数据库学习day01

 数据库(保存数据的 保存到一个文件当中 对数据进行持久化)

使用简单命令进行增删改查

 数据库系统

可以操作数据的应用程序


常用的数据库

 myspl数据库 中小型  6.0之前免费

 

 DDL  数据库定义语句 CREATE ALTER DROP

 DML  数据操作语句 Insert update delete

DQL  数据库查询  Select

 

SQL语句不分大小写  以;结束

 * 

 * 

 进入数据库指令 mysql -uroot -p

 

 

 查询现有的数据库

 show databases;

 创建一个数据库

 create database 数据库名;

 制定查询一个创建的数据库(查询该数据的编码格式)

 window默认utf8

 mac 初始拉丁-1  

 show create database 数据库名;

 创建数据库 执行字符集(一般使用utf8)

 create database 数据库名 character set 字符集名字(utf8);

  

 修改数据库创建时的默认字符集

 my.cnf(有数据库的默认配置文件)

 在/etc文件下 可以找到

 直接把文件放进去 要重启mysql 才能被加载


 查看字符集的校验规则 

  每一个编码格式都有一个对应的校验规则

  show character set;

  

 创建数据库 制定字符集和校验规则

collate 校验

 create database 数据库名 character set 字符集名字(utf8) collate 校验规则;

 create database mydb4 character set utf8 collate utf8_general_ci;

 注意 校验规则要对应

 

 修改数据库

1.修改编码格式(Alert 修改)

 alter database 数据库名 +要改什么(character set)

 2.删除数据库(drop 删除)

  drop database 数据库名;


 表的操作

 创建一张表  (最后一个字段没有逗号)

 create table 表名(

 字段1 字段类型,

 字段2 字段类型.

  .....

  字段3 字段类型

 );

  

  常用

  int 

  double

 数据库中的字符串 用英文的单引号''

  char  声明固定长度字符串

 char(10)  长度为10  'abc      '

  效率高 浪费空间

  varchar  声明可变长度字符串

  varchar(10) 'abc' 系统会判断把空值去掉 

  省空间 但是效率相对于固定长度的char低

  date 日期类型yyyy-MM--dd

  time 时间  hh:mm:ss

  timestamp:时间戳  yyyy-MM--dd hh:mm:ss

  传入空值 系统默认帮你赋值 系统时间 

  也可以使用字符串插入

  text:字符串类型 大文本

  blob:字节类型

   

  需求:

  查询当前使用哪个数据库

  select database();(显示null 表示没有正在使用的数据库)

  use 数据库名;

   字段 属性

Id 整型

name 字符

gender 字符

birthday 日期

Entry_date 日期

job 字符

Salary 小数

resume 大文本


查看表结构

desc 表名;

查看表内容(*代表所有字段)

select * from 表名;


表中插入数据

1.insert into 表名(字段1,字段2,....) values(值1,值2....);

注意字段与值得顺序和类型一一对应

如果该字段没值 只用null代替


2.批量插入

insert into 表名 values(值1,值2....),(值1,值2....),(值1,值2....);


修改表DDL语句

alter table 表名+关键字

1.添加一字段 image blob类型  alter table mytab add image blob;

2.修改一个字段长度 job 长度变60   alter table mytab modify job varchar(60);

3.删除一个字段image           alter table mytab drop image;

修改表名为user

rename table 旧表名 to 新表名; 

查看表格创建细节

show create table 表名;

列名name 修改为 username

alter table 表名 change 旧字段名 新字段名 新字段名的类型; 


更新表数据ubdate

update 表名 set 字段1=值1,字段2=值2 where 字段=值

将所有员工薪水修改为5000元。      update user set Salary=5000;

将姓名为’a’的员工薪水修改为3000元。  update user set Salary=3000 where username='a';

将姓名为’zs’的员工薪水修改为4000元,gender改为f。

 update user set Salary=4000,gender='f' where username='zs';

将wu的薪水在原有基础上增加1000元。 update user set Salary=Salary+1000 where username='wu';


删除操作(删除的)

delete from 表名 where 字段=值;

删除表中所有数据

delete from 表名; 一条记录一条记录的删除 如果删除错误,数据可以找回(效率低)

truncate table 表名;  将表整个删除,重新建立一张跟原来字段相同的表(效率高 不能找回)



1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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