PL/SQL

PL/SQL 是在SQL基础上添加过程化的能力.PL的意思是procedure language

 

结构:

Declare

--定义说明部分,例如定义变量

Begin

--程序开始执行

Exception

--例外执行部分

End;

/

 

 

Desc  不仅可以查询表,同样也可以查询程序包,例如dbms_output

 

打开输出开关:   set serveroutput on;

 

/  表示执行上一条命令

 

 

基本变量类型

 

引用变量类型:

变量名  表名.字段名%type;

 

记录变量类型

变量名 表名%rowtype

 

如何从键盘接收一个输入

Accept num  prompt ‘请输入一个数字’

Declare

Pnum number;

Begin

Pnum:=#

End;

/

 

循环

While conditions loop

Xxxxxxxxxxxx

End loop;

 

Loop

Exit when conditions

Xxxxxx

xxxxxx

End loop;

 

For x in 1..3 loop

Xxxxxxxxxxx

Xxxxxxxx

End loop;

 

 

 

引用变量是 针对表中一个字段

记录变量是 针对表中一行记录

光标 是针对 一组记录,相当于记录的集合

 

光标操作步骤

1 定义光标

 Cursor c is select name from userinfo;

 Pname userinfo.name%type;

2 打开光标

 Open c;

3 取出记录

loop

Fetch c into pname;

Exit when c%notfound;

End loop;

4 关闭光标

Close c;

 

 

光标 ,有两个属性

%found 当找到记录时候 为true

%notfound  当找不到记录时候为TRUE

 

光标还有两个属性

%isopen 若是光标已经打开,则返回true

%rowcount  标识影响了的行数  例如 若有100行数据,已经选取了20行数据, rowcount 的值为20.

 

光标有一个限制,,就是打开的光标,在默认的情况下不能超过300,当然 这个数值是可以修改的

 

带参数的光标

只有定义  ,打开光标时候不一样   其他不变

Cursor c (dno number(4,0))  is select * from userinfo where 字段名=dno;

 

Open c(10);

 

定义光标时候的参数  为形参 ,变量名 变量类型

打开光标时候的参数为实参   .

 

 

例外

Exception 语句的作用就是捕获例外,并且处理例外.不让例外抛出给系统,

例外  分为系统例外  和自定义例外

例子:

Exception

  When 例外类型名字 then xxxxxxxxxx

  When others then xxxxxxxxxxx

 

注意 : 捕获例外 ,必须捕获全部的例外,使用关键词others

自定义例外

1. 定义一个例外

例外名字 exception

2 抛出例外

 Raise 例外名字

3. 捕获处理 例外

Exception

When 例外名字 then    xxxx;

 

注意: 当抛出一个例外的时候,程序会跳转到exception语句执行   ,,若是抛出例外 和 exception 语句之间 还有资源,例如光标没有关闭,请不用担心,因为系统会自动关闭掉.

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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