学习day17

学习的内容:
今天的学习就从Dos命令备份数据库开始说起:
代码:masqldump -h127.0.0.1 -uroot -proot employee > c:/employee.sql;
#不需要登录数据库和加分号都可以运行。
启动mysql服务有两种方法:
1、任务栏右键--->任务管理器--->服务选项卡--->服务...--->mysql--->右键启动
2、win+R --->net start mysql


数据库的完整性:实体、参照、域、自定义完整性。他们分别由主键、外键、数据类型、来保证,
其中最后一者的默认值,唯一。


束:为表创建约束是为了保证进入数据库的数据都是有效的、可靠的。


#主键约束:一个列或多列的组合,其值能唯一地标识表中的每一行。
ALTER TABLE DEPT ADD CONSTRAINT PK_DEPT_NO PRIMARY KEY (DEPTNO);


#唯一约束:主键约束实现了主键列中的值具有唯一性。
ALTER TABLE DEPT ADD CONSTARINT UNIQUE(DNAME);


#默认约束:默认约束(DEFAULT)是为列中的值设置默认值。
ALTER TABLE EMP CHANGE COLUMN SAL SAL INT DEFAULT 3000;


#外键约束:能够实现一对多的关系。
1.当在从表中添加数据时,会先验证数据的外键是否存在于主表的字段当中
2.当要删除主表中的数据时,会先验证在从表中有没有记录引用这个值,如果有则删除失败
ALTER TABLE EMP ADD CONSTRAINT FOREIGN KEY FK_DEPTNO (DEPTNO) REFERENCES DEPT (DEPTNO)


#检查约束:检查约束(CHECK)用于检查列中的值是否符号要求。
ALTER TABLE EMP ADD CONSTRAINT CK_SAL CHECK(SAL>0);


#非空约束


逻辑运算符
逻辑运算包含 and or not 三种运算。


BETWEEN...AND
Between and 表示在两者之间,例如between 60 and 100 相当于 >=60 and <=100。


in 查询
in 用于没有规律的范围查询。相当于多个or 的组合。
模糊 查询like:
模糊查询使用通配符%和_实现,%表示任一个任意字符,_表示任意一个字符。


高级 查询:
1、等值连接 where(Where 子句中可以使用的比较运算符包括 > >= < <= <> )
2、自连接 where
3、内连接 inner join 表 on 表与表之间的关系(内连接和等值连接结果相同,凡是不满足条件
的结果不予显示)
4、外连接(左外连接,右外连接)


聚合 函数:
聚合就是将多个数据聚合成一个数据,聚合是通过聚合函数实现的,聚合函数有sum、max、min、
avg、count 共五个。


学习的问题:
多是数据库的基本操作大都OK,问题主要是设置主键和自增长的时候搞不太清楚。
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。
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