test2 as select * from ksmc
select * from test2
选择指定列:create view test4(no,mc) as (select * from ksmc)
select * from test4错误
Create view test4(no,mc) as (select no,mc) from ksmc(正确)
4.对视图进行操作(更新数据):update test2 set xh=xh+1
5.删除视图:drop view test2
索引
6.创建索引:create index myindex on ksmc(no)
复合索引:create index myindex on ksmc(no,id)
排序:create index myindex on ksmc (id desc)
7.删除索引:Drop index myindex
事务处理控制【完成】2h
8.SET TRANSACTION
update zybq set test2=”
commit
9.SET TRANSACTION
update zybq set test2=”
rollback
10.数据库安全【完成】2h
创建用户:CREATE USER zxh IDENTIFIED BY password;
修改用户密码:ALTER USER zxh IDENTIFIED BY newpassword
11.创建角色:grant role to zxh with admin option
12.删除角色:revoke role from zxh
其中角色有三种:
Connect:Connect 角色允许用户从表中插入 更新 删除属于其它用户的记录 在取得了适当
的许可权限以后 用户也可以创建表 视图 序列 簇和同义词
Resource:该角色允许用户对 ORACLE 数据库进行更多的访问 除了可以赋予 Connect 角色的权限以外 它还有创建过程 触发机制和索引的权限
Dba:DBA 角色包括了所有的权限 赋予了该角色的用户可以在数据库中做他们想做的任何

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