【数据库】存储过程的学习--手写笔记

存储过程

最近在学习数据库,写博客方便自己随时查看,也希望可以帮助到有用的同学,如果喜欢的话一键三联!!!或者私聊我,一起学习
在这里插入图片描述

定义:

在这里插入图片描述
简单来讲,这个存储过程就是相对于java里面的类的方法,起到的作用就是方便随时调用,跟前面学习的视图功能差不多,以此来提高代码的复用

特性:

在这里插入图片描述

基本使用的语法格式:

在这里插入图片描述

对它的调用:call 存储名
案例使用:

在这里插入图片描述

变量定义:
  • 局部变量:

    • 注意点:它是用户自定义的,只在begin和end之间有效

    • 语法格式:在这里插入图片描述

    • 基本使用:在这里插入图片描述

    • 提升:还可以用select语句为变量赋值,但是注意select语句必须是返回结果为单行单列,也就是具体的一个值

    • 格式:在这里插入图片描述

    • 使用:在这里插入图片描述

  • 用户变量:

    • 注意点:它是用户自定义的,只在会话(连接)有效,相当于java的成员变量

    • 基本语法:在这里插入图片描述

    • 基本使用:在这里插入图片描述

  • 系统变量

后续还会再补充案例以及知识点,会边学边记录更新

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
LeNet-5是一种经典的卷积神经网络,用于手写数字的识别。它在1998年由Yann LeCun等人提出,旨在通过学习感知到的局部特征来实现数字的自动识别和分类。 LeNet-5主要由两个重要部分组成:卷积神经网络(CNN)和全连接层。 输入图像首先经过两个卷积层和池化层,用于提取图像的特征。卷积层通过滑动窗口计算每个窗口中的特征,然后池化层对特征图进行降采样,减少计算量和参数个数。随后,通过几个全连接层对提取的特征进行分类,最终输出层得到识别结果。 在训练阶段,LeNet-5使用反向传播算法来更新网络权重,最小化训练样本与目标标签之间的损失函数。该损失函数可衡量网络对不同数字的分类准确性。 为了识别手写数字'c',我们需要准备一组训练样本包含手写数字'c'的图像及其标签,并将这些样本输入LeNet-5进行训练。训练过程中,网络将学习到特定于'c'的特征,以便能够准确地区分出'c'与其他数字。 完成训练后,我们可以用测试集对LeNet-5进行评估。将手写数字'c'的图像输入网络,根据输出层的预测结果即可进行识别判断。如果网络的输出结果与'c'标签匹配,则说明LeNet-5成功地识别了手写数字'c'。 总而言之,LeNet-5是一种使用卷积神经网络实现手写数字识别的经典模型。通过训练和调整网络权重,LeNet-5能够识别手写数字'c'。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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

打赏作者

Triumph-light

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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