Oracle数据库简介以及windows安装过程

Oracle数据库简介

也许很多人熟悉SQL server,并不是太了解Oracle数据库,这里进行一下简单的介绍

Oracle数据库的创始人是劳伦斯.埃里斯

Oracle数据库能被多个操作系统使用

eg:windows,linux,Solaris,AIX等

现在我们把Oracle和SQL server 进行一下简单的比较

1:Oracle数据库对系统的支持比SQL server多,而SQL server数据库是微软研发,只能在windows上使用。

2:架构不同,Oracle数据库中,一个实例只能管理一个数据库,只有数据库在集群的环境下才能实现多个数据可被一个实例管理,而SQL serve数据库是一个实例管理多个数据库。

3:安全性,SQL sever数据库没有通过安全认证,Oracle数据库是获得ISO安全认证的数据库。

4:内存分配,Oracle大部分由init.ora来决定的,而SQL server的内存分配由动态内存分配和静态内存分配。

Oracle数据库的历史版本就不在详细说了有兴趣的可以去百度上搜索

                            Oracle数据库在Windows上安装


我没在真实机中进行安装,而是在VMware虚拟机中进行安装的

安装需要安装包,以及安装环境(我选择的环境是Windows7)

安装包要到Oracle官网进行下载可以下载最新版本(根据自己的选择环境而下载不同的版本)

数据库安装程序下载地址下载之后进行解压就可以看见setup.exe 可执行文件双击(安装的时候最好把防火墙关掉)

wKiom1mFPqLjgXZvAAcm9yw5uEI730.png-wh_50

需要填写一个邮箱地址 下面的可以不选,,把勾去掉

wKioL1mFPqbw5tmyAAasPEr39HI342.png-wh_50

如果显示以下提示,我觉得应该是版本或者兼容问题误报的 可以置之不理的

wKiom1mFPqqyywDLAAbT1vXBlHY115.png-wh_50

根据自己的需要选择

wKioL1mFPrChcZG0AAa3KZfhlcc377.png-wh_50

也是根据自己需要

wKiom1mFPrbTf0hbAAZhJ0ippME316.png-wh_50

选择安装位置和设置口令(也许你设置口令步伐和要求,你需要改动,不过你也可以置之不理,直接使用你想用的口令)

wKioL1mFPrvD8edQAAarsBFyRtY276.png-wh_50

检测是否符合最低配置单要求

wKioL1mFPsTSRQK8AAcLdqJnwDQ786.png-wh_50

开始进行安装

wKioL1mFQ_OwD2cBAAMr4MpZgF8468.png-wh_50

安装完成。


安装问题

1:上图红色箭头标出,安装完成后,不知道为什么会报错。

2:并且中间会出现报错和提示缺少配置文件不过 我都越过了

希望明白之人帮助解答这两个问题

本人初学Oracle数据库,如果在上面所述有什么错误,大神们多多指教,谢谢!


本文出自 “大李子” 博客,请务必保留此出处http://n1lixing.blog.51cto.com/11772222/1953784

转载于:https://my.oschina.net/u/3579120/blog/1508057

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